雷达装备参数项目测试级别分析

针对雷达装备参数项目测试级别分析中存在的评价因素多、信息模糊等导致评价结果不合理问题,引入模糊综合评判法来构建评价模型.该模型定义了影响参数项目测试级别的因素量化标度,建立了评价因素集、评语集和权重集,通过专家打分方式构建了单因素评判矩阵,采用加权平均法求得模糊综合评价集和综合评价结果,从而确定被评参数项目的测试级别.实例分析表明:该方法的评价结果合理,可信度高,能较好地解决雷达装备参数项目测试级别的确定问题.     

高斯混合分布杂波下ARM的Wald检测方法

提出一种在高斯混合分布杂波下检测反辐射导弹(ARM)的Wald检测方法.针对基于期望最大化(EM)算法估计杂波参数时,由于初始化不当使迭代运算落入初值陷阱、导致估计错误的问题,提出基于矩-EM算法估计杂波参数的方法,导出了高斯混合分布杂波下ARM目标的Wald检测统计量.不同参数条件下的仿真表明,矩-EM算法能够更准确地估计杂波参数;基于高斯混合分布杂波假设的Wald检测性能明显优于基于高斯分布杂波假设的Wald检测性能.     

非高斯杂波中反辐射导弹的Wald检测方法

Alpha稳定分布是一种有广泛适用范围的非高斯分布模型,本文基于Alpha稳定分布杂波假设,提出了一种反辐射导弹(ARM)的Wald检测方法.当Alpha稳定分布的特征参数α值较小时,基于功率谱或基于共变α谱的频率估计性能将明显下降,为此本文提出基于分数低阶协方差(FLOC)谱方法估计ARM载机信号的多普勒频率,并针对载机信号的强相关性用对消器抑制载机信号,最后导出了标准对称Alpha稳定分布杂波下ARM的Wald检测统计量.仿真结果表明,基于FLOC谱能够准确地估计信号频率,抑制载机信号;基于Alpha稳定分布杂波假设的Wald检测性能与广义似然比检测(GLRT)的渐近性能相当,且明显优于基于高斯分布杂波假设的Wald检测性能.     

高斯混合噪声中弱信号的Rao检测方法

期望最大化(Expectation Maximization,EM)算法是求解参数最大似然估计(MLE)的最优迭代算法,但若参数初始化不恰当,会使估计值落入"初值陷阱",导致错误的参数估计值.为此,本文提出了估计高斯混合噪声参数的矩 - EM算法,即先求参数的矩估计,并用矩估计值初始化参数,再通过EM迭代算法估计参数.在此基础上,经高斯化滤波,导出了高斯混合噪声背景下未知幅度弱信号的Rao检验统计量.仿真结果表明,矩 - EM算法可以更准确地估计噪声参数;基于矩 - EM算法的Rao检测性能优于基于EM算法的Rao检测性能.     

基于Alpha稳定分布噪声模型的Rao统计检测

Alpha稳定分布是一种具有广泛应用范围的噪声分布模型.为此,本文提出了一种基于Alpha稳定分布噪声模型的Rao统计检测方法,导出了Alpha稳定分布噪声条件下正弦信号的Rao检测统计量.通过仿真给出了不同特征指数α时Rao检测的检测性能,并与基于高斯假设的Rao检测进行了比较.仿真结果表明,这种Pao检测器在Alpha稳定分布噪声条件下对微弱信号具有较好的检测性能,明显优于基于高斯假设下的Rao检测.     

基于直接Hough变换的悬停直升机检测器性能分析

根据文献[1]悬停直升机主旋翼回波信号特点，提出了一种新的多扫描周期积累检测器，研究了用直接Hough变换实现该检测器的具体方案．理论分析和仿真实验验证了该方法的可行性。     

用二值Hough变换法检测悬停直升机

为了克服直接Hough变换积累存在的缺点,提出用二值Hough变换法实现文献[1]所述用于悬停直升机检测的多扫描周期积累检测器,说明使用二值Hough变换法的优越性,并对系统的检测性能进行了理论分析和仿真实验验证.