基于IAHP和信息熵组合赋权的空域运行风险评估

针对传统空域运行安全风险评估方法中存在的点值评估随意性和间断性等问题,该文提出基于区间层次分析法(IAHP)和信息熵法结合的空域运行风险评估方法。通过广泛采集空域内航空器运行产生的告警信息,深入分析并挖掘出对空域运行产生影响的风险因子,构建一套新的基于"人、机、环"分类思路的风险评估多层指标体系。所提方法主要采用IAHP和信息熵方法分别对评估指标赋权,同时给出主客观权重组合模型,既保证了评估数据的连续性,也兼顾到评估要素的客观性,并在风险隶属度矩阵基础上进行模糊综合评价。最后对某飞行情报区一段时间的运行状态进行实例评估,结果表明,该模型在空域运行风险方面具有良好的适用性和有效性,为空中交通安全风险管理提供理论上的决策支持。     

一种通用的高分辨率波达方向估计预处理新方法

本文提出了一种通用的高分辨率波达方向估计预处理新方法。它适用于任意中心对称阵列(如等距线阵、等距矩形面阵和对称圆阵等)的一维或二维高分辨处理。新方法在无性能损失的前提下将复信号空间映射到实信号空间上来处理。这样就有效地减少了信号子空间类高分辨率测向方法所需的运算量。此外,新方法本身对阵列接收信号还有一定的去相干作用。对于等距线阵和等距矩形面阵这类规则阵列,可将常用的空域平滑预处理方法与新方法相结合以进一步提高去相干能力。仿真结果证明了上述结论的正确性。     

基于KPCA准则的SAR目标特征提取与识别

该文给出了一种基于 KPCA(Kernel Principal Component Analysis)和 SVM(SupportVector Machine)的合成孔径雷达(Synthetic Aperture Radar,SAR)目标特征提取与识别方法。该方法在非线性空间内利用线性 PCA(Principal Component Analysis)准则提取目标特征并由 SVM分类器完成目标识别。基于美国国防高级研究计划署(Defense Advanced Research Project Agency,DARPA)和空军研究室(Air Force Research Laboratory,AFRL)提供的实测 SAR地面目标数据的实验结果表明,该文方法不但能够提高识别率,具有良好的推广能力,同时还降低了对方位估计精度的要求,是一种有效的 SAR目标特征提取与识别方法。     

基于模板匹配的SAR目标识别预处理新方法

本文提出了一种基于模板匹配的合成孔径雷达(SAR)自动目标识别(ATR)预处理新方法.该方法考虑了图像间相对直流偏差对匹配精度的影响,并在频域内同时完成目标与模板之间的对准、幅度补偿及去直流偏差.实验结果表明本文方法可有效地提高目标识别率.     

两种新的估计二维高分辨率波达方向的并行算法

针对现有分维处理方法存在的问题,提出了两种新的二维高分辨率波达方向估计并行算法。     

机载雷达高速空中机动目标检测新方法

空时自适应处理(Space-Time Adaptive Processing,STAP)是一种有效的机载雷达运动目标检测方法.空中目标的高速运动会导致其回波产生严重的距离走动和多普勒模糊,并且目标作加速运动时还会引起多普勒走动.为了有效检测上述目标,本文提出了一种新方法,该方法在目标距离走动校正之前首先进行杂波抑制,避免了直接利用Keystone变换校正存在多普勒模糊的运动目标距离走动时影响杂波分布特性、进而降低STAP性能的问题;然后对距离走动校正后的数据进行Wigner-Hough变换,估计出目标的加速度,并根据估计值对多普勒走动项进行补偿,从而使目标能量能够得到有效积累;最后进行运动目标检测.仿真结果证明了该方法的有效性.     

两级结构的卫星导航压制式和欺骗式干扰联合抑制算法

压制式干扰和欺骗式干扰是全球卫星导航系统 (Global Positioning System, GPS) 中的两种典型干扰,当二者共同存在于导航信号传输环境时,干扰抑制会变得更加困难。本文提出了一种新的两级阵列信号处理方案,由于传统的功率倒置（power inversion, PI）算法可以有效抑制压制式干扰,考虑到协方差矩阵的逆矩阵的物理意义,阵列接收的信号首先经过协方差矩阵求逆处理,然后将处理后的信号向欺骗式干扰的正交子空间投影达到抑制欺骗式干扰的目的。此方法基于GPS C/A码的周期特性和相关特性,利用CLEAN方法估计出欺骗式干扰的波达方向 (direction of arrival, DOA) 进而估计其子空间。实验结果表明新方案可以同时抑制两种干扰,且方法简单运算量小,可作为一个独立的干扰抑制模块嵌入到接收机中,并验证了方法的有效性。      

基于采样协方差矩阵结构的 动态约束的谱估计方法

为利用奇异协方差矩阵实现高分辨率谱估计,提出一种动态约束的非对角加载类的谱估计方法.该方法一方面根据奇异采样协方差矩阵的结构,在其值空间对导向矢量投影的误差进行动态约束,获得具有较低噪声增益的窄带滤波器.另一方面,该方法利用快拍间相关性,形成Capon加权矢量.将特定频率点处确定的窄带滤波器与相应的Capon加权矢量共同作用于数据矩阵,获得该兴趣频率点幅度估计.仿真及实验结果表明:在采样协方差矩阵奇异的情况下,该谱估计方法获得的谱估计在精度及分辨率上均明显优于其它基于奇异协方差矩阵的谱估计方法,谱估计结果能够较好地保持原谱结构.该方法是一种利用奇异采样协方差矩阵进行高分辨率谱估计的有效方法.     

基于交叉熵的缓变故障检测技术

针对电子设备的测试和故障识别提出了一种基于性能退化数据的缓变故障检测方法。首先,结合电子设备退化特点,选取合适的退化模型近似设备参数退化轨道,利用交叉熵得出退化数据与初始数据随时间变化的分布曲线;然后,通过与超限概率建立关系,确定故障判定的阈值;最后,以+12V稳压电源为检测对象,产生时变随机样本进行仿真验证。通过仿真分析:交叉熵方法可以比较准确的检测设备的缓变故障及老化,并且相对于检测超限概率提高了检测精度,减少了运算量;同时,交叉熵直接采用样本点进行故障检测,避免了需要拟合分布曲线计算超限概率的误差;最后,分析了样本数对交叉熵的影响,说明了为了兼顾稳定性和精确度,并不是样本数越多越好。      

MDI训练样本集构建对雷达探测旋翼无人机分类的影响分析

利用卷积神经网络对目标微多普勒特征进行深度学习是目前雷达探测无人机分类的重要手段.实际应用中,无人机参数如叶片转速、叶片长度、叶片初始相位、无人机方位角、无人机俯仰角、无人机径向速度等参数变化大,导致训练样本变化大.该文分析训练样本集对旋翼无人机分类结果的影响.首先建立单旋翼无人直升机、四旋翼无人机和六旋翼无人机雷达回...