排序方式: 共有37条查询结果,搜索用时 0 毫秒
21.
22.
传统的宽带跳频信号受Nyquist采样定理的限制,所需的采样率高,数据量大,对硬件的要求高。为了突破Nyquist采样定理的限制、降低采样率,研究了2种基于压缩采样原理的模拟到信息转换方法———随机解调系统与宽带调制转换器,并应用2种方法把压缩感知理论应用到宽带跳频信号采集中去,对宽带跳频信号进行压缩采样与重构。仿真结果验证了2种方法的正确性和利用压缩感知理论对模拟宽带跳频信号采集的可行性。 相似文献
23.
24.
25.
为解决跳频信号侦察中高带宽带来的高采样率和海量数据处理问题,将压缩感知理论应用于跳频信号参数估计。根据跳频信号的时频特征,构建以加窗正弦函数为基函数的3-参数稀疏字典;在此基础上,提出一种带预处理过程的正交匹配追踪算法,从压缩测量值中获取跳频信号跳周期、跳变时刻以及跳频频率的估计值。仿真结果表明,该方法能够显著减少信号采样数据量和算法计算量,保持较高参数估计精度。 相似文献
26.
针对多功能雷达(Multi-Function Radar,MFR)状态预测方法存在的鲁棒性、预测正确率不佳的问题,提出一种基于机动特征辅助的MFR状态预测方法.该方法将载机机动信息与常规侦收参数共同作为预测特征集,一方面利用支持向量回归(Support Vector Regression,SVR)和侦收信号特征集,得到常规预测模型,另一方面通过SVR和机动特征集,得到MFR各个状态间的转变概率模型;然后利用D-S证据理论得到最终预测状态.实验结果表明,与SVR和LSR方法相比,平均预测精度分别提高了6.97%和7.2%,同时具备更优异的鲁棒性.此外,提出的预测方法通过进一步的拓展,可应用于机械设备、道路交通等领域. 相似文献
27.
28.
随着合成孔径雷达技术的不断发展,雷达图像目标识别成为重要的研究方向.近年来,深度学习技术在雷达图像目标检测与识别方面得到了广泛应用,然而,数据样本量少和数据样本类别不均衡成为制约深度学习在合成孔径雷达目标识别中的重要因素.对基于深度学习的SAR图像目标识别算法进行了分析,首先,介绍了SAR图像目标识别常用数据集和多角度... 相似文献
29.
30.