分离式长电偶极子稀疏阵列的相干信号多维参数联合估计

由长电偶极子或大磁环组成的大尺寸电磁矢量传感器(ElectroMagnetic Vector Sensor,EMVS)比小尺寸EMVS辐射效率更高,研究其参数估计算法有助于推动EMVS的实装化应用.该文针对分离式长电偶极子稀疏阵列相干目标参数估计问题,提出高精度无模糊的多维参数闭式解算法.首先利用空域旋转不变性和单个矢量传感器内部属性得到方向余弦的高精度周期性模糊估计值,然后借助单个矢量传感器导向矢量推导出2维波达方向粗估计值,最后通过解模糊得到高精度无模糊的多维参数估计值.该方法规避了传统极化平滑算法的极化信息损失和迭代搜索过程,且能实现参数自动配对.计算机仿真结果表明了所提算法在分离式长电偶极子线阵中解相干的有效性.     

基于块正交匹配追踪预处理的米波多输入多输出雷达测高方法研究

米波雷达具有很好的反隐身性能。多输入多输出(MIMO)雷达的波形分集具有高自由度特点,使MIMO雷达在检测和参数估计等方面具有更多优势,故米波MIMO雷达受到广泛研究。而测高是米波MIMO雷达最重要的问题之一。针对米波MIMO雷达测高问题,最大似然和广义多重信号分类方法是米波MIMO阵列雷达测高方法行之有效的算法,但其计算量大,工程中难以接受。该文提出一种基于块正交匹配追踪(BOMP)预处理的方法来降低计算量。首先对MIMO阵列接收数据稀疏化处理,然后通过数学操作将其变形至适合于BOMP算法的信号模型,然后利用粗栅格得到角度粗估计。并以此为初始值中心,取MIMO雷达波束宽度作为搜索范围。仿真结果表明该算法能有效降低搜索类测高算法的计算量。      

基于IMM模型的周期性跳跃运动高超声速飞行器跟踪算法?

通过对临近空间高超声速飞行器的受力分析,建立了其周期性跳跃运动的数学模型,仿真分析了其运动特性;提出了一种加速度均匀变化的运动模型(constant differential of acceleration,CDA),并与CV模型、CA模型交互,使用引入强跟踪滤波器的交互式多模型算法对周期性跳跃运动进行跟踪研究。结果表明,该跟踪算法比经典IMM算法有更好的跟踪精度。     

分离式长电偶极子稀疏阵列的相干信号多维参数联合估计

由长电偶极子或大磁环组成的大尺寸电磁矢量传感器(ElectroMagnetic Vector Sensor, EMVS)比小尺寸EMVS辐射效率更高,研究其参数估计算法有助于推动EMVS的实装化应用。该文针对分离式长电偶极子稀疏阵列相干目标参数估计问题,提出高精度无模糊的多维参数闭式解算法。首先利用空域旋转不变性和单个矢量传感器内部属性得到方向余弦的高精度周期性模糊估计值,然后借助单个矢量传感器导向矢量推导出2维波达方向粗估计值,最后通过解模糊得到高精度无模糊的多维参数估计值。该方法规避了传统极化平滑算法的极化信息损失和迭代搜索过程,且能实现参数自动配对。计算机仿真结果表明了所提算法在分离式长电偶极子线阵中解相干的有效性。     

基于GA-WPA优化的BP神经网络目标威胁估计

在防空作战中,目标威胁估计是指挥控制过程的重要一环,是决策和指挥的重要依据。BP神经网络能够解决目标威胁估计问题,但存在收敛速度慢、易陷入局部最优等缺点。提出将遗传算法(Genetic Algorithm,GA)的选择、交叉和变异操作融入到狼群算法(Wolf Pack Algorithm,WPA)中,提出了GA-WPA算法,以提高狼群算法的收敛速度。在此基础上,利用所提出的GA-WPA算法对BP神经网络进行优化,确定最优初始权值和阈值。最后,将优化后的BP神经网络解决地面防空系统目标威胁估计问题。仿真实验表明,所提算法能够有效克服BP神经网络收敛速度慢、易陷入局部最优等缺点,能够提高目标威胁估计的准确性和适应性。     

电力系统故障诊断的萤火虫和粒子群混合算法研究

电力系统故障诊断主要就是根据保护和断路器的动作信息来判别故障区域,而找出故障元件又是其难点和主要工作,以目标函数描述其模型,则故障诊断问题转化为0-1整数规划问题。适合于智能算法求解。用粒子群算法解决该问题时收敛速快,但容易陷入局部最优值;用萤火虫算法时能够找到全局最优值,但其后期收敛速度较慢。论文融合这两种算法并用之求解故障诊断的目标函数,仿真结果表明：融合后的算法兼备两种算法的优点,能够以较快速度收敛,并找到全局最优解,且收敛精度高,稳定性好。     

基于压缩感知的被动雷达导引头信源数估计方法

随着雷达反摧毁技术的发展,被动雷达导引头面临着在雷达和诱饵形成的不完全重合信号中进行超分辨测向的挑战,需要单快拍测向技术。现有测向技术大多假设信源数已知,而传统的信源数估计方法在单快拍时性能大幅下降甚至失效。为解决这一问题,提出了一种基于压缩感知的单快拍信源数估计方法。该方法首先将被动雷达导引头阵列测向模型稀疏表示,其次通过子空间算法和压缩感知算法相结合进行降阶和解相干处理,然后提出一种改进的正交匹配追踪算法,研究残差的变化规律,最后构造目标函数估计信源数。仿真实验表明,该方法在单快拍、阵元数少、信号相干的极端情况下估计成功率较高。