一种新的变步长LMS自适应算法及仿真

对变步长自适应滤波算法进行了讨论,给出了一种新的变步长LMS自适应算法,这种新方法通过估计误差信号自相关及均方误差的时域平均来调节自适应算法的步长,具有较好的抗干扰性能,且收敛速度快,稳态误差小。将其应用于干扰机的自适应收发隔离系统中,计算机仿真结果与理论分析一致,表明了该算法具有一定的可行性和优越性。     

基于Shi-Tomasi角点检测算法的弹道目标平动补偿

弹道目标在中段飞行的过程中,存在平动和微动两种运动方式.由于平动会破坏微多普勒结构,为了获得目标的相关参数以便对目标进行识别,需要对平动分量进行补偿.针对该问题,本文提出了一种基于Shi-Tomasi角点检测算法的弹道中段目标平动补偿方法.该算法从图像处理的角度出发,可以有效的提取出图像中的角点信息.之后,根据得到的角...     

频域快速自适应干扰对消算法研究及仿真

针对于提高干扰机收发隔离度的自适应干扰对消系统，利用快速FFT技术实现了一种替代时城LMS算法的频域快速LMS自适应算法，分析表明该算法不但具有同时域LMS算法近似的收敛特性，而且计算量大幅度减少，有利于对消系统的实时实现。计算机仿真证实了分析的正确性和该算法的可行性。     

弹道目标识别技术及其发展研究

首先介绍了弹道目标识别问题的来源,然后详细分析了弹道目标的识别技术,最后展望了弹道目标识别技术的发展趋势。     

组网雷达中弹道目标微动特征提取与识别综述

针对组网雷达中弹道中段目标微动特征难以识别与分辨的问题,文中分析了弹道中段目标微动特征的差异,总结了基于低分辨雷达网和高分辨成像雷达网的雷达目标微动特征提取技术在反导预警探测中的应用与研究现状,并分析了此类识别手段的优缺点。在此基础上,探讨了今后低分辨雷达和高分辨成像雷达相结合的混合体制雷达网在弹道中段目标识别中的主要研究方向,为进一步推动组网雷达中弹道目标识别研究提供参考和基础。      

灵巧干扰及其对抗技术的研究现状与展望

灵巧干扰是对抗现代雷达新技术和新体制的一种有效干扰方式,首先介绍了灵巧噪声干扰的概念,其次总结了对灵巧噪声干扰对抗技术的现状,分析了灵巧噪声干扰的应用前景和下一步的研究方向.     

变步长频域快速白适应收发隔离算法研究

针对频域LMS算法收敛速度较慢的缺点，将LMS频域快速算法和变步长技术相结合，提出了一种基于新的Sigmoid函数的变步长频域快速自适应收发隔离算法。理论分析和计算机仿真表明，新算法除具有原频域快速算法的优点外，还具有较快的收敛速度和良好的收敛精度，可以有效地应用于干扰机自适应收发隔离系统中。     

基于AP-DBSCAN聚类的弹道目标进动特征提取

进动是弹道目标识别的重要特征.以锥体弹头为研究对象,文中提出了一种基于宽带雷达组网的锥体目标进动特征提取方法.首先建立弹道目标进动模型,利用AP聚类算法,根据回波信号的强度进行初步聚类,然后通过DBSCAN算法,剔除噪声点,将非噪声信号分类并求平均值.在此基础上,分别估计出不同雷达体制下各散射中心的幅、相信息,进而解算出弹道目标的进动参数.仿真结果表明,在信噪比较小的情况下,目标的进动参数估计精度仍较高.     

机载雷达深度展开空时自适应处理方法

稀疏恢复空时自适应处理(SR-STAP)方法能够利用少量训练距离单元实现对机载雷达杂波的有效抑制。然而,现有SR-STAP方法均基于模型驱动实现,存在着参数设置困难、运算复杂度高等问题。针对这些问题,该文将基于模型驱动的SR方法和基于数据驱动的深度学习方法相结合,首次将深度展开(DU)引入到机载雷达杂波抑制和目标检测之中。首先,建立了阵列误差(AE)条件下的杂波空时谱和阵列误差参数联合估计模型,并利用交替方向乘子法(ADMM)进行求解;接着,将ADMM算法展开为深度神经网络AE-ADMM-Net,利用充足完备的数据集对其迭代参数进行优化;最后,利用训练后的AE-ADMM-Net对训练距离单元数据进行处理,快速获得杂波空时谱和阵列误差参数的准确估计。仿真结果表明:与典型SR-STAP方法相比,该文所提出的DU-STAP方法能够在保持较低运算复杂度的同时提高杂波抑制性能。      

利用最强散射点信息的平动补偿与微多普勒提取

为了解决强噪声和平动调制下多散射点微多普勒提取问题,提出了一种基于最强散射点瞬时多普勒信息的平动补偿和微多普勒提取方法．该方法利用Viterbi算法提取最强散射点瞬时多普勒,根据多普勒率与微多普勒关系提取最强散射点的平动多普勒;通过对平动多普勒的多项式回归得到平动参数,进而重构平动信号,并对回波信号进行平动补偿;通过对补偿后信号时频面进行Hough变换正弦检测来提取各散射点的微多普勒参数．仿真实验结果验证了该方法的有效性和精确性．