排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
组网雷达的多视角特性有利于获取目标的真实空间结构。该文在构建有翼进动目标回波模型的基础上,分析不同类型散射中心的微多普勒信息变化率的变化趋势,对微多普勒信息进行分离提取。利用非线性最小二乘拟合获取散射中心的幅度、相位信息。基于微动特征的不变性,利用多部雷达锥顶散射中心的幅度信息估计微动特征和坐标转换参数。然后根据各散射中心在不同视角上投影分量的差异,实现尾翼散射中心的匹配,之后求解散射中心的瞬时空间位置,实现目标重构。仿真验证了算法的有效性,并分析了微动参数和信噪比对重构结果的影响。 相似文献
3.
该文提出一种基于多路去耦网络解耦宽带天线阵的设计方法。首先,通过节点分析法推导通用多路去耦网络模型的解耦条件和阻抗匹配条件,形成一般设计方法。其次,将多路去耦网络应用至2元对跖Vivaldi天线阵,以低频段为设计基点,依据设计原理得到多路去耦网络的结构参数,增加渐变传输线拓展去耦带宽。实测结果表明,阵列在3.34~13 GHz(3.89:1)的工作频段内隔离度均高于20 dB,与耦合阵相比隔离带宽增加58.8%,且辐射性能得到改善。最后,在1维8元阵列中验证多路去耦网络的有效性,阵列在带内隔离度均高于20 dB,且在±60°的扫描范围内具有良好的辐射性能。所设计的多路去耦网络具有通用性、结构简单和宽带解耦能力,在相控阵天线和大规模通信系统中具有极大的应用前景。 相似文献
4.
5.
针对典型弹道锥体目标分类需构造、提取人工特征而缺乏通用性及智能性的问题,提出一种利用卷积神经网络(Convolutional Neural Network,CNN)与长短期记忆网络(Long Short-Term Memory,LSTM)相结合的网络模型,对弹道锥体目标的微动时频图实现智能分类的方法。首先,分析弹道锥体目标的微多普勒特征,得出不同微动形式的微多普勒频率;然后,利用AlexNet网络的图像特征提取能力与BiLSTM网络的时序特征提取能力构造AlexNet-BiLSTM网络模型,并通过模拟雷达回波生成的时频图数据集对网络进行训练、调试;最后,仿真结果表明该网络能实现弹道锥体目标的智能微动分类,验证了该网络的有效性及鲁棒性。 相似文献
6.
针对由于遮挡效应导致的弹道目标微多普勒历程缺失问题,该文提出一种基于压缩感知理论的微多普勒历程修复算法。首先建立进动目标滑动散射中心模型,分析其微多普勒特性;其次,探究不同观测角度下各散射中心的有效性,分析遮挡效应对于散射中心微多普勒历程的影响;再次,根据观测到的缺失的微多普勒历程,设计压缩感知框架下的观测矩阵,采用SP(Subspace Pursuits)算法对为微多普勒历程进行修复;最后,仿真实验验证了遮挡效应对微多普勒历程的影响以及该文提出的修复算法的有效性。 相似文献
1