排序方式: 共有34条查询结果,搜索用时 21 毫秒
1.
由于卫星信号较为微弱,易受到各种有意和无意的干扰,使得全球导航卫星系统(Global Navigation Satellite System, GNSS)不能安全、可靠的提供服务,GNSS干扰监测方法的研究对于保障民航飞行安全具有重要意义。本文利用GNSS射频干扰所导致的广播式自动相关监视(ADS-B)数据中导航完好性指标的变化特性,给出结合受干扰影响航班粗监测以及精细监测的多级GNSS射频干扰监测方法。首先对ADS-B数据导航完好性级别(Navigation Integrity Category, NIC)进行统计分析实现受干扰影响航班的粗监测,再依据干扰发生时多个航班在干扰区域会同时受到影响,具有空间上的聚集性,利用MeanShift聚类方法实现GNSS射频干扰的精细监测,提取干扰发生的起始与终止点所对应的时间与位置信息。实验结果与QAR(Quick Access Recorder,QAR)数据得到的干扰监测结果进行对比分析,验证所提方法的有效性。 相似文献
2.
针对现有旋翼无人机雷达回波信号仿真方法未将密切相关的机身速度与旋翼转速相关联的问题,本文利用旋翼无人机的飞控特征,提出了一种将机身运动与旋翼转速相结合的四旋翼无人机雷达回波信号仿真方法。首先根据雷达回波仿真所需参数利用四旋翼无人机飞控原理给出一种机身速度与旋翼转速关联的简化运动模型,其次推导并给出线性调频体制雷达四旋翼无人机雷达回波信号模型,最后利用坐标系转换将简化运动模型与回波信号模型相结合。实验结果表明,仿真回波信号的时频分析结果能够体现机身速度和旋翼转速相关联的微多普勒特征,对于无人机运动状态变化的情况,其雷达回波仿真有必要将机身速度与旋翼转速联合考虑。 相似文献
3.
准确地估计小型旋翼无人机的微动参数对无人机的识别具有重要意义,针对小型旋翼无人机弱微动特征的提取问题,本文提出了 RSP-CFD(Reassigned Spectrogram-Cadence Frequency Diagram,RSP-CFD) 的特征提取方法。首先采用高分辨时频分析方法RSP分析旋翼无人机的微动特性,其次在 RSP 的基础上利 用CFD方法提取旋翼无人机的微动特征,最后通过极大值参数估计方法实现对旋翼转速、叶片长度的估计。 结果表明 RSP-CFD 方法对旋翼无人机微动特征的提取具有较高的准确性,弥补了传统方法的不足,进而为旋翼无人机的分类提供理论基础和技术支撑。 相似文献
4.
在“信号与系统”课程教学中,笔者研究并实践了一种基于声音信号的直观化教学方法.我们将多种实际声音信号引入课堂,对抽象原理用听觉和视觉两种感观形式直观展示,让学生直觉认识和理解信号与系统原理,大大改善了学生的学习效果;我们通过大量以声音信号为题材的工程实践,锻炼了学生运用理论知识解决实际问题的能力. 相似文献
5.
6.
作为一种清洁能源和可再生能源的形式,近年来风能受到了全球各国的普遍关注,风轮机会对其附近的航管监视雷达产生不利影响。风轮机雷达杂波检测技术的研究,对于保障民航飞机的空中交通安全起着重要作用。提出了一种基于风轮机雷达回波微多普勒特征的杂波检测方法,该方法利用风轮机与雷达波束不同位置条件下风轮机杂波的微动特征实现风轮机杂波的检测。对检测出的存在风轮机杂波的距离单元进一步判断是否存在飞机目标,进而只需对存在飞机目标的距离单元进行杂波抑制。仿真结果表明该算法能够实现风轮机雷达杂波的有效检测。 相似文献
7.
风电场作为一种高大运动障碍物会导致气象雷达产生探测盲区,并影响气象目标参数估计算法的稳健性,风电场杂波抑制对于提高气象雷达气象预报准确性,降低风电场选址要求等具有重要意义。本文首先将传统匹配追踪算法应用于扫描模式的气象雷达风电场杂波抑制中,同时针对传统匹配追踪算法运算效率较低问题,利用雷达与风轮机位置等先验信息,基于白塞尔大地主题反解估计雷达与目标方位角等相关参数,只对雷达扫描到目标区域的数据进行处理,从而在保证算法性能的基础上,有效地减少了运算量,提高运算效率,即同样条件下运行时间降低到原来的3%左右。 相似文献
8.
“鸟击”事件与旋翼无人机“黑飞”扰航事件成为威胁民航飞行安全的“两大隐患”,机场对于鸟和旋翼无人机会采取不
同的反制措施,鸟与旋翼无人机的辨别对于提升非合作目标监视性能、保障飞行安全具有重要意义。 针对基于运动特征提取的
鸟与旋翼无人机目标辨别方法中对于机动性较强的旋翼无人机辨别性能下降的问题,考虑到相对于旋翼无人机,鸟类目标振翅
回波时频谱更为复杂,构建目标回波时频谱对应的特征谱能量熵及峰值对称对两个微动特征,利用 K-means 对所提取的运动特
征和微动特征进行融合处理,实现鸟与旋翼无人机目标的辨别,实验结果验证了本文方法的有效性。 相似文献
9.
利用卷积神经网络对目标微多普勒特征进行深度学习是目前雷达探测无人机分类的重要手段。实际应用中,无人机参数如叶片转速、叶片长度、叶片初始相位、无人机方位角、无人机俯仰角、无人机径向速度等参数变化大,导致训练样本变化大。该文分析训练样本集对旋翼无人机分类结果的影响。首先建立单旋翼无人直升机、四旋翼无人机和六旋翼无人机雷达回波仿真模型。然后对其进行微多普勒特征分析提取,构建多种不同情况下的合并多普勒图像(Merged Doppler Images, MDI)训练样本集。最后利用GoogLeNet (Inception v1)得到不同情况下的无人机分类结果,分析训练样本集中样本数量、无人机单一参数变化、样本参数涵盖完整性以及无人机参数采样间隔对分类准确率的影响。实验结果表明:训练样本集的差异可能对分类准确率产生显著影响。 相似文献
10.