基于EEMD和HOC的超宽带雷达生命探测算法研究北大核心CSCD

针对超宽带生命探测雷达回波信号属于非线性、非平稳等特点,提出了一种基于EEMD和HOC的超宽带雷达生命探测算法。通过对雷达回波信号进行EEMD分解,将信号自适应分解为若干个本征模态函数(IMF),然后计算各个IMF分量在呼吸和心跳频带内的能量百分比重构呼吸和心跳信号,最后对重构的呼吸和心跳信号的四阶累积量进行FFT变换,获得呼吸和心跳的频率。实验结果表明,文中提出的算法比EEMD重构后直接进行FFT变换具有更高的信噪比和频率估计精度,可有效应用于生命探测雷达人体信号检测中,具有广阔的研究价值和应用前景。     

改进的l0范数LMS算法与分析

提出一种改进的基于l0范数的最小均方( LMS)算法。采用误差的相关函数值调整权系数步长因子以及零吸引项,增强系统的抗噪声性能;并且引入一种修正的权系数步长因子更新方法,进而使系统具有较快的跟踪速度。对提出的算法进行理论分析,最后在不同信噪比下进行仿真验证并与已有的基于l0范数的LMS算法进行比较。理论分析结合仿真验证都表明新提出算法具有较快的跟踪速度和较强的抗噪声性能。     

修正的K-分布海杂波仿真模型和新的海杂波功率谱描述方法

为有效仿真时空相关海杂波和准确地描述海杂波的功率谱,提出一种基于球不变随机过程(SIRP)修正的时空相关二维K-分布海杂波仿真模型,以特征函数为桥梁给出一种新的海杂波功率谱描述方法。对生成杂波序列的时间和空间相关特性、幅度分布特性以及功率谱进行分析,并比较了常用的高斯函数模型与新的功率谱函数模型之间的差异。实验仿真和实测数据表明,修正的仿真模型是有效的,新推导的功率谱函数模型比高斯函数谱模型更能准确描述K-分布的功率谱。     

带零吸收项的变步长l0范数归一化最小均方误差算法

针对稀疏系统的识别问题,提出一种带零吸收项的变步长l₀范数约束归一化最小均方误差 (l₀-NLMS)算法。在此改进的l₀-NLMS算法中,通过箕舌函数来调整步长的变化,理论推导了此l₀-NLMS算法在均值和均方差下的收敛条件以及均方误差和均方偏移量的表达式。设计实验分别比较在不同输入信号时算法的步长和稳态偏移量的变化,通过仿真验证该算法在识别稀疏信道模型上是有效的。分析结果表明：当处于相对高的信噪比、低的信噪比、输入不相关信号和输入相关信号时,该算法具有较快的收敛速度,能很好地进行稀疏系统的模型识别。针对稀疏系统的识别问题,提出一种带零吸收项的变步长l₀范数约束归一化最小均方误差 (l₀-NLMS)算法。在此改进的l₀-NLMS算法中,通过箕舌函数来调整步长的变化,理论推导了此l₀-NLMS算法在均值和均方差下的收敛条件以及均方误差和均方偏移量的表达式。设计实验分别比较在不同输入信号时算法的步长和稳态偏移量的变化,通过仿真验证该算法在识别稀疏信道模型上是有效的。分析结果表明：当处于相对高的信噪比、低的信噪比、输入不相关信号和输入相关信号时,该算法具有较快的收敛速度,能很好地进行稀疏系统的模型识别。     

EEMD生命探测雷达人体数量识别技术

针对生命探测雷达回波信号的非线性、非平稳性和难以获得大量实验样本的实际问题,提出了一种基于EEMD奇异值和支持向量机的多人识别方法。通过对雷达回波信号进行EEMD分解,将信号自适应分解为若干个本征模态函数(IMF),然后对特征向量矩阵进行奇异值分解求出特征向量,最后将特征向量输入支持向量机的分类器进行模式识别,判断墙体后面的人体数量。实验结果表明,所提出的方法识别速度快,识别率高,可有效应用于生命探测雷达的人体数量识别,具有广阔的应用前景。