一种基于BP神经网络群的自适应分类方法及其应用

本文针对基于BP神经网络的分类系统,提出了神经网络群的概念,在此基础上给出了一种系统自适应增长算法,使得在新的目标类型加入时系统结构能够自适应调整.验证结果表明,该算法可以在增加新的目标类型时简化系统结构的调整过程,缩短重新训练网络所需要的时间,从而有效地提高网络的训练效率.     

基于协方差控制的集中式传感器分配算法研究

传感器管理是对一组传感器或测量设备进行自动化或半自动化控制的一种处理过程，它实现了探测性能的优化和资源的有效利用．该文建立了传感器管理的一般最优化模型，研究了基于协方差控制策略的传感器分配问题，详细讨论了其实现方法，并给出三种基于不同矩阵度量的传感器分配算法．仿真结果表明，使用基于协方差控制的传感器分配算法可以进行良好的传感器管理，节约传感器资源．     

信号层融合在慢动小目标检测中的应用

针对海上慢动小目标检测背景，提出了一种基于信号层融合的多雷达融合检测方法，并对实际应用中需要解决的问题进行了分析讨论。该方法利用目标和海杂波在不同频段下的统计性能差异，对多个雷达的观测信息在检测前进行融合，然后在相关域进行积累检测，与传统的检测方法相比，能够显著改善信号的信杂比，提高目标检测概率。     

宽带数字波束形成雷达的高精度延时补偿新方法

采用宽带信号的相控阵雷达可获得很高的距离分辨率,将广泛用于下一代多功能雷达系统中。传统窄带相控阵体制很难解决宽带相控阵雷达的空间色散和孔径渡越问题,尤其在宽带相控阵雷达做宽角扫描时,必须在阵元或子阵间使用精确的时延补偿。文中提出了一种实现高精度宽带相控阵延时补偿的新方法。该方法采用一种有效的可变分数延时滤波器新结构,即泰勒结构。该结构相对于传统的Farrow结构的主要优点是减少了乘法器和加法器的数量,降低了可变延时滤波器系数的计算难度。试验证明,新的方法能实现精确的宽带波束扫描,可应用于接收和发射数字波束形成的工程实现。     

基于多核DSP的星载SAR干扰信号生成算法优化

针对星载合成孔径雷达(SAR)的特点,提出了一种基于多核数字信号处理器(DSP)的欺骗式干扰实时产生算法优化方法,该方法使用了哈希查找表、动态/静态计算分离等技术,并针对DSP芯片硬件架构进行算法优化,达到了实时生成星载SAR欺骗式干扰信号的目的,为星载SAR 欺骗式干扰信号实时产生提供了技术手段,并为其他基于DSP的数字信号处理算法提供了一种可行的优化思路。文中针对算法设计与工程实现中影响实时性的关键问题进行分析,并针对典型合成孔径雷达进行验证,证明了该方法的有效性与实时性。     

对线性调频信号雷达的噪声干扰方法研究

为了提高雷达抗干扰能力,线性调频信号雷达通常利用脉冲压缩技术,具有较强的抗常规压制噪声干扰的能力,为了有效干扰上述雷达,提出了两种噪声干扰技术,即干扰机将侦收的雷达发射信号与窄带噪声在时域进行相乘处理或卷积处理,再经干扰机功率放大后辐射的两种干扰方法.上述两种干扰方法均不需要测频和频率引导就能自动瞄准雷达信号频率,并可利用雷达脉冲压缩处理时的处理增益,降低了对干扰机发射功率的要求,较传统宽带压制噪声干扰的方法有明显优势.通过理论推导,仿真分析和试验验证,表明上述两种干扰方法对线性调频信号雷达均有显著的干扰效果.     

非矩形相控阵的抗主瓣干扰与单脉冲测角技术北大核心CSCD

在传统的数字波束形成雷达系统中,为了抑制主瓣干扰,并保持对目标单脉冲角度估计的精度,需要同时形成四个波束。对于大型的雷达天线阵列,数字波束形成通常在子阵上完成。但是对于非矩形天线阵结构,传统的自适应波束形成架构不再适用,单脉冲角度估计的精度会大幅降低。文中针对非矩形平面阵列,提出一种新的自适应波束形成方法。首先,需要对四个接收波束的输出做线性补偿,该补偿因子可通过阵列流形精确计算获得;其次,进行自适应主瓣干扰对消处理;再进行二维数字单脉冲测角。文中在理论推导的基础上,结合相控阵雷达阵列实例给出仿真结果,验证了该方法的有效性。     

基于视觉效果的雷达目标动态回波序列特征提取方法

特征提取在雷达目标识别中具有重要地位,提取有效、可靠的目标特征,是建立目标识别系统的基础和关键。在常规低分辨雷达目标识别系统中,难以根据电磁散射理论进行有效建模。本文在观察和分析大量实测数据的基础上,根据雷达操作员进行目标判性的思维过程和描述方法,以雷达目标动态回波序列的视觉效果为切入点,建立了一整套雷达目标特征提取方法。在多个雷达目标识别项目中的实际应用,证明了该方法的有效性、稳健性和可推广性。     

基于高光谱图像主成分分量的小目标检测算法研究

提出了一种基于图像主成分分量的高光谱小目标检测算法．作为一种多元数据集合，通常高光谱数据形成的几何体是一个超平面．主成分分析能有效估计这一几何体的本征维数．显著特征值对应的主成分体现了几何体大部分信息；而不显著特征值对应的主成分则代表了正交于几何体的信息，而这些信息中则包含了重要的内容，例如目标特性。文中提出的方法就是利用这些不显著的主成分分量来进行小目标检测．该方法减少了对先验光谱信息的依赖，提高了算法的实用性．     

一种改进的图像域SAR目标散射中心特征提取方法

散射中心是SAR图像目标识别的重要特征。本文基于属性散射中心模型，在文献[6]的基础上，提出了一种改进的图像域SAR目标散射中心特征提取方法。在该方法中，通过引入参数规则化处理步骤，解决了属性散射中心特征提取方法的收敛问题，提高了属性散射中心特征参数估计的精度和效率；提出了一种能同时实现散射中心数目确定和结构判别的方法，实现了散射中心类型的可靠判别。仿真数据和MSTAR实测SAR图像数据的实验结果，验证了本文改进的图像域SAR目标散射中心特征提取方法的有效性。