一种基于雷达图表示的数值型数据的CNN分类方法

卷积神经网络（convolutional neural networks， CNN）是一种广泛用于分析视觉图像的分类方法.由于数值数据存在着非线性、耦合性等复杂的空间关系，因此基于CNN的数值型数据的研究较少.本文的目的是找到一种可行的方法，将CNN的应用领域扩展到数值数据.于是提出了一种基于雷达图表示的数值型数据的CNN分类方法（Radar-CNN）.该算法首先将数值数据表示成雷达图形式，然后将其输入CNN中构建分类模型.为了进一步研究特征尺度和序列对性能的影响，提出了两种改进算法Rank Radar-CNN和SFS Radar-CNN.为了验证所提算法的有效性，引入TE化工过程数据集进行实验测试并比较，实验结果表明Radar-CNN及其改进算法具有优异的性能.     

基于等效采样的超宽带窄脉冲接收电路设计

超宽带探地雷达在无损检测系统中得到越来越广泛的应用，接收电路是整个无损检测技术的关键，采用顺序等效采样技术设计了一款新型的窄脉冲接收电路，该电路可以利用低速Ａ/Ｄ实现对高频信号的等效采样，利用ADS对该电路进行仿真，输入10ＭＨｚ重复频率的2ｎｓ 三角波信号，采样脉冲带有100ｐｓ的步进延时方波信号对输入信号进行采样，输入信号经过该电路后脉冲宽度降低为2μｓ，频率降低了1000倍，实测结果显示该电路可以实现对输入信号的等效采样，输出信号频率降低了 200倍。     

基于改进飞蛾扑火优化算法的MIMO雷达相位编码信号集设计

提出一种MIMO雷达相位编码信号集设计方法，该方法对飞蛾扑火优化算法进行改进，利用改进的飞蛾扑火算法优化相位编码信号集，提高其正交性.在改进方法中，增加对火焰的更新过程，使火焰不仅能够保存最优飞蛾位置还具有搜索最优解的功能.优化过程以自相关函数旁瓣峰值和、互相关函数峰值和，以及自相关函数旁瓣能量、互相关函数能量作为算法适应度函数.仿真实验结果表明，改进方法明显提高了飞蛾扑火优化算法的收敛速度和收敛精度，且优化得到的信号集具有较低的自相关旁瓣值和互相关值.     

基于网格密度峰值聚类的实时雷达分选系统

雷达分选是雷达信号处理中的重要环节。为了解决从复杂电磁环境中准确分选出各个雷达信号的难题,提出一种新的基于网格密度峰值的数据流聚类算法,并将其应用于对雷达信号脉冲描述的实时聚类,从而进行雷达分选。该算法采用双重网格划分方式,解决传统基于网格的聚类算法中边界丢失的问题,并采用基于改进密度峰值的网格合并方式进行聚类避免将距离较近的类合并。仿真实验结果表明,该算法可以用于实时雷达分选,很好地处理了重叠严重的雷达信号,有较高的准确度和抗干扰能力。     

采用一维物理光学法的天线罩瞄准误差补偿

针对雷达天线罩瞄准误差的补偿问题，提出了一种适用于各向同性的天线罩瞄准误差修正方法。构建了基于一维物理光学法的天线罩瞄准误差的数学模型，推导了雷达导引头测量目标角度和角速度的误差修正公式。试验结果表明，该方法有效降低了天线罩瞄准误差对目标角速度性能的影响。     

利用双天线相位差的ADS-B欺骗式干扰检测方法

广播式自动相关监视技术相比于传统监视系统具有定位精度高、更新速率快和设备成本低等优点，受到国际民航组织的大力推广。但由于其共享开放式的特点使得系统容易受到各种欺骗式干扰的影响，严重威胁空中交通安全。本文提出了一种利用双天线相位差进行欺骗式干扰检测的方法:对同一信源广播的一组位置消息，首先根据其广播内容计算一组表征目标相对于接收机方向变化的量；其次根据双天线之间的相位差计算一组同样表征此方向变化的量；最后通过两组变量的相关系数判别真实目标和欺骗干扰。此外，针对与空中真实目标ICAO地址相同的虚假ADS-B消息可能导致的误检测，我们也提出了信源一致性检测方法。本文方法不需要估计信号来向，对天线的幅相误差稳健，仿真实验和实测数据均验证了方法的有效性。