相位编码脉冲串的相参性识别算法研究

本文提出了一种相位编码脉冲串的相参性识别算法,通过检测脉冲相位的线性度判别序列的相参性。该算法通过M次方运算将相位编码信号变换成正弦波信号,再通过相参积累,有效地提高了信号的信噪比。文中讨论了算法的信噪比门限,并通过仿真实验加以验证。仿真实验表明,本方法可以在一定信噪比条件下实现对相位编码脉冲串相参性的识别。本文算法有助于实现对脉冲多普勒雷达的识别和告警,对研制数字射频存储器也具有重要意义。     

重频参差相参脉冲串频率估计算法

研究了重频参差相参脉冲串的频率估计算法。通过脉内相关积累,提高了新序列的信噪比。对新序列的相位差按参差重数抽样平均,减小了等效的相位噪声方差,利用重频参差比解相位模糊,扩大了频偏允许范围,降低了算法的信噪比门限。分析了本算法实现相参频率估计的条件,推导了相应信噪比门限的解析表达式,指出了信噪比门限与信号样本总数、参差重数、参差比之间的关系。仿真结果表明:上述结论是正确的,在满足信噪比门限条件下,频率估计的精度接近相参脉冲串频率估计的克拉美-罗限(CRLB)。     

相参脉冲串多普勒频率变化率估计算法

给出了一种新的利用相参脉冲串进行多普勒频率变化率估计的算法,选取准最佳算法估计频率,减小了频率估计误差.对各脉冲进行脉内相关积累,将相参脉冲串变换成一个新的线性调频信号序列.该序列的样本点数是脉冲个数、采样间隔是脉冲重复周期、调频斜率是多普勒频率变化率、信噪比提高为输入信噪比的N倍(N是脉内采样点数).因此,可以在较低的信噪比条件下精确估计多普勒频率变化率.仿真结果表明,该算法能在比现有算法更低的信噪比条件下精确估计多普勒频率变化率,其性能接近相参脉冲串多普勒频率变化率估计的克拉美-罗限.     

低信噪比下基于Keystone变换的高速多目标检测

微弱多目标检测中,高速运动目标的跨距离单元走动会影响长时间相参积累的效果,论文提出了在低信噪比情况下通过Keystone变换校正多目标的跨距离单元走动,对所有脉冲相参积累达到提高信噪比的目的,仿真实验结果验证了该方法的有效性。     

基于相参处理的宽脉冲信号参数估计快速算法

提出了一种宽脉冲信号参数估计快速算法,利用抽取的方法来降低宽脉冲信号参数估计的计算量。首先,对宽脉冲正弦波信号进行抽取构造相参脉冲串,利用相参脉冲频率估计算法进行频率估计。其次,对于宽脉冲线性调频信号,对其做延时相关之后即可转化为宽脉冲正弦波信号,然后在上述抽取和相参处理方法的基础上即可得到宽脉冲线性调频信号参数估计值。性能分析和仿真结果表明,该算法在保证一定的参数估计精度前提下,大大降低了算法的计算量,有利于宽脉冲信号参数估计的实时处理。     

判决法对数字和模拟信号的自动识别及验证

调制方式是数字和模拟通信信号的一个重要特征参数,数模通信信号调制方式的快速检测和识别在军用和民用方面都极为重要.以判决法为基础,提出了一种可用于检测和识别11种信号的调制方式的自动识别算法,并给出了该算法的实现流程.计算机仿真结果表明,理论分析与仿真实验验证了该算法的有效性.在信噪比≥9dB时,算法平均识别成功率≥97％,可以应用于实际通信系统中信号的快速检测和识别.     

基于特征提取的单——混信号调制识别研究

调制识别作为处理信号的基础,将围绕QPSK,8PSK,16QAM三种调制类型的单信号和同频同调制的混合信号展开研究.通过分析信号的高阶累积量特征和四次方谱线特征,对单信号和混合信号进行区分,并将信号的调制方式进行高效识别.针对信噪比和幅度比对识别算法性能的影响,进行了一系列的仿真试验,算法简单可行,对信号参数要求较低,具有工程应用前景.通过仿真实验发现,在信噪比大于5 dB时,该算法的准确识别率可达到95％.     

多站时差频差高精度定位技术

针对多站时差频差联合定位系统,建立了定位模型,推导了定位误差表达式并作了仿真分析.仿真结果表明,在观测站构型较差的情况下,多站时差频差联合定位与纯时差或频差定位相比可提高定位精度.本文同时提出了利用相参脉冲串实现雷达信号高精度频差测量方法,推导了无模糊频率估计的充要条件及相参脉冲串测频的CRLB,仿真及实验室测试结果证明了在一定条件下可实现对相参雷达信号的Hz级测量精度,对工程应用具有一定的价值.     

基于小波变换的MPSK信号符号速率估计算法

在非合作MPSK信号调制方式识别和盲解调过程中,符号速率的估计是一个重要环节.本文根据morlet 小波函数的时频特征以及MPSK信号的时频分布,提出了一种基于morlet小波变换的MPSK信号符号速率估计算法.仿真结果表明,与现有算法相比,该算法对载频估计误差不敏感,具有更低的信噪比门限,也更逼近CRLB曲线.     

无源相干脉冲雷达时间同步误差影响分析

在无源相干脉冲雷达系统中,由于直达波信号的起伏,难以实现对其脉冲重复频率实时且精确地估计,导致脉冲重复频率与采样时钟之间总是存在时间同步误差,很难满足脉冲间相参采样的条件.文中首先通过对无源相干脉冲雷达系统的中频采样过程进行建模,推导了脉冲间相对采样时刻的变化周期与时间同步误差的关系,然后定义了归一化干扰功率来分析时间同步误差对无源相干脉冲雷达系统相参处理输出的影响.在此基础上,推导了脉冲间相对采样时刻的差服从均匀分布和Gauss分布时的归一化干扰功率,并给出了相应的仿真结果.同时,推导了存在时间同步误差时Doppler频率估计的理论误差,并给出了相对采样时刻变化周期不同时Doppler频率估计的仿真实例,验证了理论分析的正确性.     

Range,radial velocity,and acceleration MLE using frequency modulation coded LFM pulse train

Linearly frequency modulation (LFM) pulse train and linearly stepped frequency (LSF) pulse train are mostly used in radar systems. However, the estimation performance of target motion parameters may be affected by the high recurrent lobe levels and the range–Doppler coupling phenomenon appearing in ambiguity function (AF). In multi-target scenarios, the estimation performance becomes even worse. The Costas frequency-modulation coded (CFMC) LFM pulse train has an ideal thumbtack-shaped AF, thus it can provide motion parameter estimation with high precision. However, the estimation of target motion parameter for the coherent CFMC LFM pulse train has not been investigated in depth. In this paper, we first analyze the properties of the AF of the CFMC LFM pulse train. Based on its convexity and narrow mainlobe width, a fast method to implement the maximum likelihood estimator (MLE) is proposed to estimate the motion parameters. To reduce the computation complexity, the Chirp-Z Transform (CZT) is introduced. Then, the Cramer–Rao lower bounds (CRLBs) on range, velocity and acceleration for frequency-modulation coded (FMC) pulse train are derived. It is shown that the CRLBs are relevant to the frequency coding patterns. Finally, Monte Carlo simulations are performed to verify the performance of the MLE. The results show that the performance of our proposed method can achieve the CRLBs when the signal-noise ratio (SNR) is higher than the threshold SNR.     

数据驱动的RF信号深度调制识别方法

基于卷积结构的信号调制识别神经网络的识别性能受信号调制类型种类限制。例如,在12 dB信噪比条件下,同时对24种信号调制类型进行识别,其识别准确率仅为80%。若需要进一步提高识别性能,则要求更复杂的网络模型,导致网络训练所需数据集规模和硬件资源成本增大。鉴于此,针对无线电信号特征,设计一种适用于无线电信号调制识别的紧致残差神经网络,将其作为信号调制类型特征学习和特征提取工具,实现从原始I、Q数据到信号调制类型的端到端识别。利用迁移学习降低网络重新训练所需样本数,增强在无线信道响应发生变化时的环境适应能力,降低训练阶段所需的硬件资源和训练数据集规模。研究表明,当信道脉冲响应改变时,所提的信号调制识别神经网络在信噪比为12 dB条件下的识别性能达到95%,多个对比实验验证本文所设计神经网络的识别性能具有优势。     

单节点多GPU集群下HPL动态负载均衡优化

现有CPU加速的高性能Linpack基准测试程序(HPL)一般采用基于实际运算能力的动态负载均衡算法来实现。然而该算法在单节点多GPU的平台上表现不佳,其原因是单节点多GPU平台上单个GPU计算量小,并且GPU与CPU的总性能差距较大。为此,提出了经验指导的动态负载均衡算法以及多GPU自适应负载均衡算法,并且在单节点多GPU平台上进行了验证,结果显示,其比现有的基于NVIDIA费米GPU的HPI有6.3%的加速效果。     

基于信噪比估计和矢量平均的干涉仪抗噪声测向方法

针对低信噪比条件下干涉仪测向准确度低的问题,提出了一种基于信噪比估计和相位差矢量平均的自适应测向方法。本文方法通过对多次测量的相位差复数矢量求平均来提高相位差的测量精度和稳定性,从而提高测向性能。提出的自适应准则通过估计来波信噪比,可快速确定不同信噪比下矢量平均所需样本量,使处理后信号达到设定信噪比阈值,获得稳定的测向准确度。分析了信噪比阈值对本方法测向性能的影响。本文方法计算复杂性小,对测向实时性影 响小。理论分析和仿真结果表明：本方法在低信噪比条件下可以达到很高的测向准确度,对低信噪比条件下的测向性能改善明显。     

基于混沌PSO和K均值算法的移动用户分类

为了克服经典K～Means算法随机选择初始数据中心而易陷入局部最优解和聚类结果的不确定性问题,提出一种基于粒子群和KMeans算法的改进聚类算法以实现移动用户分类。首先,定义数据对象密度并采用改进的普里姆算法初始化聚类中心,然后,将此聚类中心用于初始化粒子位置,采用混沌粒子群算法寻优获得最优解作为最终的聚类中心,最后,采用经典K—Means算法根据最终聚类中心进行聚类。仿真实验表明文中方法能正确地实现移动用户分类,并具有较强的全局寻优能力和较快的收敛速度,弥补了经典K—Means方法的不足,具有较强的现实意义。     

A high-precision phase-derived range and velocity measurement method based on synthetic wideband pulse Doppler radar

Development of radar technology needs to address the two-dimensional high resolution of range and velocity simultaneously for high-speed targets. Taking advantage of the superior coherent performance of synthetic wideband pulse Doppler radar, this paper elaborates the principles of phase-derived range and velocity measurements. Moreover, this paper explores the key technologies of unwrapping phase ambiguity, and discusses the phase unwrapping strategy at a low signal-to-noise ratio (SNR). The proposed method can be applied to the conditions of low SNR and has comparatively strong practicality in engineering. Both the ejection ball and civil aircraft experiments have validated the correctness and feasibility of the proposed method. In particular, the experimental results reveal that the accuracy of phase-derived range and velocity measurement has reached a level of submillimeter or millimeter and centimeter/second or submillimeter/second, respectively.     

一种新的高分辨时延估计算法

多径分量重叠衰落下的精确时延估计对很多系统而言都非常重要,对于定位技术更是如此。近来,MUSIC算法被用来估计信道测量中的多径时间弥散参量,还被用于频域室内几何定位,且性能优于基于IFFT的时域分析。本文首先讨论了MUSIC算法应用于带限脉冲时延估计时存在的问题,针对该问题提出了一种带滑动窗解卷积的、基于MUSIC算法的新的时延估计器,最后将这一算法通过计算机仿真与其它算法作了对比分析。     

基于逆滤波器的时变MIMO信道跟踪算法

对时变多发多收（MIMO）无线数字信道,在信道接收端应用逆滤波器算法,得到无线MIMO数字系统的信道冲击响应函数,并将此函数作为初始值,应用改进的粒子滤波器算法,完成时变MIMO数字系统的盲信道跟踪。该算法同时利用了信号的时间分集信息和空间分集信息。计算机仿真表明,与仅利用信号空间分集信息的逆滤波器算法相比,该算法在输入信号小信噪比情况下有更好的全局收敛特性;与卡尔曼滤波算法相比,得到的归一化信道误差更小。     

基于成分分析的射频干扰源个体识别

射频干扰源个体识别在军事领域有重要的应用价值,相关的研究成果较少.从分析射频干扰源稳态信号的各种成分出发,提出了基于成分分析的射频干扰源个体识别方法.该方法首先对干扰源稳态信号进行成分分离和恢复,然后选取最能反映个体差异的若干个次成分进行特征降维和识别.通过实测数据实验证明了该方法的识别效果,并和现有的基于经验模态分解的个体识别方法进行了比较.结果表明该方法要优于现有的方法,并且受信噪比影响较小,在5 dB~20 dB的信噪比范围内识别率在80%以上.     

一种新颖的LDPC编码系统码率识别方法

LDPC码编码识别是信道编码识别中的难点。随着LDPC码在通信领域的广泛应用,LDPC码编码识别技术也引起越来越多的关注。针对在低信噪比条件下,现有算法对LDPC码编码参数识别率低的问题,首先利用信道输出的软信息,将编码校验关系映射到对数似然比域,并定义编码校验对数似然比（Check log-likelihood ratio,CLLR）。然后,分析CLLR模值的统计特性,建立CLLR与待识别LDPC码参数之间的联系。最后,充分利用在不同校验矩阵下CLLR统计特性的区别,设计一种综合CLLR均值和方差特征的最大均方比判决器。从仿真结果看,在给定先验编码集合的闭集应用模式下,本文算法明显优于已有算法,识别增益在低信噪比环境下可达2~5 dB。而且对于高码率LDPC码的识别,本算法可以显著提高识别性能。