ULA阵无模糊入射角分析

首先分析频率响应与波束响应的对应关系,并依据此关系由时域奈奎斯特采样定理对应得到了空域采样定理,进而指出ULA阵存在无模糊入射角区间,并推导出了无模糊入射角的计算公式,最后通过仿真验证了结论公式的有效性。     

一种基于MSD的同步方法

针对PCM/FM系统中多数同步方法都需要在接收端添加额外的软件代价比较大的特点,基于多符号检测(MSD)的PCM/FM信号软件化解调系统,研究了一种基于MSD的迟早门载波同步和升降频码同步方法。利用MSD自身的优势,就地取材,简单地对本地时延和频偏进行加减即可达到同步要求。详细研究了低信噪比环境下,可变步长的时频同步方法,仿真了几种指标之间的关系。在系统代价较低的情况下保证了同步的快速实现。     

基于机动特征辅助的MFR状态预测方法

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.     

基于AdaBoost和决策树的雷达辐射源识别方法

针对传统雷达辐射源识别算法在当前高密度信号环境下进行识别时,存在实时性差、识别准确率低、鲁棒性不强的问题,提出了一种基于AdaBoost和决策树的辐射源识别算法。首先通过信息增益构建单层决策树;然后利用AdaBoost算法对弱分类器进行训练,得到强分类器;最后通过强分类器对测试数据进行识别,得到识别结果。仿真结果表明,利用该方法识别参数误差10%的测试数据,识别准确率能够达到93.78%,时间消耗低于1.5s,具备良好的识别效果。