脉间频率编码脉内复合调频雷达信号设计与分析

现代的战场环境复杂多变,机载雷达除了需要具备较高的目标分辨力来完成目标探测任务外,还应具备大时间带宽积、低截获因子、低功率谱幅度、不均匀频谱及最大不确定性等良好的射频隐身性能。为了设计性能良好的射频隐身波形,本文以脉间脉内双重频率编码（interpulse Costas and intrapulse Costas,Costas-Costas）信号的时频特征为基础,在保持子脉冲间频率捷变的同时,在子脉冲内采用Costas频率编码和非线性调频相结合的复合调频方式,得到脉间频率编码脉内复合调频（interpulse Costas frequency coded and intrapulse Costas and NLFM composite frequency modulation,Costas-CN）雷达信号。与单一调制信号、脉间频率编码脉内非线性调频（interpulse Costas frequency coded and intrapulse nonlinear frequency modulation,Costas-NLFM）信号和Costas-Costas信号相比,该信号极大地增...     

色噪声下圆阵的全加权MUSIC算法

针对色噪声下多重信号分类(Mutiple Signal Classification,MUSIC)算法方位估计的不准确问题,提出一种预处理修正的全加权MUSIC算法。该算法利用估计的噪声相关矩阵对圆阵接收数据进行预处理后即可消除色噪声对方位估计的影响,然后应用修正的全加权MUSIC算法,在不需要知道信源数目的条件下就可实现目标的准确估计。仿真结果证实该方法有效。     

无需信源数目的相干信号快速方位估计

针对空间平滑MUSIC算法会降低阵列孔径且运算量较大的难题,提出了一种新算法。该算 法通过对矩阵最大特征值对应的特征向量进行矢量重排,可实现不损失阵列孔径的解相干处 理。再利用重构矩阵逆的高阶次幂来逼近真实的噪声子空间,可避免特征分解,降低了运算 量且不需信源先验数目。计算机仿真结果证实了算法的有效性。     

空间非平稳噪声下圆阵的修正Capon算法

在空间非平稳噪声环境下,利用估计的噪声相关矩阵对圆阵接收数据相关矩阵进行预处理,可以消除非平稳噪声对方位估计的影响。再利用修正Capon算法,可以突破瑞利限的限制,且不需要知道信源数,从而实现目标的高分辨方位估计。仿真结果证实了该方法的有效性。     

色噪声下非均匀线阵的快速方位估计

研究了色噪声下非均匀线阵DOA估计的快速算法。通过合理设置阵元间距,解决了非均匀线阵的空间模糊现象,然后基于转换矩阵法,通过对阵列数据相关矩阵进行预处理,消除了色噪声对方位估计的影响,最后利用线性运算得到噪声子空间,可以大大降低方位估计的运算量。计算机仿真结果证实了该方法不仅运算量小,而且在低信噪比下,分辨性能依然很好。     

色噪声下圆阵的相干源DOA估计快速算法

提出了色噪声下基于圆阵的相干源快速算法。该方法首先利用模式转换技术将阵元空间内的均匀圆阵转换为模式空间的均匀线阵,再利用前后向平滑技术,对信源进行解相干,然后基于转换矩阵法,通过对阵列数据相关矩阵进行预处理,克服了色噪声对方位估计的影响,最后利用线性运算代替特征分解来得到噪声子空间,实现了子空间算法的快速估计。计算机仿真结果证实了该方法的正确性和有效性。     

空间非平稳噪声环境下非均匀线阵的DOA估计

针对在空间非平稳噪声环境下传统的MUSIC算法会失效的问题,提出了一种新的波达方向（DOA）估计方法。该方法利用转换矩阵法,通过对阵列数据相关矩阵进行预处理,从而克服噪声对方位估计的影响,并且该算法适用于非均匀线阵,而非均匀线阵在阵元数目一定的情况下,通过合理设置阵元间距。其方位分辨率较之均匀线阵有较大的提高。计算机仿真结果表明,在非平稳噪声环境下利用该算法非均匀线阵的分辨能力要明显高于均匀线阵。     

基于对称谱的宽带相干信号快速DOA估计

针对聚焦类宽带信号方位估计算法运算量较大的问题,提出了一种快速算法。首先利用矩阵的Toeplitz化重构,不用对阵列进行子阵分割,就可实现宽带信号的解相干;然后根据接收数据协方差矩阵的厄尔米特特性,利用酉变换将复数矩阵映射为实数矩阵,通过在实数域特征分解,降低了特征分解的计算复杂度;最后通过投影子空间正交技术,利用噪声子空间和共轭噪声子空间重新构造空间谱,根据谱对称性,在半谱内搜索即可得到信号的角度,同时使谱峰搜索的运算量降低了一半。理论分析及仿真结果表明,新算法无需聚焦运算,精度较高,运算量小,对宽带相干信号有效。     

能量收集下的D2D-MEC计算卸载

针对移动边缘计算(MEC)在能源消耗和安全性方面的问题,研究具有社会关系和能量收集(EH)的D2D-MEC物联网网络中的任务卸载和资源分配问题,提出基于李雅普诺夫优化的D2D在线决策匹配和资源分配(ODMRA)算法.将用户之间的社会关系量化为社会信任矩阵,将能源消耗、包丢失、社会信任度表述为长期随机优化问题,采用李雅普诺夫优化方法将其分解为一系列子问题后分别求解.对于D2D间的决策选择子问题,结合子模块优化和贪婪算法设计低复杂度的策略选择算法.理论分析和仿真结果表明,所提出的ODMRA算法有效地优化了卸载方案,平衡了系统服务成本和队列长度,在能量消耗、系统服务成本方面优于其他对比算法.     

欠估计下相干信号的修正MUSIC算法

针对基本MUSIC算法是在信源正确估计的条件下才能应用的情况,论述了一种在欠估计的情形下改进的MUSIC算法,并将此改进算法成功地用于相干信号中,扩展了改进算法的适用范围。仿真结果证明了这种扩展的有效性。