一种新的高速多目标快速参数化检测算法

针对线性调频脉冲压缩雷达参数化检测高速多目标时受到距离徙动、多普勒扩散和速度模糊的影响,该文首先采用联合频域变标脉冲压缩处理与吕方法(2011)实现目标信号的相参积累,然后在其基础上采用基于多普勒频率模糊数搜索的方法完成高速多目标的参数化检测.算法所提出的频域变标脉冲压缩处理可同步完成距离维的徙动补偿与多普勒维的模糊数补偿,降低了实现目标参数化检测的计算复杂度,且由于算法采用相参积累方式,在低信噪比下可以进行精确的目标检测和运动参数估计.相参积累算法运算量分析、计算机仿真以及实测数据处理结果验证了该文所提算法的有效性.     

基于STAP杂波抑制的天基雷达PRF设计

提出了一种基于空时二维自适应处理(STAP)杂波抑制技术的天基雷达脉冲重复频率(PRF)设计方法。该方法首先通过几何建模对主杂波缺口宽度进行估算、确定适用于整个搜索空域的脉冲宽度参数,然后通过杂波仿真获得最优STAP处理的最小可检测速度(MDV)指标、并用经典M/N中等PRF选择法设计一组PRF波形,最后画出距离-速度盲区图进行验证。文中推导了公式,用设计实例验证了该方法的有效性。仿真表明,在PRF设计中采用未补偿的主杂波缺口宽度参数在工程实际中可以获得更好的距离-速度覆盖性能。     

地面PD雷达探测巡航导弹关键问题研究

在分析地面雷达探测巡航导弹杂波特性的基础上,构建了地面脉冲多普勒(PD)雷达的杂波莺叠模型,通过对杂信比的仿真分析,明确了对脉冲重复频率(PRF)取值的影响及限制.从解模糊及减小盲区的角度,对地面PD雷达的检测准则进行了分析论证,然后利用遗传算法对PRF组进行了优选设计.仿真表明,通过合理的PRF组设计,地面PD雷达既可以解模糊,又可以在较大范围内克服盲区.     

分布式相参雷达多脉冲积累相参参数估计方法

分布式相参雷达(DCAR)是目前国内外雷达领域的重要研究方向,精确的参数估计是实现其良好相参性能的前提和核心。基于动目标模型,提出一种基于多脉冲积累的相参参数估计方法。该方法通过对多脉冲信号进行快、慢时间匹配滤波处理,实现多脉冲相参积累;再利用互相关法进行相参参数估计。仿真分析对比了不同脉冲个数和不同输入信噪比下的参数估计性能和相参性能,仿真结果表明,该方法具有可行性,且可以有效提高低信噪比情况下的参数估计性能和相参性能。     

基于遗传算法的地面中重频PD雷达PRF组选择

针对地面中重频雷达脉冲重复频率(PRF)组的选择计算复杂的问题,建立了PRF组选择的数学模型,提出了利用遗传算法选择最优PRF组的方法。仿真结果表明,该方法运算性能好,运行速度快。     

非扫描激光雷达系统的多脉冲积累信噪比分析

激光雷达系统信噪比(SNR)直接影响了系统距离像和强度像的好坏。运用信号相关检测理论,分析了多脉冲积累下的非扫描激光雷达系统信噪比。考虑到雪崩光电二极管(APD)阵列、工作环境因素和激光雷达系统参数等,对多脉冲积累下的信噪比进行了仿真分析。在100个脉冲积累数目下,信噪比提高了9.35dB,之后随脉冲积累数目的继续增加,信噪比提高的幅度不明显。研究表明:运用脉冲积累这一方法能够提高系统信噪比。     

基于自适应新生密度的多目标联合检测与解模糊

脉冲多普勒(Pulse Doppler,PD)雷达会产生距离模糊和多普勒模糊问题,传统方法通过发射多个脉冲重复频率(Pulse Repetition Frequency,PRF)并相互关联来解模糊.但当信噪比较低时,为确保检测到目标需采用低门限而产生了大量虚警,传统方法由于数据关联导致计算复杂度过高而失效,基于随机有限...     

一种高脉冲重复频率雷达微弱目标检测跟踪方法

针对高脉冲重复频率(PRF)雷达对微弱目标的检测跟踪问题,该文提出一种雷达测距模糊条件下基于检测前跟踪(TBD)的微弱目标跟踪方法.该算法借用TBD的思想精髓,对于每一时刻的量测,既不进行目标有无的检测也不解距离模糊,而是将目标检测和解距离模糊统一在目标真实航迹的获取中.首先通过批处理把目标的模糊量测在所有模糊区间进行多假设扩展,从而提取量测的时空相关信息;然后基于目标真实航迹在时空上的连续性和不同PRF量测之间的相关性,通过TBD方法得到目标航迹,同时实现解距离模糊.与同类研究相比,该方法将微弱目标解距离模糊问题统一到目标航迹的检测确认过程中,避免了低信噪比(SNR)造成的航迹漏检,为实现高脉冲重复频率雷达微弱目标的检测跟踪提供了一种新的思路.最后,通过仿真验证了该算法的有效性.     

基于BP神经网络改进遗传算法的导弹总体参数快速优化方法

为充分发挥导弹的性能,需要在满足技战术指标条件下对导弹质量、飞行程序角等多参数进行优化设计.遗传算法对多参数的组合优化问题非常有效,该过程需要通过弹道积分对种群中的所有个体计算射程,但弹道积分的模型复杂不利于全局搜索.利用BP神经网络拟合计算射程的数值积分过程,对遗传算法中个体适应度计算进行改进,完成了既定射程指标下的...     

遗传算法搜索雷达脉冲重复周期

采用脉冲多普勒体制的雷达需发射多个不同重复周期(PRI)的脉冲组对目标进行探测。在雷达工程中一般采用穷举搜索的方法来优选PRI,计算量巨大。文中研究了遗传算法(GA)搜索雷达PRI方法,针对机载雷达探测空中目标的特点,以速度盲区和距离盲区联合最小作为适应度评价函数,搜索结果具备良好的探测清晰区。通过仿真示例说明了遗传 算法搜索PRI的有效性,并对遗传算法的计算量进行了分析。与穷举搜索法相比,遗传算法大大减少搜索数目,可以快速搜索出满足工程要求的PRI组合,具备良好的工程适用性。     

基于脉冲关联的雷达信号重频分选算法

在重频直方图分析方法基础上，根据时差脉冲对之间的相关性，提出并分析了一种新的雷达脉冲重频分选算法。该算法在统计脉冲时差直方图的同时记录脉冲序号信息，改进了传统重频直方图只能用作重频分选前的辅助分析方法的缺点。与传统的重频分选方法相比，本文提出的方法实现简单、分选效率高、可靠性好，能够适应复杂信号环境和复杂重频体制雷达脉冲的分选要求。通过计算机仿真验证了该算法的性能。     

基于似然函数的双曲调频信号参数估计快速算法

相较于线性调频(LFM)信号,双曲调频(HFM)信号因具有良好的脉冲压缩性能和多普勒不变性,被广泛用于雷达侦查、水声探测等多普勒影响严重的场景中,其中HFM信号的参数估计问题尤为重要。有鉴于此,该文提出一种基于似然函数的HFM信号参数估计快速算法。文中首先推导出HFM信号的Cramer-Rao下界作为参数估计的性能评估标准;然后基于高斯随机噪声,构建了HFM信号的似然函数,并结合数据向量化的特点提出一种改进的适应度函数,最后利用全局最优引导人工蜂群(GABC)算法对该适应度函数进行极值寻优,从而实现HFM信号的参数估计;通过蒙特卡洛仿真证明了该方法在信噪比为3 dB以上时,HFM信号的参数估计结果的均方误差更逼近Cramer-Rao下界,且运算量约是原来的1/3,在保证估计精度的同时提高算法收敛速度。     

基于似然函数的双曲调频信号参数估计快速算法

相较于线性调频(LFM)信号,双曲调频(HFM)信号因具有良好的脉冲压缩性能和多普勒不变性,被广泛用于雷达侦查、水声探测等多普勒影响严重的场景中,其中HFM信号的参数估计问题尤为重要。有鉴于此,该文提出一种基于似然函数的HFM信号参数估计快速算法。文中首先推导出HFM信号的Cramer-Rao下界作为参数估计的性能评估标准;然后基于高斯随机噪声,构建了HFM信号的似然函数,并结合数据向量化的特点提出一种改进的适应度函数,最后利用全局最优引导人工蜂群(GABC)算法对该适应度函数进行极值寻优,从而实现HFM信号的参数估计;通过蒙特卡洛仿真证明了该方法在信噪比为3 dB以上时,HFM信号的参数估计结果的均方误差更逼近Cramer-Rao下界,且运算量约是原来的1/3,在保证估计精度的同时提高算法收敛速度。     

雷达信号检测中解模糊的改进算法

模糊问题是脉冲多普勒雷达在信号检测时存在的固有问题,为了解决模糊问题,雷达一般采用多重脉冲重复频率（PRF）的工作方式。对于这种体制的雷达,目前常用的解模糊算法有孙子定理方法、一维集算法和查表法。主要阐述了一种基于一维集算法的改进算法及其实现步骤,并给出了利用该算法解距离模糊的仿真结果。     

基于离散多项式相位变换和分数阶傅里叶变换的加速目标检测算法

 本文提出了一种离散多项式相位变换(DPT)和分数阶傅里叶变换(FRFT)相结合的LFM检测方法.首先,分析了经典DPT算法中调频分辨率与互相关时延、积累脉冲长度以及积累性能之间的相互关系,指出时延较小的DPT算法与经典DPT算法相比,检测性能提高约3dB,但调频率估计误差大.其次,针对这一问题,提出在DPT基础上,利用FRFT进一步提高调频率估计精度,当输入信噪比大于-11dB时,在分数阶域引入一维牛顿迭代法可提高运算速度;最后,给出了算法复杂度和估计误差的理论分析并用实验结果验证了算法的有效性.     

基于模拟退火算法的机载脉冲多普勒雷达中重复频率选择研究

机载脉冲多普勒雷达常采用中等脉冲重复频率,N/M检测准则工作方式,在该方式下对重复频率的要求主要是能解距离及速度模糊,且能使距离与速度遮蔽区域尽量小。因而对重复频率的选择可模型化为解大规模组合优化问题,而模拟退火算法正是解这类问题的一种有效方法。该文根据机载脉冲多普勒雷达的特点,提出了一种基于模拟退火算法的机载雷达中重复频率选择方法,通过试验表明,该方法取得了很好的效果。     

基于幅度变化点检测的多功能雷达脉冲列解析方法

 在电子情报领域,针对多功能雷达脉冲列解析中的基本波形提取问题,提出了一种新的基于统计变化点检测的方法.该方法利用相控阵天线波束离散扫描的特点,将基本波形提取问题转化成脉冲幅度序列变化点的检测问题.引入生物染色体分析中的循环二分算法来检测并估计幅度序列的多个变化点,进而得到基本波形的集合.该方法不需要任何先验知识,在较低信噪比的情况下仍然能够得到高精度的提取结果.仿真实验表明了该方法的有效性.     

PRF-ambiguity resolving by wavelength diversity

For high-precision synthetic aperture radar (SAR) processing, the determination of the Doppler centroid is indispensable. The Doppler frequency estimated from azimuth spectra, however, suffers from the fact that the data are sampled with the pulse repetition frequency (PRF) and an ambiguity about the correct PRF band remains. A novel algorithm to resolve this ambiguity is proposed. It uses the fact that the Doppler centroid depends linearly on the transmitted radar frequency for a given antenna squint angle. This dependence is not subject to PRF ambiguities. It can be measured by Fourier-transforming the SAR data in the range direction and estimating the Doppler centroid at each range frequency. The achievable accuracy is derived theoretically and verified with Seasat data of different scene content. The algorithm works best with low contrast scenes, where the conventional look correlation technique fails. It needs no iterative processing of the SAR data and causes only low computational load     

基于遗传算法的OTHR机动弱目标检测

天波超视距(OTH)雷达系统中,为了获得较高的多普勒分辨率,通常会采用长的相干积累时间,但对于机动目标,长相干积累时间会导致回波的多普勒展宽,不利于检测。对于弱目标,由于其能量低,容易被强目标掩盖,加大了检测难度,针对这一问题,提出一种基于目标运动参数估计的OTHR机动弱目标检测方法。利用遗传算法优越的参数估计性能这一特点,采用遗传算法估计各目标的运动参数,并引入"clean"算法的思想,在时域上逐个减去强目标,以消除强目标的掩盖效应。又考虑到遗传算法的运算量较大,进一步提出采用时频分析算法估计各参数范围,减小遗传算法的运算量。仿真结果表明,与已有算法相比,文中算法具有更高的参数估计精度和弱目标检测性能。     

An Improved Endpoint Detection Algorithm Based on MFCC Cosine Value

Endpoint detection is one of the most important steps in speech recognition. In a high SNR environment, the algorithm based on short-time energy and zero rate could be used. But when the SNR is low, this method may not be accurate. Some researchers proposed an algorithm which is based on MFCC Euclidean distance. It has a better performance in a noise environment. But that algorithm needs two thresholds to find the start and end point. However, when the values of two thresholds are not suitable, the detected result could be extremely bad. In this paper, we proposed an improved algorithm which is based on MFCC cosine value. This method can reduce errors, since it only needs one single threshold. The benefit of this improved algorithm is that the result can surely contain the real voice component. According to the experiment data, this improved algorithm can improve the speech recognition rate by 10% even in noise environment (SNR = 0). Thus, it proved that this improved methods has better robustness.