米波雷达低仰角波达方向估计的快速算法

针对多径信号严重影响米波雷达低仰角测高的问题,提出了一种快速估计目标俯仰角的时空级联算法.该算法充分利用脉冲雷达回波信号时域、频域的信息来提高阵列的空域处理性能,先根据跟踪情况下已获得的目标距离和速度信息对接收到的回波信号进行积累,使每个接收阵元只获得一个样本数;然后利用单样本数的阵列信号矢量构造矩阵束,最后采用广义特...     

倾斜面阵下的米波雷达测高方法

以往的测高算法假设雷达是垂直线性阵列模型,而实际的米波雷达采用倾斜面阵的布阵方式,此种布阵方式会带来方位和俯仰的耦合效应．为了减少实际布阵下同时存在多径传播与耦合的影响,基于新时空级联最大似然算法,将原先的一维结果推广以适用于倾斜面阵下的二维测角,既避免了多径信号的影响,又通过二维搜索克服了耦合效应,测高均方根误差小于距离的1％．计算机仿真表明了该算法的有效性．     

一种复合型宽带阵列米波雷达方案

依据当前数字器件和信号处理技术的发展水平,提出了一种复合型宽带阵列米波雷达的思想。这种雷达采用探测一干扰一体化体制,兼具雷达和干扰机的双重功能,能较好地满足未来区域作战需求。工作于雷达模式时,采用大时宽带宽积信号,收发信号在数字域内处理,具有优异的性能。在干扰模式下,专用作对E-2t预警机雷达的干扰机．     

料位测高雷达的回波模型及应用

给出了粗糙被测料面对料位指示脉冲雷达波散射的理论模型。粗糙料面的回波可以表示为粗糙料面高度散布密度函数与平坦表面脉冲响应函数的卷积。粗糙料面的回波可以表示为粗糙面高度散布密度函数与平坦表面脉冲响应函数的卷积,前者服从高斯规律,后者可将雷达方程应用于单个独立散射体,在照射面求积分得到。由此求得的接收天线处回波功率表达式很好地反映了料位监示雷达的使用现实。讨论了影响回波功率的主要因素,特别是天线照射     

米波雷达方位角超分辨外场实验研究

介绍了一个由均匀线接收阵和米波雷达组成的外场实验系统,用于进行米波雷达的方位角超分辨实验。用采集的实验数据对几种常用的超分辨算法进行了实验,结果表明,FBLP算法和ESPAIT算法可清晰分辨出角间隔为0.2~0.3波束宽度的两架飞机。     

应用阵列超分辨方法实现米波雷达多目标回波信号的方向估计

文中应用阵列信号处理中的相干信号子空间方法和最大似然法实现米波雷达天线阵转动时多目标回波信号的方向估计，计算机模拟结果表明了它的有效性。     

基于DEM的米波雷达阵地选择方法研究

米波雷达的最大效能发挥与其良好的阵地反射面紧密相关。针对雷达阵地的选择耗时、耗力问题,基于数字高程模型（DEM）,对雷达天线架高、反射面的平坦度以及遮蔽角等影响米波雷达阵地选择的重要因素进行了定量分析,提出了一种米波雷达阵地选择的辅助决策方法。仿真结果表明,这种方法可实现米波雷达阵地的快速选择。     

一种改进的米波圆阵雷达抗干扰方法

为提高米波圆阵雷达的抗干扰性能，结合最小二乘静态方向图综合和正交投影算法提出了一种改进的米波圆阵雷达抗干扰方法．该方法利用最小二乘静态方向图综合获得静态加权矢量，然后用Gram-Schmidt正交投影法在干扰方向形成零陷对干扰进行抑制．该方法能够准确地在干扰方向形成零陷，有效降低输出方向图副瓣高度，同时无需特征分解，无需估计整个协方差矩阵，因而其运算量比采样矩阵求逆算法（SMI）小得多．理论分析和计算机仿真验证了该方法的有效性．     

X波段测高雷达脉冲重复频率设计

针对X波段测高雷达杂波特性和X波段雷达发射机用的末级速调管功率放大器的具体特点，从杂波有效抑制的角度对X波段测高雷达进行脉冲重复频率设计．设计结果的分析表明，为增强X波段测高雷达对云雨杂波等动杂波抑制能力，须采用中脉冲重复频率PD体制。     

神经网络在预测中的应用

本文介绍了多层前向神经网络及其学习算法。并利用多层前向神经网络对复杂非线性系统进行预测研究。实验结果证明该方法是有效的。     

雷达杂波的神经网络分析

首先用混沌理论分析了雷达海杂波的混沌特性,在此基础上,应用神经网络模拟海杂波的非线性特性,并应用该网络来证实海杂波局部是可预测的．     

基于神经网络的雷达抗应答式欺骗干扰方法

针对应答式欺骗干扰，定义了特征因子，并用所定义的特征因子训练神经网络分类器，建立抗欺骗干扰模型进行目标检测．同时对三种神经网络作为分类器进行了研究．仿真结果表明，所提出的特征因子及其选用RBF神经网络模型具有较好的抗欺骗干扰性能．     

用神经网络进行雷达辐射源识别研究

为提高雷达辐射源识别系统的识别率，分析了BP神经网络、径向基神经网络和径向基概率神经网络等3种神经网络的结构和性能．用假设的10部雷达参数产生数据进行实验．仿真结果表明，应用径向基概率神经网络能大幅提高雷达辐射源识别的识别率，该网络在雷达辐射源识别中的分类性能明显优于其他2种神经网络．     

神经网络的JAVA语言实现

概括介绍神经网络实现技术的现状,从面向对象程序设计的角度出发,详细阐明怎样用JAVA语言实现BP神经网络及其广阔的应用前景.     

一种用于雷达信号分选的改进型神经网络

基于雷达信号分选的应用需求，对传统自组织特征映射（SOFM）神经网络进行了分析，提出一种结构自调整的改进型SOFM神经网络，并进行了分选仿真．结果表明，该网络能够通过增加或删减输出神经元的数目，自动调整神经网络的规模使其与实际输入模式的类别数目相适应，从而取得了较好的雷达信号分选效果．     

利用神经网络实现对磁滞特性的数值模拟

在分析了Preisach类磁滞模型和Jiles-Atherton磁滞模型各自特点的基础上,采用神经网络技术对磁滞特性进行了模拟,并通过实际数据进行了验证．结果表明,这种方法可以很好地实现对磁滞特性的模拟,而且程序比较容易实现,是一种更为理想的磁滞特性模拟方法．     

钢筋混凝土雷达信号的BP人工神经网络识别

在混凝土雷达检测中,钢筋直径的识别是一个难点,因此探求使用人工神经网络的方法来解决。试验制作了一系列埋有钢筋的混凝土试件,这些埋置的钢筋直径在8~25 mm间且埋深在15~125 mm之间。这些试件经探地雷达检测后,雷达信号被提取出几个特征参数,这些参数包括雷达波的峰值、能量、波宽以及斜率,然后将这些参数作为BP神经网络识别的特征参数,并通过对神经网络进行有针对性地细分以提高网络识别精度,网络识别的结果表明BP神经网络能成功地识别钢筋的直径。     

基于BP神经网络的雷达抗干扰能力评估

为评估对空情报雷达抗电子干扰能力,针对对空情报雷达抗电子干扰所采用的措施,建立了抗电子干扰能力评估的层次模型,给出了基于BP神经网络的评估模型结构以及训练样本/验证样本的构造,并对某型雷达的仿真数据进行了计算,得到了与专家评定一致的结果.结果表明,该模型方法对评估对空情报雷达抗电子干扰能力具有可行性.