平面相控阵脉冲压缩的雷达气象方程

在低发射功率条件下,相控阵多普勒天气雷达为了增加探测距离和提高分辨率,需要采用脉冲压缩技术.由于采用相控阵技术,波束扫描过程中,在平面阵非法线方向上会产生波束展宽,引起波束内功率下降,需要在计算雷达气象方程时弥补功率下降的误差.平面相控阵天气雷达在探测远距离目标时,使用宽脉冲发射,经脉冲压缩处理以提高分辨率,因此需要建立适用的雷达气象方程.首先讨论了脉冲压缩低峰值功率的平面相控阵多普勒天气雷达的结构、线性调频脉冲压缩的距离（多普勒测量）、调频波形的耦合问题以及目标距离的测量;然后给出了适用于脉冲压缩的平面相控阵雷达气象方程,此方程同时也适用于一维线性阵的脉冲压缩的天气雷达.     

一种LFM雷达回波对消干扰算法

根据线性调频(LFM)信号群延迟特性,提出了一种针对LFM雷达的回波对消干扰算法．首先将LFM信号与其自身延迟信号的共轭相乘,用所得频率差对LFM信号进行移频,然后根据目标雷达散射截面积特性进行幅度和相位调制,可产生与目标回波同频反相的信号,达到与目标回波对消的目的．给出了一种实现此算法的干扰机结构,并提出了减小非线性相位误差的方法．理论分析与仿真表明,该算法在未知调频斜率的情况下可有效降低进入雷达接收机的回波信号功率,且在干扰机有较大转发延迟的情况下依然有效．     

利用调频率匹配的DRFM欺骗干扰检测方法

针对转发式线性调频(LFM)有源欺骗干扰的检测问题,提出了基于干扰信号谐波分量调频率匹配的检测方法．数字射频存储器存在谐波效应特性,该方法通过分析干扰信号的频谱特征规律,建立谐波分量调频率参数库．在雷达距离门内同时存在目标回波和干扰信号的情形下,利用分数阶傅里叶变换检测雷达回波中LFM信号分量并估计其调频率,通过与参数库进行匹配分析,实现干扰信号的检测．仿真结果验证了该方法的有效性．     

VHF频段地空情报雷达云雨杂波模拟

为了模拟VHF频段地空情报雷达云雨杂波,分析了该频段雷达云雨杂波特点,并针对某VHF频段的脉冲线性调频雷达建立了云雨体杂波模型.该模型基于雷达杂波的后向散射特性和杂波的统计特性,其仿真采用零记忆非线性变换（ZMNL）法产生所需的随机序列,复现了既包含振幅又包含相位的雷达杂波回波相干视频信号.仿真结果表明该方法可行.     

回波信号的理解与幅、相调制特征的分析

在分析了监视雷达飞机回波调制现象、系统归纳了监视雷达飞机回波性质和特点的基础上，提出了从实际监视雷达回波中提取相对不变的幅度、相位调制特征的相对量分析法，并讨论幅度、相位调制特征的物理意义与飞机分类的效能，这对监视雷达飞机回波分析、识别特征提取、目标自动分类系统设计都具重要实用价值．     

一种提取非线性调频信号脉内特征的新方法

信号脉内调制信息识别技术对密集和复杂电磁环境中辐射源的分选和识别有着重要意义．通过信噪比估计，将小波脊线法和平滑伪WVD法相结合，提出了一种提取非线性调频信号脉内特征的综合提取方法，实现在不同信噪比条件下准确提取非线性调频信号的脉内特征．仿真结果证实了算法的可行性．     

适于雷达信号压缩的DCTGA研究

对雷达回波信号进行压缩,可有效减少其传输带宽和节省其存储空间.应用贪婪算法思想,提出了基于离散余弦变换（DCT）的贪婪算法（DCTGA）,并将其应用于雷达回波信号压缩.通过仿真,分析了线性DCT压缩与非线性DCTGA压缩的优缺点,并对DCTGA与DFTGA压缩性能进行了比较.结果表明,与其他压缩方法相比,DCTGA更适于雷达回波信号压缩.     

高高度脉冲压缩雷达高度表设计实现

依据高高度雷达高度表实际应用, 给出了基于脉内线性调频脉间二相编码波形的S波段脉冲压缩雷达高度表系统以及子系统的设计实现方法. 结合整机性能飞行验证试验, 给出了实际地貌条件下接收机、信号处理脉冲压缩输出及其处理结果, 并针对试验结果进行分析. 试验结果表明, 高高度脉冲压缩雷达高度表具有非常高的测高性能, 其各项技术指标达到了设计要求.     

脉冲雷达中频回放系统设计与实现

提出了一种脉冲雷达中频回放系统的设计方案,通过读取并处理雷达回波数据,来回放雷达的和支路、俯仰差路和方位差路3个通道的回波信号,以及同步脉冲和导前波门脉冲等雷达信号。该系统的实现为分析评估雷达系统的工作状态、发现故障及故障定位提供重要工具。此外,利用该系统可对雷达数据进行高精度事后处理和为曰常训练任务的开展提供数据源。     

正切调频信号分辨率的分析

由于正切调频信号能很好地解决主瓣宽度与旁瓣电平高的矛盾，目前在脉冲压缩雷达中获得广泛的应用，用模糊函数对正切调频信号进行分析，研究了正切调频信号参数的变化对距离分辨率和速度分辨率的影响。     

一种新的用于立体声回波对消的基于频移的非线性预处理方法

针对立体声回波对消中左右两声道的回波具有强相关性而导致自适应滤波器解不唯一、失配大等一系列问题,提出一种新的基于频移变换的去相关非线性预处理方法.在实际立体声回波对消系统中采取将两声道信号交替在时间轴上压缩或拉伸的办法来降低两声道信号的相关性和保证它们时间上的一致性、连续性及实时性,还改进了解相关的DLMS算法.实验显示,在同样听觉效果前提下移频法比已有几种非线性预处理方法的去相关效果好,用真实语音和真实房间冲击响应进行的立体声回波对消仿真实验表明失配和对消性能改善明显.     

正弦调频引信的信道泄漏和干扰机理

目的研究调频引信的干扰机理,获取调频引信干扰信号设计的理论依据. 方法对正弦调频引信进行时域和频域分析,找出调频引信的信道泄漏机制,并利用数学分析设计干扰信号波形. 结果证明了由于引信接收机混频器的非线性特性,调频引信中存在信道泄漏,具体设计了正弦调频引信的干扰信号. 结论利用信道泄漏设计的干扰信号,不是使用传统的模拟回波的干扰方法,它仅依靠干扰信号自身的特点即可对正弦调频引信进行有效干扰. 作者在此只具体研究了正弦调频引信,但这种干扰原理适用于各种调频体制的引信.     

抗噪立体声回波对消算法研究

针对立体声回波对消器性能易受外部突发干扰影响的实际问题,提出一种干扰信号检测加最优滤波控制的抗噪方法,大大提高了回波对消器的抗干扰能力。结合已提出的解决立体声回波对消器失配问题的频移非线性预处理法,采用真实语音进行了复杂环境下的立体声回波对消仿真实验,结果表明该抗噪立体声回波对消算法改善失配和回声衰减增益显著,抗干扰能力强,各方面的性能指标均优于传统结构的回波对消器。     

小波包分解在超声检测缺陷回波信号处理中的应用

超声检测过程中,由于缺陷回波是一种含噪瞬态脉冲信号,很难有效地将其与各种噪声“分离”开来。介绍一种基于小波包分解的缺陷回波多尺度空间能量特征提取方法,对焊缝超声回波信号进行了特征提取,并采用基于距离的类别可分性判据对提取结果进行了评价。     

Parameters of Exterior Ballistic Feature Points Extraction in Radar Measurement Data by EMD

The problem of measuring exterior ballistic feature points is always difficult to solve and it is essentiale on exterior ballistic measurement. By analysis of radar reflection characteristics and non-stationary echo signals of exterior ballistic feature points, the echo data of exterior ballistic feature points is measured by using the continuous wave radar. The parameters of feature points are extracted by the empirical mode decomposition method (EMD) of Hilbert-Huang transform (HHT) spectrum analysis technique. The radar echo signal model and EMD extraction model are established to analyze the exterior ballistic mutation point detection and EMD extraction method of aliasing echo signal. Typical feature point parameters of exterior ballistic in rocket flight tests are carried out and the effectiveness of the method is verified. A new method of measuring the parameters of exterior ballistic feature point is therefore presented.     

回声消除技术在蓝牙车载免提系统中的应用

主要说明了数字语音处理芯片FMl073在蓝牙车载免提系统中进行回声消除处理的应用方法。介绍回声消除理论的历史、基本分类和研究的关键问题，并分析了蓝牙车载免提系统的硬件结构。特别介绍了FMl073的主要技术特点、参数设置和信号处理方法。     

基于卷积神经网络的多类运动想象脑电信号识别

针对传统多类运动想象（MI）脑电信号的识别方法须进行繁琐的预处理以及特征提取问题,提出基于深度学习的MI信号自动分类方法.在样本表示方面,提出将多通道脑电（EEG）信号转化为一维序列信号处理,在增加样本数量的同时又能够忽略与通道位置相关的空间信息的影响;根据输入信号的特点,采用多层一维卷积神经网络学习不同运动想象状态时脑电信号中的时频信息,自动完成特征提取和分类工作. 将所提出的方法在公共数据集上与多种方法进行比较,并完成对实际采集数据集的分类. 利用所提方法在不需要先验知识的条件下,对脑电信号进行端到端的学习. 结果表明该方法可以获得更高的多分类准确率以及降低个体差异对分类的影响. 所提出的方法有利于促进基于MI 的脑机接口系统的开发.     

Particle swarm optimization based RVM classifier for non-linear circuit fault diagnosis

A relevance vector machine (RVM) based fault diagnosis method was presented for non-linear circuits. In order to simplify RVM classifier, parameters selection based on particle swarm optimization (PSO) and preprocessing technique based on the kurtosis and entropy of signals were used. Firstly, sinusoidal inputs with different frequencies were applied to the circuit under test (CUT). Then, the resulting frequency responses were sampled to generate features. The frequency response was sampled to compute its kurtosis and entropy, which can show the information capacity of signal. By analyzing the output signals, the proposed method can detect and identify faulty components in circuits. The results indicate that the fault classes can be classified correctly for at least 99% of the test data in example circuit. And the proposed method can diagnose hard and soft faults.     

弹载SAR下降段成像算法研究

弹载SAR下降段成像中,弹体较大的下降速度和加速度将导致SAR回波信号的多普勒调频率沿方位向变化,影响方位聚焦.针对该问题,提出了一种利用方位非线性变标(NLCS)的弹载SAR下降段成像算法.该算法在距离徙动校正和距离压缩处理之后,通过引入方位非线性变标操作,补偿变化的多普勒调频率,并校正图像方位畸变,从而改善了方位聚焦深度和聚焦质量.数据仿真结果验证了算法的有效性.     

Mine-hoist fault-condition detection based on the wavelet packet transform and kernel PCA

A new algorithm was developed to correctly identify fault conditions and accurately monitor fault development in a mine hoist. The new method is based on the Wavelet Packet Transform (WPT) and kernel PCA (Kernel Principal Component Analysis, KPCA). For non-linear monitoring systems the key to fault detection is the extracting of main features. The wavelet packet transform is a novel technique of signal processing that possesses excellent characteristics of time-frequency localization. It is suitable for analysing time-varying or transient signals. KPCA maps the original input features into a higher dimension feature space through a non-linear mapping. The principal components are then found in the higher dimension feature space. The KPCA transformation was applied to extracting the main nonlinear features from experimental fault feature data after wavelet packet transformation. The results show that the proposed method affords credible fault detection and identification.