一种低复杂度的正六边形星座信号的解调算法

针对正六边形星座调制信号(HSC)解调算法未达最优,提出了一种基于非正交矢量投影的HSC低复杂度解调算法. 在典型正六边形星座结构的基础上,分析计算了正六边形信号矢量的投影系数和算法的运算复杂度,研究了噪声对接收信号的影响,并结合高斯-勒让德数值分析方法给出了信噪比门限. 结果表明,该解调算法正确运行的复杂度约为基向量投影解调算法的30%.     

四元数域干扰加噪声协方差矩阵重构鲁棒自适应波束形成

基于电磁矢量传感器阵列的四元数Capon波束形成器较传统的复数域Capon波束形成器有更好的性能。但是该方法在存在指向误差和极化失配的情况下性能急剧下降,甚至会出现信号相消现象。本文将协方差矩阵重构方法推广于四元数Capon波束形成中,通过利用Q-Capon的极化-角度谱估计得到干扰和噪声的功率来对干扰加噪声协方差矩阵进行重构,避免了对角加载方法中对对角加载因子的求解,而且能够有效克服指向误差与极化失配带来的性能下降。计算机仿真表明,该方法相较于其他四元数域的方法有着更好的性能。      

基于低秩张量补全的多声道音频信号恢复方法

多声道音频信号在采集、压缩、传输过程中可能造成音频数据丢失,为了确保给听众带来更真实的听觉感受,该文提出一种基于低秩张量补全的音频丢失数据恢复方法。首先,把多声道音频信号表示为一个张量;其次,把张量补全作为一个凸优化问题建模,利用松弛技术和变量分离技术得到闭合的增强拉格朗日函数;最后,通过交替迭代方法求解得到恢复的音频张量。在不同数据丢失率的实验中,通过与线性预测、加权优化的CANDECOMP /PARAFAC分解方法进行对比分析,表明利用张量补全方法具有更高的音频信号恢复精度,隐藏参考和基准的多激励测试结果也显示低秩张量补全方法能够有效地恢复多声道音频的丢失数据,从而获得更好的听觉效果。     

多极化前向散射RCS分析及其对目标分类识别的影响

在前向散射情况下,基于阴影逆合成孔径雷达(SISAR)成像原理可以获得运动目标的轮廓像,从而对运动目标进行分类与识别。为了研究多极化对前向散射雷达运动目标识别的影响,该文根据前向散射阴影逆合成孔径原理,建立了目标前向散射雷达截面积(RCS)与目标轮廓像谱信息之间的联系,首次将多极化引入到前向散射目标的分类识别中;并借助电磁仿真软件CST,仿真得到了多极化条件下目标的前向散射RCS曲线。通过分析仿真结果发现同一个目标在不同极化情况下具有不同的前向散射RCS旁瓣曲线,此种差异对应于目标轮廓像的差异;联合多极化产生的前向散射RCS旁瓣差异可以获得更多关于目标轮廓的特征信息。仿真结果验证了多极化能够提高前向散射目标分类识别的能力。     

实时SAR成像系统矩阵转置方法研究与实现

合成孔径雷达（SAR）是一种高分辨率成像雷达,而矩阵转置是实时SAR成像信号处理中一个很重要的操作,矩阵转置的效率高低将直接决定整个SAR成像信号处理系统的性能。对于矩阵转置,可采用行进列出或列进行出、两页式或三页式转置等方法进行处理,但这些方法处理时间较长,转置效率较低。在现有矩阵转置方法的基础上,提出了一种新的矩阵转置方法。在实际硬件平台上利用提出的矩阵转置方法进行了实时SAR成像处理,所得结果的矩阵转置效率为78%,整个SAR成像处理时间为10秒。测试结果表明,该方法对解决矩阵转置问题是行之有效的。     

双基地前向散射雷达探测与成像

前向散射雷达(Forward Scatter Radar, FSR)作为一种特殊的双基地雷达,可以利用目标在穿越收发机之间基线的运动而形成的前向散射信号进行探测、成像与识别。由于前向散射效应对提高目标雷达截面积具有重要意义,因此,前向散射雷达在反隐身探测方面具有显著的优势。文章首先综述了前向散射雷达截面积、前向散射雷达目标探测及阴影逆合成孔径雷达(Shadow Inverse Synthetic Aperture Radar, SISAR)成像的国内外研究现状,重点分析了前向散射杂波的统计特性、高精度参数估计与多目标分辨等关键难题;在此基础上详细介绍了前向散射雷达探测和SISAR成像研究的最新理论和实验进展,首次给出了基于北斗导航卫星的民航客机前向散射探测实验结果;最后,对前向散射雷达探测和成像的研究前景和发展趋势进行了展望,为隐身目标的探测与识别研究提供一种新的技术手段。      

一种扫描式六象限激光探测系统弹目交会算法研究

针对某旋转式火箭弹定向战斗部定向探测与起爆控制系统,分析了扫描式六象限激光探测系统的构成和工作原理,提出了由激光束螺旋角计算弹体转速的方法,建立了弹体转速数学模型、弹目相对运动方程及相互间的迭代解耦算法,并编写Fortran程序进行仿真。仿真结果表明,建立的交会算法可以计算得到弹体转速、弹目相对运动速度、目标脱靶量、最佳起爆延迟时间、最佳起爆方位角等参量,且误差分析显示探测方位角误差满足定向战斗部的方位探测精度要求。     

基于Tucker分解的音频分类研究

提出一种利用Tucker分解获得鲁棒性较强的音频信号不同属性的特征,在高斯混合模型上测试音频信号分类性能的方法。音频信号经过预处理后,提取其不同类型特征集合,包括常规声学特征参数集合、听觉感知特征参数集合、心理声学特征参数集合;然后由三种特征集合构建三阶特征张量,通过Tucker分解得到每一类特征阶投影矩阵并进行主分量分析;最后使用包括音乐、语音、噪声3种类型的300条音频数据测试不同特征集合的分类效果,在此过程中使用了有监督学习的高斯混合模型作为分类器。实验中比较了不同特征集合使用高斯混合模型的分类正确率。实验结果表明,Tucker分解获得的特征集合实现了较好的分类,说明该方法性能优于传统特征集合。      

一静一动双基地SAR改进非线性CS算法

本文基于双基地一站固定（接收机固定）的特殊模式,首先建立了在该模式下双基地SAR的几何构型和信号模型;然后根据该模式的几何特点,分析了斜视情况下高次相位和调频率空变性对距离向聚焦的影响,考虑到利用驻定相位原理将信号从二维频域转换到距离多普勒域时二次模型的失效,引入了三次模型实现了距离向三次相位的补偿,其后通过距离多普勒域二次和三次扰动函数的相乘,并将距离向调频率在参考点进行展开,实现了距离向的聚焦和距离徙动的校正改进,并给出了距离向校正函数的解析表达式;最后,通过仿真和实测数据的处理验证了校正函数的正确性。      

采用线性正则域模糊函数的QFM信号参数估计算法输出信噪比分析

采用线性正则域模糊函数的二次调频 (quadratic frequency modulated,QFM) 信号参数估计算法简单易解,估计精度较高,误差传递小,在实际应用中有较好的前景。本文对该算法的输出信噪比进行了较为深入而详细的分析,推导了输出信噪比与输入信噪比及信号采样点数之间的关系表达式;通过仿真实验比较了在同等条件下本算法和积分广义模糊函数算法(integrated generalized ambiguity function, IGAF))以及多项式相位变换(polynomial-phase transform, PPT)算法的输出信噪比大小,以及达到相同大小输出信噪比所需采样点数。发现本算法的输出信噪比要大于IGAF算法和PPT算法,且达到相同大小的输出信噪比所需采样点数分别是IGAF算法和PPT算法的1/4和1/9,即得到相同大小的输出信噪比时本算法所需的采样点数更少.