一种分布式目标波达方向估计方法

本文提出一种在多径情况下,利用广义阵列流形的特点,通过求解矩阵的广义特征值分解,不用进行谱峰搜索或多维参数搜索,直接由广义特征值得到分布式目标波达方向（DOA）估计的方法。该方法的估计性能对信号源的分布特性优于MUSIC方法。     

改进的ReliefF算法用于雷达距离像目标识别

提出了一种改进的ReliefF算法,并将其用于雷达高分辨距离像(high resolution range profile,HRRP)目标识别。与传统ReliefF算法相比,新算法通过在每类目标中等距离间隔抽取相同数量样本的方式进行权值累积,降低了样本数量及分布差异等因素对特征权值的影响,得到了更稳定有效的特征权值。利用此权值不但可降低特征向量维数,并可对最小距离分类器加权,提高目标识别率。最后,对5种不同飞机实测数据的识别结果表明本算法可达到83%的平均识别率。     

一种相干式分布源DOA估计的ESPRIT算法

本文研究了相干分布式信号源条件下的波达方向(DOA)估计问题.现有的分布式信号源模型的DOA估计方法一般需要假设描述分布式目标信号源模型的角信号分布函数具体的数学形式已知,并需求解2维或高维非线性参数估计问题.在角信号分布函数具体的数学形式未知的条件下,本文利用角信号分布函数的共轭对称性,提出了一种相干式分布源DOA估计的ESPRIT算法.该方法估计性能优于常规ESPRIT算法,与相干分布式目标特征值搜索方法相比,运算量较小,且避免了估计结果的模糊性问题.     

基于NMFs-LDA的雷达目标距离像识别

基于NMFs(非负矩阵稀疏分解)和LDA(线性辨别分析),提出了一种新的雷达目标一维距离像识别方法。该方法首先用非负矩阵稀疏分解提取原数据的局部特征,然后用线性辨别分析方法对提取的特征进行进一步的处理,最终实现降维和特征提取的目的,接着采用最邻近中心法对处理后的特征进行分类,最后用3种不同类型飞机实测回波数据进行识别实验,并与经典的PCA-LDA方法相比较,结果表明该方法具有更好的识别性能。     

低复杂度二维相干分布源解耦波达方向估计方法

现有的二维相干分布源波达方向估计算法都需要一维或多维搜索,算法复杂度高,而且大部分算法都针对分布源特定的角信号分布函数设计,当分布源角信号分布函数未知或不同分布的分布源共同存在时,算法性能将严重恶化.文中利用双均匀线阵,给出了一种无需搜索的低复杂度二维相干分布源波达方向解耦估计方法及参数配对方法,适用于分布源角信号分布函数未知及不同分布的分布源共同存在的情况.仿真结果验证了算法的有效性.     

基于最优变换和聚类中心的雷达目标成像识别

提出了一种基于最优变换和聚类中心的雷达目标成像识别方法。该方法利用一种最优变换减少同类之间差异以及通过在子像空间选定一组最优聚类中心来增大异类之间差异,提高雷达目标识别率。仿真实验结果表明了该方法的有效性。     

相干分布式目标一维波达方向搜索迭代估计方法

在信号源角分布函数具体的数学形式未知的情况下,基于角分布函数共轭对称性约束条件,提出了一种相干分布式目标一维波达方向搜索迭代估计方法,该方法不用多维参数搜索,并适用于角信号分布函数形式不同的分布式目标同时存在的情况。     

基于盲信号分离的分布式目标DOA估计方法

在分布函数未知或数学形式不同的分布式目标同时存在的情况下,研究了一种基于盲信号分离的相干分布式目标一维搜索DOA估计方法。仿真实验结果表明,这种分布式目标DOA估计方法具有分布参数门限现象,DOA估计性能对其他信号源的分布参数不敏感。     

基于核函数的雷达一维距离像目标识别

该文分析了基于核函数的三大模式识别方法(支持向量机、非线性主分量分析、非线性判别分析)的分类机理,并将其应用于雷达一维距离像目标识别中。用3种飞机实测雷达距离像数据样本进行识别研究,结果表明对于雷达目标距离像识别,支持向量机方法较其它两种方法更为有效,并对实验结果给出了合理的解释。     

复杂环境下的自适应移动台定位方法

在复杂的定位环境中,常见的非直达波传播往往导致普通移动台的定位性能难以满足基于位置的服务要求.与利用单个移动台对抗非直达波效应的现有思路不同,本文提出了一种新的方法,先利用具有附加定位数据采集能力的移动台的较高精度定位结果提取环境特征信息,再通过自适应非线性滤波器共享该信息,达到改善普通移动台定位性能的目的.仿真实验表明,该方法能够明显的抑制非直达波传播环境对时差定位性能的恶劣影响.