相位干涉仪全数字化测向方法分析

传统干涉仪测向采用模拟鉴相器,鉴相误差较大,而数字化鉴相器也仅仅是对输出相位差数字化,精度提高有限.本文提出了一种基于数字接收机的全数字化鉴相器进行测向的方法.经理论分析和仿真实验,该方法测向精度有很大提高,且可以实现同时多信号的分辨.     

基于阵列单通道的机动目标DOA跟踪方法

针对现有利用阵列单通道系统对机动目标跟踪精度不高,实时性差等不足,提出了一种新的基于改进粒子滤波算法的阵列单通道机动目标波达方向(direction of arrival, DOA)跟踪方法。该方法首先在利用接收机轮流采样建立数学模型的基础上,建立跟踪模型。然后,利用粒子群优化算法对马尔科夫链蒙特卡罗(Markov Chain Monte Carlo, MCMC)粒子滤波算法的重采样环节进行优化处理,给出了一种交互MCMC粒子滤波算法,该算法克服了传统粒子滤波算法粒子退化及样本贫化的固有缺陷。最后利用该算法求解跟踪方程,实现了实时DOA估计。理论分析与仿真结果表明,本文方法可实现基于阵列单通道的DOA跟踪与波束形成一体化,且能够处理相干信号,与标准粒子滤波和子空间类算法相比,收敛速度快,跟踪精度高。      

机动目标单站无源定位中的测量更新CKF-IMM算法

机动目标单站无源定位是一个典型的非线性滤波问题,将一种新型的滤波算法——容积卡尔曼滤波(CKF)应用于IMM算法之中.为进一步提高定位跟踪精度,提出了一种测量更新CKF-IMM算法.该算法利用马尔科夫过程控制子模型间的切换,并采用CKF算法对各模型进行滤波,然后将每个滤波器的输出状态进行概率加权求和,最后对融合状态再进行一次非线性测量更新.结合空频域单站无源定位模型进行仿真实验表明,与传统的EKF-IMM和UKF-IMM算法相比,CKF-IMM算法的估计误差更小、定位精度更高;而测量更新CKF-IMM算法较CKF-IMM算法可进一步提高定位跟踪精度.     

一种基于阵列单通道的DOA估计新方法

为克服阵列多通道系统硬件量大,造价高及通道间存在不一致时性能恶化等不足,提出了一种新的基于阵列单通道的DOA估计方法。首先,通过射频开关控制接收通道轮流对各阵元进行采样建立新的阵列单通道窄带信号空间谱估计模型,接着基于该模型推导了来波方向的后验概率密度函数,然后结合马尔科夫链蒙特卡洛方法(MCMC),实现了DOA的估计。仿真实验结果表明,该方法参数估计性能好,分辨率高,能够处理相干信号。     

POWER BUILDER中状态条服务的应用

本文介绍如何利用PowerBuilder基类库(PowerBuilder Foundation Class Library),实现多文档窗口的状态条服务(Status Bar Service)功能.     

“Not a database file”问题分析及解决办法

本文分析FoxPro 2.5出现“非法数据库文件”错误信息的原因,提出了解决问题的办法,并给出利用此特性加密数据库的办法。     

基于子带SDL的宽带抗干扰恒定束宽波束形成

针对宽带恒定束宽波束形成通常需要大量阵元或延迟线所带来的硬件开销较大,并且抗干扰效果较差的问题,提出一种基于子带阵元延迟线(SDL)的宽带抗干扰恒定束宽波束形成算法。该算法通过建立子带SDL模型,利用子带滤波器组将阵元接收信号进行分解与重构,基于约束最小二乘算法进行子带抗干扰恒定束宽波束形成,并将滤波器组的冲击响应直接作为优化参量,可有效降低分解与重构产生的误差。为了衡量阵列响应的波动程度,提出归一化波动程度的概念。仿真结果表明,子带波束形成器具有比全带波束形成器更好的频率不变性和抗干扰能力,而且可以大大降低硬件开销。     

基于次分量分析的DOA跟踪算法*

针对信号源入射角时变的情况,分析了基于幂迭代的子空间跟踪算法,提出一种次分量分析方法的子空间跟踪算法。该算法首先利用基于反 Hebbian 学习的神经网络,抽取多个次分量,操作相对简单、算法稳定、收敛快, 且有自组织特性;然后提出一种实时并行处理方法,在抽样结束时数据处理完成;最后采用牛顿法实现运动目标的DOA跟踪。仿真实验证明其收敛快、跟踪性能好。     

TOA折叠平面特征点无监督聚类

为提高雷达脉冲分选效率以及将分选和辐射源识别统一完成,探索仅在时域进行重频分选与辐射源特征提取.将雷达脉冲序列的到达时间(TOA)在时间上进行折叠,使得交错在一起的雷达脉冲序列在TOA折叠平面上所形成点迹图.不同雷达由于重频特征不同使得属于一部雷达的脉冲在TOA折叠平面上的点迹形成较强的规律性.文中应用改进的方法通过对点迹的聚类来完成对上述规律的提取,实现将雷达脉冲分选和重频特性识别统一完成.