排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
针对乘性双态噪声和加性周期调制简谐噪声联合作用的线性过阻尼振子,利用Shapiro-Loginov公式推导了系统响应的一阶矩以及稳态响应振幅的解析表达式,得出了稳态幅值关于各种噪声参数出现随机共振的条件。研究表明在一定条件下,系统稳态响应振幅关于各种噪声参数具有非单调依赖关系,即出现了随机共振现象;特别地,简谐噪声和普通白噪声相比,不仅具有传统的刻画指标-噪声强度参数,还具有另外两个新的指标参数,即阻尼参数和频率参数。通过对这两种参数的调节可以有效控制系统稳态响应振幅的随机共振现象,有助于增强系统对外部周期信号的响应程度,从而提高系统对微弱周期信号检测的灵敏度和实现对周期信号的频率估计。 相似文献
2.
认知雷达波形设计往往依赖于精准的杂波先验信息,当先验信息数据存在缺失时,所构建的杂波模型会严重失配,进而影响雷达对杂波的抑制能力。该文针对杂波先验数据缺失条件下的雷达波形优化问题,建立完全随机缺失机制下的点状与块状缺失场景,设计恒模与相似性约束的波形优化模型,提出基于优先级填充-强化学习级联优化的雷达波形训练算法:即采用强化学习智能体与填充算法修复后的杂波环境相交互的级联方法,以最大化信杂噪比为优化目标,通过迭代训练得到雷达最佳波形参数配置策略。最后,仿真验证不同缺失概率条件下所提算法的优越性。结果表明:相比于传统非级联优化算法,该文所提算法均可获得更优的杂波抑制性能,有效提升雷达的探测能力。 相似文献
3.
提高跟踪准确度是雷达发展的重要方向之一,本文通过建立的雷达跟踪模型,从批处理的角度,将多个状态矢量联合进行处理,并改进了量测方程,给出了一种使用序列批处理Kalman滤波(SBKF)以提高雷达跟踪准确度的新手段。通过仿真实验看出,相比传统扩展卡尔曼滤波(EKF)算法,序列批处理Kalman滤波的结果更接近真实值,有更好的收敛性,能得到更加稳定的滤波结果,有效地抑制了量测方程非线性化和野值带来的影响。 相似文献
4.
介绍了传统的带多普勒量测信息的双基地目标跟踪模型,提出了采用一组新的状态变量替代原有状态变量,得到了极坐标系下量测方程完全线性化的双基地跟踪模型,并将无迹卡尔曼滤波(UKF)应用于这个非线性系统的目标跟踪。通过仿真实验看出,与同样使用UKF进行跟踪的传统的混合坐标系跟踪模型相比较,极坐标系UKF算法有更好的跟踪性能,收敛快,对噪声有更强的适应能力。 相似文献
5.
6.
基于多弹平台的空间分布式雷达构型决定了杂波距离环位置,直接影响杂波回波能量的强弱,从而影响目标检测性能。为实现多弹协同航迹规划过程中的杂波抑制,提升目标检测性能,基于多智能体深度强化学习算法对多弹航迹进行智能规划,将目标检测性能作为该算法的优化目标,引入能量约束与动力学约束等约束条件,训练得到多弹协同智能航迹规划策略,通过控制多弹飞行过程中的空间分布降低杂波回波能量,实现动态环境下的杂波抑制。通过仿真验证表明,所提算法能有效降低强杂波对目标检测的影响,提高了多弹在飞行过程中的检测性能。 相似文献
1