核不相关最优辨别矢量集与飞机目标识别

线性不相关辨别分析具有提取目标统计不相关辨别特征的优点,但受限于其线性本质,使它无法获取目标的非线性特征.针对此问题,本文结合核机器学习理论提出了核非线性不相关辨别分析算法.首先引入一非线性映射,将原始输入空间映射到一个具有线性特性的高维特征空间,然后利用瞬时对角化协方差矩阵的方法提取核不相关最优辨别矢量集.对三类不同飞机实测回波数据的仿真结果表明了所提方法的有效性.     

基于散射体信息的双基站定位

该文基于单次散射移动通信模型,利用双基站测得的多条散射路径的到达时间(TOA)和到达角度(AOA)进行定位,提出了一种非直达波条件下的高精度移动定位算法,仿真结果验证了该算法的有效性。     

基于GSVD的核不相关辨别子空间与雷达目标识别

该文提出了一种基于广义奇异值分解的核不相关辨别子空间算法,并将其用于高分辨距离像雷达目标识别。新算法结合广义奇异值分解与核方法的优点,有效地解决了传统方法面临的矩阵奇异问题,同时进一步改善了目标的类可分性。其次,依据Fisher准则导出了距离像总散度矩阵零空间中不含有有用辨别信息的结论。利用这一结论,可以在求解核不相关最优辨别矢量之前对各散度矩阵进行预降维,以减小后续运算的计算复杂度。对3类飞机目标实测数据的识别结果表明了所提方法的有效性。     

基于二次散射模型的非直达波定位算法

提出了一种基于二次散射模型的非直达波定位算法,该算法突破了目前散射体算法基于单散射的局限,同时算法思想还可以扩展到更高维散射模型中,仿真结果验证了算法的有效性。     

MFBLP算法在测向中的应用研究

Tufts与Kumaresan提出的改进的前后向线性预测(MFBLP)方法,在单次快拍的情况下,可用于传感器阵的测向,本文对一定条件下这种方法的“解相干性”给予了严格的证明;讨论了在另外一些条件下,由单次快拍(或相干信号源)所引起的周期性衰减。其中一个特殊情况叫Kumaresan-Prony情况(简记KP),最后给出了模拟结果。     

OFDM系统中DAGC的应用研究及FPGA实现

介绍IDFT/DFT精度在OFDM系统基带解调中的重要性,分析定点化DFT输入功率对其精度的影响,并在此基础上采用数字自动增益控制技术用于DFT前端,以解决过大输入信号动态范围所造成的DFT输出信噪比悬化的问题.理论分析、Matlab仿真结果以及FPGA实现结果表明,该方法具有可行性、实时性和易实现性,可使DFT输出信噪比达到最佳范围,以满足OFDM系统基带解调的要求;在较大输入功率情况下,采用DAGC技术的防溢出方法和经典DFT防溢出方法相比,前者使得DFT输出信噪比提高24 dB.     

机载双基地SAR的方位分辨特性与无模糊条件

发射、接收天线配置方式不同的系统的分辨特性和参数的约束条件是对双基地合成孔径雷达（Bjstatic SAR）系统进行分析和设计的基础。根据收、发载机平台的运动特点和天线波束在观测场景平面内的照射规律，采用多普勒频率分析方法详细讨论了斜侧视的条带测绘机载双基地SAR系统的方位向分辨特性，并给出了收、发平台位于观测场景两侧时避免测绘带内有用回波信号本身产生混叠的条件。最后通过仿真验证了该结论。     

修正最近特征分类器及其在雷达目标识别中的应用

针对最近特征线(NFL)与最近特征平面(NFP)分类器在大数据样本量与高维数时计算复杂度大的问题，依据局部最近邻准则，提出了一种新的搜索策略，使这两种分类器在保持较高识别率的同时，提高了算法的实时性能。对三类不同飞机实测数据的分类结果表明了所提方法的有效性。     

一种利用旋转结构的分布式信号DOA估计方法

某些领域中由于多径影响信号往往具有分布特性,此时传统波达方向(DOA)参数估计算法往往失效.针对此类问题提出了一种无需搜索的分布式信号DOA估计算法,该方法利用已知信号有用信息逐一估计分布信号在相邻阵元间产生的旋转因子,利用DOA旋转不变结构估计分布目标DOA参数.与点目标ESPRIT方法相比该方法能够有效克服多径扩展影响,不敏感于多径分布的具体形式,并在一定程度上抑制相位误差影响.仿真实验证明了其有效性.