双基地雷达前向散射地表杂波统计特性分析

本文通过对杂波实测数据的处理,利用高斯分布模型、指数分布模型、幂指数分布模型及高阶AR等分布模型,得到了双基地雷达前向散射地表杂波概率分布和功率谱分布的数学模型;并从统计理论上解析地推导了杂波统计模型对目标检测性能的影响.基于估计的概率分布、功率谱分布数学模型及广义匹配滤波理论,实现了前向散射地表杂波的有效抑制与目标运动参数的精确估计,并利用实测数据进行了验证.     

基于K-means算法的时序GB-InSAR图像PS实时选择方法

GB-InSAR(Ground-based Interferometric Synthetic Aperture Radar,地基干涉合成孔径雷达)是一种新型的形变测量工具,应用于长期连续监测时,为了保证形变测量的准确性和实时性,通常需要将SAR图像进行分组处理,并基于PS(Permanent Scatterer,永久...     

基于修正VAD技术的非线性风场反演方法研究

对流风暴的新生和发展演变与三维风场存在密切联系,多普勒天气雷达可利用多普勒效应测量径向速度,可及时地反映风场信息.基于线性风场假设和全方位均匀采样的速度方位显示(VAD)技术是目前应用最广泛的使用单部多普勒雷达反演风场的方法,然而对于台风、龙卷等强对流天气系统,其内部风场空间分布复杂,线性风场假设不成立,以及由于机动平...     

FMCW车载雷达自适应干扰抑制方法

车载雷达间相互干扰可能会导致传感器灵敏度降低,某些情况下会产生虚警.针对这个问题,本文提出了一种基于粒子群优化和自适应对消的干扰抑制方法.该方法将发射端波形优化及接收端自适应滤波相结合,进一步提高雷达的干扰抑制能力.首先采用粒子群算法进行波形参数优化,在参数约束范围内最小化波形相关性,缓解虚警问题,然后基于正交接收机内...     

一种基于前向散射雷达的车辆目标自动识别方法

研究了一种基于前向散射雷达的车辆目标自动识别方法:分析了前向散射雷达回波与目标速度、轮廓等目标特性之间的关系;提出了主瓣对齐的功率谱预处理方法,采用主成分分析方法分析了不同类别车辆的前向散射雷达功率谱的特性;提出了基于多元线性回归的目标特征提取方法,比较了K最近邻法和Bayes分类器对不同特征集的识别性能.实现结果表明,本文采用的特征提取方法显著改善了识别效果.     

多极化前向散射RCS分析及其对目标分类识别的影响

在前向散射情况下,基于阴影逆合成孔径雷达(SISAR)成像原理可以获得运动目标的轮廓像,从而对运动目标进行分类与识别。为了研究多极化对前向散射雷达运动目标识别的影响,该文根据前向散射阴影逆合成孔径原理,建立了目标前向散射雷达截面积(RCS)与目标轮廓像谱信息之间的联系,首次将多极化引入到前向散射目标的分类识别中;并借助电磁仿真软件CST,仿真得到了多极化条件下目标的前向散射RCS曲线。通过分析仿真结果发现同一个目标在不同极化情况下具有不同的前向散射RCS旁瓣曲线,此种差异对应于目标轮廓像的差异;联合多极化产生的前向散射RCS旁瓣差异可以获得更多关于目标轮廓的特征信息。仿真结果验证了多极化能够提高前向散射目标分类识别的能力。     

废旧动力锂离子电池正极材料资源化利用

这是一篇陶瓷及复合材料领域的论文。随着新能源汽车产业迅速发展,动力锂离子电池产量急剧增加。然而,由于动力锂离子电池使用寿命短,即将面临大规模退役,因此对动力锂离子电池进行有效资源化管理十分必要。本文首先对动力锂离子电池主要组成成分进行介绍,并阐明了其进行正极材料回收前梯次利用和预处理进程,重点综述了废旧动力锂离子电池正极材料火法、湿法和生物法回收技术,提出了生物法回收在废旧动力锂离子电池正极材料资源化处置问题上面临机遇与挑战。本文成果将为动力锂离子电池绿色资源化回收提供参考,促进新能源汽车产业健康发展。     

智慧城市云平台构建研究

分析了国内智慧城市建设存在的问题,提出了智慧城市云平台的构架,论述了智慧城市云平台建设目标、实施步骤及建设运营模式,剖析了智慧城市云平台的产业链。     

间歇采样转发式干扰的时频域辨识与抑制

间歇采样转发式干扰利用数字射频存储器(DRFM)对雷达发射信号进行截获与转发,具有小型化、轻量化和灵活多变的优势,可搭载在目标上形成多点源主瓣干扰,对现代雷达构成了严重威胁。该文对上述干扰的辨识与抑制方法进行了研究。通过推导干扰脉冲压缩与时频分布的解析表达式,分析了目标回波与典型干扰信号的时频特征差异;在此基础上,提出一种时频域干扰辨识方法,并构造时频域滤波器进行干扰抑制。仿真结果表明:在原始信号干噪比大于–3 dB的情况下,算法辨识率可达90%;在此基础上,通过时频域滤波可以对3种典型策略下干扰都进行有效抑制,其峰值信干噪比改善可达18 dB。      

昆虫目标雷达散射截面积特征辅助跟踪算法

害虫迁飞具有规模大、突发性强的特点,会导致病虫害异地大爆发,粮食产量下降,造成重大的经济损失。昆虫雷达是监测迁飞性害虫的一种有效手段。昆虫目标的雷达散射截面积(RCS)较小,回波能量弱,在保证高检测率的同时会带来高虚警率问题,进而导致在目标跟踪的数据关联环节,易受虚假量测的影响出现关联错误。幅度特征辅助跟踪算法利用目标与噪声点迹的幅度差异,可以有效提高目标与噪声的识别度,改善跟踪性能,但是其需要已知目标的RCS起伏模型作为先验信息来计算幅度似然比。因此,该文基于Ku波段高分辨昆虫雷达外场实测昆虫回波数据,分析了昆虫目标的RCS起伏特性,得出Gamma分布可以较好地拟合昆虫目标的RCS统计分布,并将其作为先验信息,推导出Gamma起伏目标在高斯白噪声背景下的幅度似然比。通过在不同信噪比、不同量测噪声及不同起伏模型参数下的仿真结果及性能指标分析,验证了相比于概率数据互联滤波算法(PDAF)算法,目标RCS特征辅助的跟踪算法可以有效提高昆虫目标的跟踪精度。