综合高距离分辨力——频率捷变雷达信号波形的新应用

频率捷变雷达信号波形的一种新用途是利用它的大跳频带宽综合高距离分辨力。本文将介绍用于目标识别和反射系数测量中的目标特征，即时域或频域目标的标志；综合高距离分辨力的概念；构成综合时域剖面图的系统组成和工作原理；性能和试验实例。     

基于凸优化的宽带雷达波形优化方法

针对宽带雷达目标识别波形优化中多类目标方位和初相不确定问题,在高斯色噪声背景下提出一种基于凸优化的波形优化方法。该算法通过半正定松弛方法对目标识剐波形优化这个非凸问题进行近似求解,较好地解决了多类目标方位和初相不确定情况下的波形优化问题。仿真结果表明：该方法可以有效增加各类目标之间的可分性,从而提高目标识别性能。     

基于波形库的目标跟踪波形选择方法研究

传统雷达对目标跟踪时采用固定的发射波形。本文应用认知雷达波形捷变的思想,通过建立波形库实现对发射波形的实时调用,从而进一步提高雷达的跟踪性能。在高斯噪声、线性运动目标跟踪方法的基础上,通过测量噪声与发射波形之间的关系,在经典卡尔曼滤波算法的框架中增加了波形选择模块,实现对跟踪波形的调节。同时,应用了两种不同的波形选择准则,并针对其不同的特点,仿真得出了不同的波形选择方案,表明通过波形库对波形进行实时调用可实现特定的目的和要求。     

雷达目标极化散射矩阵的瞬时测量方法

目标极化特性的瞬时测量是极化雷达探测与目标识别等领域非常关心的基础性问题.本文针对频移脉冲波形,研究了互易条件下目标极化特性瞬时测量问题.建立了瞬时极化测量雷达的目标回波模型,在深入分析了目标回波极化特性的基础上,提出了一种基于离散时间傅立叶变换的完整极化散射矩阵频域估计算法,证明其为无偏估计,给出了估计精度的理论公式和实验结果.     

一种基于SVM算法的波形特征识别算法

介绍了一种基于 SVM 算法的波形特征识别算法，并描述了算法如何应用于人体加速度波形识别，首先使用 LIBSVM 建立波形判决模型，使用摔倒与正常运动的波形建立训练集对判决模型进行训练并交叉验证模型准确性。通过在连续波形上加入滑动观察窗体，对窗体内的波形片段使用判决模型进行判决，能够实时捕获摔倒波形，并能够较准确地区分摔倒与跑步、走路等正常运动的波形。当出现误判/漏判情况时，能够及时修正训练集，让摔倒判定模型不断得到训练，进而不断提高判决准确率。     

基于阵列激光波形特征识别的激光引信抗干扰方法

针对激光引信易受云雾等气溶胶环境的干扰问题,提出了一种基于阵列激光波形特征识别的抗干扰方法。根据脉冲激光在气溶胶环境的散射特性,理论分析了发射脉冲宽度以及视场角对系统在干扰环境中目标识别的影响,仿真了目标处于干扰环境中的波形时域特征,并通过实验样机对仿真结果进行实测验证。基于回波波形特征,设计了一种窄视场阵列激光回波特征数字化识别的探测系统方案,并通过虚拟样机仿真技术获取了2°分辨率的目标和云雾的回波阵列数据。数据分析结果表明,由于目标形体和云雾弥散体的物理差异,目标回波阵列的能量方差极值及均值都大于云雾,通过设定帧内回波阵列的能量方差的阈值和帧间方差累计的方法能有效提升激光引信抗干扰性能。文中的仿真和实测结果都为基于阵列激光波形识别的抗干扰方法的有效性提供了理论和实验依据。     

基于谱逼近的瞬态极化雷达最优波形设计

针对瞬态极化雷达(IPR)两路极化波形相关度较高而导致的目标极化参数估计误差大的问题,该文提出纯相位谱逼近算法(POSAA)来设计具有低相关水平的波形对。首先,以积分旁瓣电平准则构建目标函数;然后利用相关与谱的傅里叶变换对关系,基于谱逼近的思想,推导了目标函数的频域表示;最后获得目标函数的梯度和Hess矩阵,并采用信赖域方法优化求解目标函数以获得理想波形。仿真结果表明优化后的波形对具有极低的相关水平,且利用该优化波形获得的目标参数误差远小于当前常见波形。     

超宽带通信脉冲波形的分析与仿真

首先介绍一种回转椭球波函数(Prolate Spheroidal Wave Functions,PSWF),主要阐述了PSWF的相关概念、特性及其近似求解算法,然后阐述应用PSWF脉冲基来组合设计UWB脉冲波形的算法。如果要求陷波点有干扰抑制,可以对该点左右两侧的频段分别求对应的频域波形,再做相应线性变换,使陷波点的频域值为0,然后对两个脉冲的时域波形做同样的变换,即得所求脉冲波形,最后通过仿真验证了算法的有效性。     

低信噪比下机载多脉冲激光雷达姿态不敏感性特征提取研究

针对纳秒量级脉宽机载多脉冲激光照射目标的回波波形,提出几何分割比这一目标姿态不敏感特征,给出了特征提取算法,可用于与激光目标运动状态结合开展目标检测与跟踪。首先,基于激光目标波形数学模型分析目标波形与目标特征的关系,指出激光目标的几何分割比特征具备姿态不敏感特性。接着,结合目标特征提取对目标波形和噪声不失真分离的要求,提出在小波域利用对称小波基进行改进Donoho阈值降噪处理,在时域利用小波重构信号阈值获取目标波形序列,再由一阶二阶差分计算检测目标波形峰值点,进而提取激光目标散射中心及几何分割比等特征。最后,通过仿真实验验证算法在低信噪比下提取激光目标特征信息的有效性。在与机载多脉冲激光目标模拟器联试实验中,利用文中算法提取激光目标特征结合目标的运动状态信息,开展多帧相关匹配检测,多脉冲激光目标检测的可靠性明显提高。     

用多基地雷达系统测量目标速度矢量

三维速度测量在目标探测与分析中具有重要的意义.本文首先提出一种新的能有效实现时延频移解耦的雷达发射波形,分析了发射波形的模糊函数.分析了T-R4近程多基地雷达系统中目标速度矢量的测量方法,导出了与发射机位置无关的目标速度矢量算法公式,由于与发射机位置无关,该算法十分适合于发射机位置不固定的应用场合.文中对系统性能进行了分析并给出了计算机仿真结果.     

基于变周期梯形毫米波二维配对多目标检测算法

毫米波FMCW雷达体积小、工作频带宽、分辨率高且抗干扰性能强,基于毫米波雷达的多目标检测算法是目前研究热点。但现有的基于FMCW的雷达多目标检测算法存在大量虚警、漏检的问题。文中研究了梯形调频连续波的发射波形并分析了典型的梯形多目标匹配算法,在此基础上结合频域-二维配对法对发射波形及多目标算法加以改进,提出了改进变周期梯形波及多目标检测算法,提高了多目标识别的准确度。     

基于宽带毫米波工作体制的雷达目标识别方法探讨

对基于宽带毫米波工作体制的雷达目标特征获取和识别方法进行了综合分析和探讨.表明:在毫米波照射下,雷达目标可模型化为由多个散射中心组成的扩展目标;只要发射信号有足够的带宽,就可以从回波信号中获得各散射中心的空间分布、类型等特征;仿真结果说明,这种方法对高频区复杂目标的识别是有效的.     

长周期前驱波的检测及其局域均值能量提取与分类

 地震预报迄今仍是一个世界性的科学难题,震前地壳内长周期形变前驱波检测的新方法与波形分析研究,可能成为未来地震预测的一个突破点.基于一种新颖的液体悬浮式长周期、超低频前驱波检测技术,实时连续记录了陕西省境内三个地震台站的超低频加速度信号;分析前驱波异常信号与地震发生的关系,发现异常出现与地震发生的关联度为51.59%;进一步利用局域均值分解算法对截取的前驱波异常信号进行分解,计算前五个分量的能量作为特征向量,输入支持向量机进行分类.结果表明,利用创新的前驱波检测技术和局域均值能量特征实现信号识别,异常前驱波均值能量特征与地震发生之间的关联度可达62.24%.     

基于时空压缩特征表示学习的毫米波雷达手势识别算法

针对现有无线射频信号的手势识别研究中的数据预处理和特征利用问题,该文提出一种用于调频连续波(FMCW)雷达的时空压缩特征表示学习的手势识别算法。首先对手部反射的毫米波雷达回波信号的距离-多普勒(RD)图进行静态干扰去除和动目标点筛选,减少杂波对手势信号的干扰,同时减少计算数据量;然后提出一种压缩手势时空特征的表示方法,利用动目标点的主导速度来表示手势的运动特征,实现多维特征的压缩映射,并保留手势运动的关键特征信息;最后设计了一个单通道的卷积神经网络(CNN)来学习和分类多维手势特征信息并应用于多用户和多位置的手势识别。实验结果表明,与现有其他手势识别算法相比,该文提出的手势识别方法在识别精度、实时性以及泛化能力上都具有明显的优势。     

基于粗糙集特征级融合的肺结节检测算法

以肺结节的检测为研究目标,针对肺结节特征级融合检测算法中存在特征结构不合理和特征表达不紧致两个问题,提出了一种基于粗糙集特征级融合的肺结节检测算法,该算法首先分析肺部CT影像的医学征象,提出了六个新的三维特征,并综合其他二维和三维特征共42维特征分量共同量化ROI;然后基于粗糙集对提取的特征集合进行5次特征级融合实验;最后利用网格寻优算法优化核函数的SVM作为分类器进行肺结节识别.以70例肺结节患者的肺部CT影像为原始数据,通过4组对比实验验证算法的有效性和稳定性,实验结果表明,经过粗糙集特征级融合的肺结节检测算法识别肺结节的能力得到了有效提升.     

电磁波极化形式的频域判据

电磁波极化的判定问题是电磁场理论教学中的重点和难点。当电磁波的电场分量和波矢量表达式是坐标基矢量的组合形式时,学生往往难以用右手定则判定其极化形式。本文从电磁波极化定义出发,结合有向曲线绕向的计算方法和复矢量运算法则,给出了极化形式的频域判据。学生直接对电场复矢量进行简单的矢量乘法运算即可完成判定,提高了解决此问题的效率和准确度。     

基于小波变换的QRS波群检测

提出了一种基于小波多分辨分析的算法,对心电信号进行特征提取和识别。通过小波变换对常规心电图信号进行分解去噪和特征提取,并利用动态自适应阈值和删除多检点,补偿漏检点对QRS波检测进行优化。实验结果表明该方法在QRS波形不失真的情况下,提高了一部分MIT-BIH数据库信号中QRS波识别的准确率,并且对于较低准确率的心电信号的原因进行了分析。     

基于多波段特征融合模板匹配的目标识别方法

为了满足天基系统对红外探测目标的高精度识别需求,提出了一种基于多波段特征融合模板匹配的目标识别方法。首先阐述分析了目标多维特征要素以及分类手段。结合目标运动特征、多波段下目标光谱特征以及红外辐射变化等特征实现了特征融合处理,并基于区域特征变化,采用动态规整模板匹配算法完成了目标识别。最后结合合作目标的红外辐射强度序列数据对参数进行了训练调整。分析结果表明,本文建立的识别方法能够较好地实现目标型号识别,性能优于传统的动态规整匹配算法。     

多载频MIMO雷达中目标旋转部件三维微动特征提取方法

雷达目标的微多普勒效应为目标精确识别提供了新的技术途径,近年来获得了广泛研究.将多输入多输出(MIMO)雷达技术引入雷达目标微多普勒效应研究,在分析多载频MIMO雷达中目标旋转部件微多普勒效应的基础上,提出了一种雷达目标三维微动特征提取方法.该方法通过在回波时频平面上消除目标主体运动产生的多普勒频移,构造相应的Houg...     

一种创新性激光图像三维目标识别算法

针对径向基神经网络在激光图像分类识别中识别率低及训练时间长的问题,提出粗糙集与神经网络相结合的方法,将粗糙集算法简约后的样本特征作为神经网络的前置输入。首先建立不同视点的激光主动成像三维仿真图像,然后提取17个目标特征,并采用粗糙集算法选择分类的属性,从17个特征中筛选出5个影响决策的特征属性,最后选用4层径向基神经网络作为基本的网络结构,并采用在各层节点上与粗糙集相结合方法识别目标。仿真结果表明,结合粗糙集的集成神经网络方法识别正确率保持在80%以上,与未结合粗糙集的神经网络相当,但训练与识别时间缩短10倍以上。