基于波形预先设计和相位对消技术的步进频信号ISAR成像研究

针对步进频雷达系统,分析了目标匀加速运动对回波相位的调制效应,提出基于波形预先设计和相位对消技术组合的ISAR成像方法,该方法通过对脉冲重复时间的设计消除目标速度带来的相位高次项,并通过相位对消技术消除由目标加速度带来的相位高次项.因此对于匀加速运动的目标,算法不需要估计速度和加速度,减少了计算量.仿真试验演示了算法的...     

一种降低OFDM信号PAPR的新方法

正交频分复用(OFDM)技术的一个缺点是信号的高峰值平均功率比(PAPR)大大降低了系统中线性功放的效率。本文提出一种新的基于Nyquist脉冲成形的PAPR抑制方法。这种方法基于选择适当的Nyquist脉冲波形集合对OFDM的各个子载波进行脉冲成形。分析论证了该方法的PAPR上限值和所用的脉冲成形波形集合。仿真结果表明该方法能有效降低任意子载波数目的OFDM信号的PAPR值,而且与已有方法相比应用更为简单。因此脉冲成形技术不仅能对传输信号进行频谱成形来提高系统的频带利用率,而且还可以减小信号的PAPR值。     

灰局势决策方法在决策层融合目标识别中的应用

本文提出了一种基于灰局势决策的决策层融合目标识别算法,并利用各子源传感器判决结果包含的动态信息,通过计算灰关联系数对各类目标进行了加权处理。实验中利用上述方法对五类目标雷达观测数据的分类结果进行了融合,其结果表明该方法的目标识别性能与子源传感器相比得到了有效地提高。     

基于一维散射中心匹配的雷达目标识别

本文提出了一种新的基于目标一维散射中心匹配的雷达目标识别方法.该方法在计算两目标匹配函数之前,先根据目标尺寸大小在目标中心附近设定一个距离窗,将位于此距离窗以外的散射中心剔除,以减轻目标区域以外虚假散射中心的影响.对剩下的目标散射中心,根据两目标散射中心之间的距离,对目标之间的散射中心配对,然后定义两目标的匹配函数为所有配对散射中心的"匹配能量"和与两目标所有散射中心能量和的比值.对五类目标缩比模型的外场测量数据进行分类识别实验,结果表明该方法具有良好的目标识别能力,而且对加性高斯白噪声和雷达带宽不敏感.     

基于相位匹配的逆合成孔径雷达转角估计新方法

逆合成孔径雷达的纵向分辨率取决于雷达带宽,横向分辨率决定于雷达工作的中心波长和目标在相参积累时间内相对于雷达视线所转过的角度.为了通过ISAR像获取目标的真实尺寸大小,需要确定目标的相参积累转角.本文提出根据目标散射点的相位关于转角的变化规律,对散射点的方位相位历程进行匹配处理,然后根据匹配程度可以估计得到目标的相参积累转角.利用仿真数据和实测数据对该方法进行了验证,结果证明了该方法的有效性.     

欺骗式动目标SAR干扰技术研究

针对军事运动目标的保护问题,文章研究了欺骗式动目标的SAR干扰方法,分析了干扰原理和干扰信号模型,讨论了被干扰雷达运行速度和工作载频估计误差对欺骗式动目标干扰效果的影响,仿真结果表明,欺骗式动目标干扰技术可以对SAR的动目标检测能力形成有效干扰,达到保护真实运动目标的目的。     

弹道目标高分辨一维距离像运动补偿研究

弹道中段目标运动形式复杂,高速运动的同时伴随自旋、进动、翻滚等微动,该文首先针对弹道目标运动特点,建立了去斜率处理的宽带雷达回波模型,定量分析了高速运动和微动对一维距离像的影响;然后针对高速运动严重影响一维距离像质量的问题,提出了一种新的一维距离像运动补偿方法,该方法将自适应时频变换技术和粒子群优化算法相结合,通过在二维时频平面内跟踪单个散射点的多普勒变化来估计目标速度,从而实现一维距离像运动补偿。仿真实验表明,该方法估计精度高、计算量低、对噪声有很强的鲁棒性,能有效补偿高速运动对弹道目标一维距离像的影响。     

高速旋转目标旋转速度估计方法

旋转速度估计是高速旋转目标成像的基础,论文提出一种新的旋转速度估计方法,该算法基于旋转目标在距离时间域所具有的特性,在利用傅里叶变换粗略估计旋转速度的基础上,利用计算图像熵的方法在特定范围内对角速度估计值进行调整,以获得很高的估计精度。该方法直接计算整幅图像的熵值,从而不依赖单个的散射点。使用仿真数据演示了算法的性能,证明了算法的有效性。     

一种基于灰色定权聚类的决策层融合目标识别算法

决策层融合目标识别本质上是一个不确定性信息处理问题,该文基于灰色系统理论中的灰色定权聚类方法提出了一种新的决策层融合目标识别算法。该算法将一个M 类目标识别问题转化为M个两类目标识别问题,然后对每个两类识别问题采用灰色定权聚类的方法解决,其中白化权函数通过训练样本学习确定。利用该算法对3种分类器识别5类雷达目标的结果进行融合,实验结果表明该方法能有效提高目标识别性能。     

决策模板法在决策层融合目标识别中的应用和改进

决策模板法是一种简单直观的决策层融合识别算法,但是经典的决策模板法没有充分利用各传感器对于不同类目标鉴别能力的先验信息。本文提出利用传感器平均度量熵对决策模板法进行修正,合理度量各个传感器对不同类目标的分类鉴别能力,仿真结果表明改进的决策模板法能提高目标正确识别率。