高频地波雷达多普勒信号的AR预测恢复

雷电干扰和瞬时突发的无线电通信干扰信号严重影响高频地波雷达的正常工作。干扰严重时通过二维ＦＦＴ处理仍不能从接收信号中提取目标的距离和速度信息，此时需要对受到破坏的多普勒信号加以修正。为此本文提出基于ＡＲ模型的多普勒信号恢复方法。针对多普勒信号被干扰分割的特点，采用前后向预测的ＬＭＳ算法，首次建立了高频地波雷达多普勒信号的ＡＲ预测模型，解决了多普勒信号的恢复问题，从而使高频地波雷达具备了抗瞬时突发干扰的能力。计算机仿真和现场实验数据的处理结果表明本文方法是有效的。     

基于双AR模型的高频地波雷达信号分离算法

高频地波雷达回波信号的频谱主要由一阶峰与二阶谱构成,而这些频谱中蕴含着丰富的海况信息,因此分离其频谱具有重要的理论和现实意义。利用高频地波雷达信号的一阶峰与二阶谱信号的独立性,分别建立不同阶次的自回归(AR)模型。为了估计对应于一阶峰和二阶谱的AR 模型阶数和参数,首先利用自适应原子分裂算法对回波谱进行稀疏估计,得到一阶峰与二阶谱的混合特征根及其由特征根构成的自相关函数的系数;然后,利用特征根的组合构成两个自回归模型,分别计算对应模型的由特征根表示的自相关函数的系数,并将所得到特征根表示的自相关系数逐一进行对比,当所有的特征根表示的自相关系数都近似相等时,则实现对一阶峰和二阶谱的分离;最后,模拟数据及真实的高频地波雷达回波谱信号分离计算验证了该方法的可行性。     

近海回波压制远程高频地波雷达波形设计

针对远程高频地波雷达由于Norton衰减的影响导致接收机需要过大的动态范围的问题,提出了采用分段压地波形的设计来减小对接收机动态范围要求的方法.通过对远程高频地波雷达采用的调频中断连续波(FMICW)体制的处理过程的分析,指出利用减少近距回波的时间利用率来设计压地波;用计算机仿真探讨了该方法的近海回波压制能力,证明了其有效性.     

高频地波舰载超视距雷达研究

本文介绍了国外高频地波舰连超视距雷达发展的情况,着重分析了舰载超视距雷达需解决的主要关键技术,并对该雷达的最大作用距离进行了估算。     

高频地波雷达技术及其发展趋势

介绍了高频地波雷达的功能、系统组成和工作机理,分析了国内外高频地波雷达的发展状况,并介绍了国内民用高频地波雷达的应用情况,最后给出了高频地波雷达的发展趋势。     

高频地波超视距雷达的超分辨处理

由于工作在高频段,高频地波超视距雷达的角分辨力较差,尤其是当阵长受限时。本文从实际出发,提出了一种利用最小方差信号无畸变响应波束形成实现超分辨的方法,单目标实测数据及部分仿真目标数据的处理结果表明了其有效性。     

一种基于S变换的高频地波雷达瞬态干扰抑制方法

针对高频地波雷达中出现的瞬态干扰问题,提出了基于S变换(Stockwell transforms)的瞬态干扰抑制方法.首先分析了两次FFT信号处理机制下瞬态干扰的时频特征;然后应用S变换对雷达信号进行时频分析,利用瞬态干扰在时频维扩展性不同的特点,实现瞬态干扰的检测;最后应用三层BP(Back Propagation)神经网络对海洋回波信号进行预测和恢复.该方法避免了海杂波抑制的步骤,具有计算量小、信号损失小的优点.现场实测数据分析表明,该方法能够有效抑制瞬态干扰,使回波多普勒谱信噪比提高达10dB,有效提高了雷达的抗干扰能力.     

高频地波雷达飞行小目标跟踪方法研究

增大探测距离、快速精确跟踪是高频地波雷达探测飞行小目标所面临的主要困难.本文提出了高频地波雷达飞行小目标跟踪(AWATT)系统.该系统主要包括自适应改进Hough变换(AMHT)航迹起始、双门限快速联合概率数据关联(DTF-JPDA)以及间接测量(IM)精度改善,分别解决了低信噪比条件下,对飞行小目标的提早预警、快速关联以及精确跟踪问题.实验结果验证了该系统在跟踪预警飞行小目标中的有效性.     

高频地波超视距雷达特点及应用研究

通过对高频地波超视距雷达本身固有特点结合应用进行了分析,针对一些实际问题,提出了在当前技术条件下,如何通过技术改进或调整使用方法来提高雷达的效能,缓解应用中遇到的困难,并对当前地波雷达的先进技术进行了相关介绍.     

小波滤波与AR模型在脑电信号处理的应用

针对脑-计算机接口技术中的脑电信号处理、事件相关同步和事件相关去同步的特点,提出了一种基于离散小波滤波和AR模型来提取脑电信号特征向量的方法.利用 Daubechies类小波函数对脑电信号进行4层分解,然后使用Burg算法提取脑电信号8阶AR模型系数,最后用BP神经网络进行分类和比较.得到最优的正确率为71.64％,小波滤波的效果要优于FIR滤波器.     

Forehead sEMG signal based HMI for hands-free control

A hands-free method is proposed to control an electric powered wheelchair （EPW） based on surface electromyography （sEMG） signals. A CyberLink device is deployed to obtain and analyze forehead sEMG signals generated by the facial movements. The autoregressive （AR） model is used to extract sEMG features. Then, the back-propagation artificial neural network （BPANN） is proposed to recognize different facial movement patterns and improved by Bayesian regularization and Levenberg-Marquardt （LM） algorithm. A sEMG based human-machine interface （HMI） is designed to map facial movement patterns into corresponding control commands. The experimental results show that the method is simple, real-time and have a high recognition rate.     

雷达测速信号的BP网络识别

测速雷达信号识别是进行辅助决策的关键。介绍一种在实际生活中有着广泛应用的神经网络模型——BP网络,通过对他的结构及工作原理的分析,结合三类雷达测速信号的特征,归纳出一种基于BP网络进行雷达测速信号识别的方法,并且给出了仿真实例。实验结果表明,此方法能够快速识别三类信号,具有识别率高的特点。     

基于自回归模型与神经网络模型的车流量预测对比

车流量建模是车联网(vehicular Ad Hoc network,VANET)路由、多媒体接入协议、无线算法设计的基础.准确的车流量模型将对智能交通系统(intelligent transportation system,ITS)实时调度和车联网的信息安全起到十分重要的作用.基于上海市的交通流量数据,利用自回归(auto regressive,AR)模型与神经(back-propagation,BP)网络模型对车流量实测数据进行了仿真对比,给出了相应的预测结果.研究发现,两个模型均能有效地对数据进行跟踪与预测,但对不同时段数据预测的准确性有所不同.研究结果将为未来智能交通应用、车联网的理论研究等提供有力依据.     

LVQ神经网络用于海上小目标检测

舰载(或岸基)雷达对海面小目标检测是一个重要而困难的课题。最大幅度极点检测(ARLPM)是目前实用性较强的一种方法,特别是在短时检测方面有着不错的效果。本文在AR-LPM的基础上提取了最大幅度极点的两个目标特征———频率和谱宽,然后采用学习矢量量化(LVQ)神经网络进行目标检测。该方法有强大的非线性运算和相似特征聚类功能,不仅简单易行,还具备一定的自适应性。最后本文利用真实海杂波数据对该方法作了实验,通过比较表明,LVQ神经网络检测优于原方法。     

直升机声信号的检测和识别

详细介绍了一种基于小波包和神经网络的新算法,用于对直升机声音信号检测并且识别机型。具体方法是对采集到的声音样本利用小波包分析提取特征向量,把这些特征向量输入反向误差传播（Back Propagation,BP）神经网络训练,用训练好的检测神经网络进行直升机的检测。检测完毕,证实是直升飞机声信号后,再通过识别神经网络区分不同型号直升机。实验表明,此方法能利用小波包时频局部聚焦分析能力和BP神经网络的自适应能力,较好地对不同型号的直升机声信号进行有效地检测和识别。因此。基于小波包和神经网络的直升机检测和识别算法不仅可靠而且是可行的。     

小波神经网络预测在住宅市场中应用

利用小波神经网络在非线性建模中的收敛迅速等优越性,提出了利用小波神经网络预测住宅市场需求的方法.通过实例分析说明,他比传统的BP神经网络的收敛速度快、预测精度高,具有较强的函数学习能力和推广能力及广阔的应用前景.     

基于BP神经网络辅助的车载组合导航算法研究

针对INS/GPS组合导航系统在GPS信号被遮挡时,GPS接收机失锁导致导航精度迅速下降的问题,提出了基于BP神经网络辅助的组合导航算法。即在GPS信号锁定的时候,采用卡尔曼滤波对INS/GPS信号进行数据融合得到实时的精确位置,同时利用组合导航输出信息对BP神经网络进行实时在线训练;一旦GPS失锁,利用之前训练好的神经网络对INS系统进行误差补偿,解决精度迅速下降问题。通过跑车实验证明,速度精度在0.2m/s以内,位置精度为25m以内,该算法对INS/GPS组合导航系统有效。     

基于主成分分析融合神经网络的移动设备威胁研究

为了提高移动设备存在威胁风险分析的准确率和抗干扰能力,进而降低投诉率,提出一种基于主成分分析融合反向传播神经网络风险分析模型。通过核主成分分析将设备威胁类型从10个特征量降低到3个主特征量,提取了原始数据的主信息,并以降维后的特征量作为BP神经网络的输入特征量, 建立设备威胁风险分析模型。最后通过实验对比了多种模型算法, 结果表明采用主成分分析结合反向传播神经网络的风险分析模型具有更好的风险识别准确率。     

人工神经网络的BP算法及其应用

在一般人工神经网络的BP算法的基础上,研究了BP算法所遵循的数学基础,指出其存在的缺陷和不足,并给出改进方法。探讨了MATLAB环境下实现人工神经网络BP算法的编程方法及方法改进比较的例子,得到了良好的结果。