一种新的二维 DOA 估计方法研究

针对高斯色噪声背景下均匀圆形阵列观测数据的相位模式激励变换结果，提出了一种 基于四阶累积量的 MUSIC 方法。该方法直接利用相位模式激励变换结果构造一种特殊的四阶累积量， 然后借助传统 MUSIC 方法的思想进行二维 DOA 估计。与传统 MUSIC 方法相比，该方法能完全抑制高 斯色噪声，从而得到很好的二维 DOA 估计，在高斯色噪声环境下估计性能明显好于传统的基于相关矩 阵的 MUSIC 方法。计算机仿真验证了算法的有效性。     

基于高精度运动信息的ISAR分辨率评估方法

ISAR分辨率评估是空间目标成像雷达精度鉴定的重要内容。该文针对ISAR分辨率评估中的基准计算与方法设计两个关键问题进行了详细分析,进而提出了基于空间目标高精度轨道与遥测姿态等运动信息的ISAR方位向定标方法。在此基础上,建立了一种新的ISAR分辨率评估方法。利用某雷达精度鉴定试验中对不同空间目标的实测成像数据,验证了该文方法的合理性与有效性。     

基于几何绕射模型的多频带信号融合新方法

多频带雷达信号融合处理利用从不同频段获取的目标在一维谱域呈稀疏分布的雷达观测数据,通过信号级相干融合来提高目标散射中心参数估计精度和一维距离像的分辨能力。传统谱估计类融合方法的性能都受限于模型阶数估计。而多频带的稀疏分布,破坏了观测系统矩阵的互相干性度量,从而使得基追踪（基于l1范数的稀疏表示）方法的全局最优解可能并不等于信号的真实稀疏表示。本文在GTD散射模型的基础上,提出了一种基于稀疏贝叶斯学习的融合方法,既避免了阶数估计,又克服了基追踪方法的缺陷。实验结果也表明了此方法的优越性。      

基于数据仓库和数据挖掘的应用研究

介绍了数据仓库的发展历史,讨论了构建数据仓库的方法和实现数据挖掘的一般步骤.最后用基于关联规则的数据挖掘技术解决网络拥挤的问题.     

基于高精度运动信息的ISAR分辨率评估方法

ISAR分辨率评估是空间目标成像雷达精度鉴定的重要内容.该文针对ISAR分辨率评估中的基准计算与方法设计两个关键问题进行了详细分析,进而提出了基于空间目标高精度轨道与遥测姿态等运动信息的ISAR方位向定标方法.在此基础上,建立了一种新的ISAR分辨率评估方法.利用某雷达精度鉴定试验中对不同空间目标的实测成像数据,验证了该文方法的合理性与有效性.     

FOC-MUSIC与MUSIC算法的稳健性对比分析

分析比较了阵元存在误差时基于四阶累积量的MUSIC方法（FOC-MUSIC）和基于协方差的MUSIC方法对波迭方向的估计性能，给出了大样本情况下估计误差方差的统一公式，基于这个公式从理论上分析了前一种方法的稳健性优于后一种的原因。仿真结果表明；文中提出的理论比较结果与实际仿真结果吻合，在存在幅相误差的情况下，FOC-MUSIC算法的稳健性确实优于基于协方差的MUSIC算法。     

基于GTD模型的多视角多波段窄带雷达信号融合

研究了窄带雷达信号融合问题,提出了一种基于GTD(Geometrical Theory of Diffraction)模型的窄带雷达信号多视角多波段融合的方法.在同波段多视角融合方面,利用Lincoln实验室的方法给出模型参数的初值,再运用遗传算法对参数进行迭代寻优.而在不同波段多视角融合方面,则利用视角融合后获得的同角度不同波段窄带信号联合估计频率衰减因子.并通过仿真实验以二维条带目标为例验证了方法的有效性.     

基于GTD模型的多雷达信号二维融合

多雷达信号2维融合是一种能显著提高成像分辨率和图像质量的参数化成像新方法。但是在宽带小角度观测的情况下,实际目标散射是随着频率的变化而变化,因此传统先插值后处理的融合方法就不再适用了。该文针对以上情况,提出了一种基于几何绕射模型的多雷达信号2维融合的方法,将多雷达信号2维融合问题转化为信号稀疏表示问题,并利用正则化的方法来估计散射模型参数。此方法不仅不需要2维解耦处理,而且通过信号稀疏表示方法可以准确地估计目标散射的频率依赖因子。仿真实验也表明该文方法有效性。     

基于稀疏贝叶斯学习的多频带雷达信号融合

针对多频带雷达信号融合,建立了多频带雷达信号表示模型,将多频带信号融合问题等价于一个信号表示问题。研究了基追踪算法在多频带信号融合中的局限性,研究表明:由于多个频带的稀疏分布,破坏了字典的相干性,使得基追踪算法可能无法收敛到真实的稀疏解。提出了基于稀疏贝叶斯学习的多频带信号融合方法,并证明了字典满足唯一表示性条件从而可以保证算法收敛到真实的稀疏解。实验表明:基于稀疏贝叶斯学习的多频带信号融合方法能够更加真实地反映目标散射特性。     

基于EMEMP的雷达二维信号融合成像新方法

雷达信号融合成像是一种能显著提高成像分辨率的参数化新方法.基于改进的Root-Music的传统融合方法对噪声敏感, 且存在模型极点失配的问题.本文通过将MEMP(Matrix Enhancement and Matrix Pencil)的二维频率估计方法推广到稀疏数据域,提出了一种基于扩展矩阵增强矩阵束(EMEMP)的融合新方法.此方法首先构造每一维联合增强矩阵,使其满足MEMP算法的配对要求,然后利用MEMP方法估计模型极点,进行极点配对,然后估计模型系数,最后内插频谱以达到融合的目的.实验结果表明相对于传统融合方法,该方法解决了极点失配的问题,提高了模型参数估计的稳健性.