利用最强散射点信息的平动补偿与微多普勒提取

为了解决强噪声和平动调制下多散射点微多普勒提取问题,提出了一种基于最强散射点瞬时多普勒信息的平动补偿和微多普勒提取方法．该方法利用Viterbi算法提取最强散射点瞬时多普勒,根据多普勒率与微多普勒关系提取最强散射点的平动多普勒;通过对平动多普勒的多项式回归得到平动参数,进而重构平动信号,并对回波信号进行平动补偿;通过对补偿后信号时频面进行Hough变换正弦检测来提取各散射点的微多普勒参数．仿真实验结果验证了该方法的有效性和精确性．     

基于MIMO雷达虚拟阵列的二维波达方向估计算法

基于L型配置MIMO雷达系统,提出了一种利用MIMO雷达单次回波的二维波达方向估计新算法。该算法通过单次回波信号形成的虚拟阵列数据来构造两个具有特定关系的矩阵,再用这两个矩阵构造一个波达方向矩阵,根据该矩阵的特征值和特征向量之间的关系,导出了目标方位角和高低角的闭式解。该算法不涉及二维谱峰搜索,计算量小,且不存在参数的配对问题;此外,当发射阵元数大于2时,其估计的最大目标数可大于或等于接收阵元数。计算机仿真结果证明了该算法的正确性和可行性。     

基于拟牛顿方向的改进平滑[l0]算法

稀疏分解算法是信号稀疏分解领域的一个重点问题,关系到稀疏分解在实际中的应用。在分析平滑[l0]算法的基础上,提出了基于拟牛顿方向的平滑[l0]算法。该算法在求解[l0]范数的近似函数最优解时,取代平滑[l0]算法中的最速上升方法,以拟牛顿方向作为迭代搜索方向。仿真结果表明,利用基于拟牛顿方向的平滑[l0]算法对信号进行稀疏分解,得到的稀疏分解系数精确度更高,与真实系数之间的误差更小,信噪比更大,抗噪声能力更强。     

基于D-S证据理论的空中目标敌我识别研究综述

D-S证据理论作为一种不确定性推理工具,能够充分发挥多源信息融合的优势,提高空中目标敌我识别结果的准确性.本文从空中目标敌我识别的实际应用出发,介绍了D-S证据理论的基本原理,梳理了空中目标敌我识别中需要解决的关键问题,然后从空中目标敌我识别的识别方法和信息融合两个方面,对现有研究方法进行了归纳与分类,并简要总结了每种...     

基于L型MIMO雷达二维DOA估计新算法

将MIMO思想应用于L型阵雷达,建立了L型MIMO雷达信号模型,并在此基础上,根据DOA矩阵法,利用MIMO体制雷达产生的虚拟子阵列来构造一个二阶统计量,从而得到了目标方位角和俯仰角的闭式解.该算法不涉及多维谱峰搜索,因此具有较小计算量;此外,该算法估计出的目标的方位角和俯仰角可自动配对,不存在参数的配对问题.计算机仿真结果证明了本文算法的正确性和可行性.     

阵列互耦条件下相干信源DOA估计算法研究

针对阵列互耦条件下相干信源到达方向（DOA）估计的问题,利用均匀线阵互耦矩阵的带状循环特性及对称Toeplitz性,提出了一种基于改进的空间平滑算法的信源DOA估计算法。该算法无需阵元的互耦参数信息,只需一维谱峰搜索,避免了通常多参数联合估计的多维非线性搜索及迭代运算;由于采用改进的空间平滑算法,所以该算法具有很好的统计估计性能。计算机仿真结果验证了该算法的正确性和有效性。     

基于直觉模糊集和证据理论的空中目标综合识别

为提高空中目标敌我识别能力,提出一种基于直觉模糊集和证据理论的空中目标综合识别方法.该方法采用多属性决策的思想解决空中目标综合识别问题,首先借鉴美军先进做法对空中目标综合识别问题进行描述;接着对空中目标综合识别进行多属性决策建模,分别使用AIFS交叉熵、冲突系数与证据距离相结合的方式计算属性权重和专家权重,并使用证据折扣法对属性信息和专家信息集结过程中的证据进行修正与融合;最后结合实例和对比分析验证了该方法的可行性.     

基于主成分分析的字典学习

在??奇异值字典学习方法的基础上,结合主成分分析方法提出了??主成分分析字典学习方法。该方法取代了??奇异值分解(KSVD)方法中对误差项直接进行SVD分解来更新原子,取而代之的是通过对误差项进行PCA分解,提取其主成分作为字典中原子的更新。仿真结果表明,与KSVD字典学习方法相比,所提出的方法字典学习效果更好,对训练样本的表达误差更小,学习字典更能表达训练样本的特征。     

基于MIMO雷达虚拟阵列的近场目标定位

提出了一种基于MIMO雷达虚拟阵列的近场目标定位新算法。该算法通过MIMO雷达形成的虚拟阵列的互协方差矩阵来构造一个新的二阶统计量矩阵,利用其相应的特征值及特征向量估计出近场目标的三维参数。由于不同虚拟阵列的噪声是不相关的,所以该算法可适用于任意的加性高斯噪声环境。与现有的无源阵列近场源定位算法相比,该算法的参数估计结果能自动配对,无需参数配对过程,且不存在接收阵列孔径损失的问题。计算机仿真结果证明了本文算法的正确性和有效性。