网络化雷达现状及技术发展趋势

随着新的作战对象和作战样式的出现,以及作战环境更加复杂,仅依靠单个雷达节点的能力已经越来越难以满足新的作战需求。文中针对网络化雷达这一新体制雷达开展研究,通过分析国外网络化雷达系统发展现状、趋势及关键技术,总结对我国网络化雷达技术发展的经验启示,为我国网络化雷达系统发展提供技术参考。     

基于GMM和神经网络的辐射源识别方法

针对基于截获雷达脉冲特征参数的辐射源识别问题,通过建立一个高斯混合模型(GMM),采用最大化期望(EM)方法对模型参数进行训练,构建了一个输入为截获雷达脉冲特征参数,输出为雷达辐射源类型的分类器。同时,为实现对分类识别性能对比,进一步提出基于神经网络方法构建雷达辐射源类型分类器。仿真试验结果表明,基于GMM和神经网络构建的两种分类器均能实现对雷达辐射源的在线识别,且当用于训练的样本比例不低于10%时,均能获得90%以上的分类正确率。     

检测性能约束下目标估计的波形优化设计

为了提高杂波背景下检测性能约束的扩展目标估计性能,提出一种基于凸优化和随机化方法的波形优化设计算法。文中考虑了实际雷达系统应用对目标检测性能的要求,定义了随机目标场景下的信杂噪比,并将之作为约束条件,以最大化接收回波与目标随机冲激响应之间的互信息作为优化准则,利用凸优化和随机化方法进行恒包络相位编码信号的设计。仿真实验结果表明,该算法获得的发射信号能够满足系统最低检测信杂噪比的要求,最大化互信息,提高了目标的估计性能,将扩展目标估计性能和检测性能有效统一起来。     

基于集群的增量分布式RSOM聚类方法

对于海量和高维的大规模数据聚类问题,其数据个数以及模式种类通常处于一个动态增加的过程之中,为此进行增量、并行算法的设计,以提供更好的计算能力是十分必要的.注意到人脑增量学习的本质和RSOM(Recursive Self-Organizing Map)的层次化、分布式结构特点,本文研究了基于高性能集群并行计算环境的增量、分布式RSOM并行算法,并以视频图像特征集实例证实了算法的可行性.     

FRFT在空间监视雷达中的应用

空间监视雷达系统中,目标的检测与参数估计是首先需要解决的问题。以电子篱笆型空间监视雷达为例,研究了分数阶傅里叶变换(FRFT)在其信号处理中的应用。在对空间目标穿越雷达视场时的速度及其变化率进行分析的基础上,建立了空间目标回波信号模型。然后推导出FFT方法的最大信号积累时长的解析表达式,对比分析了基于FFT和FRFT的目标检测性能。最后,对FRFT的参数估计精度进行了推导。研究表明,利用FRFT可以有效地积累目标回波信号的能量,提升加速运动目标的检测性能,对信号参数估计的精度接近于其CRLB。     

用FrFT插值实现LFM信号的参数估计

分数阶傅立叶域的分辨率由信号时宽带宽积决定,有限的分辨率影响了利用FrFT(分数阶傅立叶变换)估计LFM(线性调频)信号参数的精度.针对此问题,提出了一种利用FrFT插值的LFM信号参数估计方法.在分析引起峰值点偏差的因素后,得到FrFT在峰值点的分数阶傅立叶域的函数表达式,基于此,在分数阶傅立叶域进行插值计算,突破了原有分辨率的限制,提高了参数估计的精度.仿真实验结果验证了算法的有效性.     

一种远程相控阵雷达单帧搜索参数优化方法

远程相控阵雷达担负目标搜索任务时,在一定检测概率下,特定波位的驻留时间与脉冲重复周期密切相关,如何优化设计脉冲重复周期值以节省时间资源,是一个值得研究的问题。针对远程相控阵雷达单帧搜索工作方式,提出了一种基于最小捕获时间的参数优化设计方法,并以探测临近空间高超声速目标为例,分析了捕获时间与脉冲重复周期之间的关系,给出了最优脉冲重复周期值的赋值区间。仿真结果表明,所提方法能有效节省雷达系统时间资源。     

基于状态表调度的相控阵雷达高可用处理集群

相控阵雷达具有高速大容量的目标信息采集能力,要求计算机必须具备高性能的数据处理能力。论文从相控阵雷达数据处理系统的高可用性角度出发,考虑故障监测、系统重构的因素,提出了一种基于状态表调度的计算机集群负载平衡算法,实现了数据的高可用、高性能处理。     

空间目标监视对弹道导弹预警影响分析

空间目标数量巨大,其运行空间与弹道导弹飞行空间重叠.为实现及时准确的弹道导弹预警,必须从海量空间目标背景中提取出弹道导弹.文中首先给出了空间目标监视的基本特征,并从时间资源消耗、误判概率增加两个方面分析了空间目标对导弹预警带来的影响;然后,论述了美国空间监视与导弹预警系统间的关系.     

利用BP神经网络识别图像基点

论述了运用BP神经网络对图像进行识别.介绍了BP神经网络的算法设计、隐层节点的选取等问题.结果表明,BP神经网络有很强的自适应性,对大量样本识别后,能将图像中需要的基点有效地识别出来,且达到较高的准确率.