雷达脉冲串信号频差估计性能研究

探讨了基于互相关法的雷达脉冲串信号频差估计性能.初步结论是:(1)对占空比不小于2%、持续时间为10ms左右的雷达脉冲串信号,只要其信噪比优于12dB,互相关法可以达到1Hz量级的频差估计性能;(2)提高采样频率可在更低的信噪比条件下或对更小占空比的雷达脉冲串信号实现同等精度的频差估计.     

固有模态函数(IMF)积检测器——以低信噪比情况下超宽带雷达信号检测为例

首次提出了一种固有模态函数积检测器.首先通过经验模式分解(EMD)把带噪信号分解成有限个固有模态函数(IMF).检测的基本思路是,对各个IMF分量的绝对值作逐点乘积,用于抑制噪声并凸现信号,最后进行滤波和判决.本文以UWB信号为例,数据源于UWB雷达实验系统.在低信噪比(SNR),UWB脉冲与噪声波形相似,且噪声概率密度函数(PDF)未知情况下,进行实验.结果表明,当峰峰信噪比低于5 dB时,该检测器性能优于Teager能量算子(TEO).     

正弦波频率估计的改进Quinn算法

针对Quinn算法在信号频率接近量化频率时估计误差较大的问题,提出一种改进的Quinn(I-Quinn)算法。改进算法首先对信号进行频移,使信号频率始终位于相邻量化频率中心区域,然后再用Quinn算法估计信号频率,便可以获得较高的估计精度。I-Quinn算法改进了判据,在较低的信噪比(SNR)下仍能保持较高的频率估计精度。仿真结果表明:在低信噪比条件下改进算法估计性能不随被估计信号的频率分布而产生波动,在整个频段内估计均方根误差(RMSE)接近克拉美-罗下界(CRLB),精度和稳定性优于同类算法。     

一种利用信号幅度信息的光学传感器像平面GM-PHD滤波算法

针对光学传感器像平面多目标跟踪应用,基于有限集统计学理论(Finite Set Statistics, FISST)提出一种利用信号幅度信息的高斯混合概率假设密度(Gaussian Mixture-Probability Hypothesis Density, GM-PHD)滤波算法。该算法通过建立信号幅度似然函数将幅度信息引入到PHD的递推公式中,首先根据光学传感器的特点对输出的信号幅度进行建模,然后分别计算来源于目标和杂波的信号幅度似然函数,在目标信噪比未知的情况下给出一种替代计算方法,最后采用高斯混合方式实现该算法。仿真结果表明,本文提出的算法相比仅利用量测位置信息的PHD滤波器能够显著提高多目标跟踪性能和计算效率,而且在目标信噪比未知时同样具有稳定的性能。     

基于匹配模板的雷达信号快速识别系统设计

雷达采用低截获概率(LPI)技术之后,特别是在低信噪比条件下,传统的雷达信号识别方法将暴露出对弱信号无能为力、识别率低等缺陷.针对这些问题,设计了基于匹配模板的雷达信号快速识别系统,介绍了系统设计的基本思路,提出了敏感参数这一概念,保证了正确识别率.以线性调频信号为例制定了相应的匹配识别准则,通过仿真实验验证了该准则的有效性和该系统的可行性.在信号受到噪声污染的情况下,该系统对线性调频信号的识别信噪比可以达到-6dB.     

基于循环平稳性的噪声调频干扰高分辨测向方法

根据噪声调频信号循环平稳特性分析,提出了基于阵列接收信号循环均值-空域处理的波达方向(DOA)估计算法。仿真结果表明:该算法的角度估计性能明显高于比幅比相单脉冲测角法,且在高信噪比环境中,该法的估计性能更好、运算量较小。     

直扩通信系统信噪比估计在LDPC译码中的应用

针对LDPC码的信噪比误差使置信传播(BP)译码算法性能下降的问题,提出一种扩频码辅助的直接序列扩频信号信噪比最大似然估计算法,并利用解扩后的相关值序列对存在的小多普勒频偏情况进行修正。仿真结果表明,该算法在较低信噪比时仍可以达到比较好的估计精度,采用估计信噪比作为BP译码先验概率对译码性能影响非常小。     

空间通信远距离非均匀天线组阵技术研究

介绍了用于深空通信的天线组阵技术中常用的SIMPLE和SUMPLE信号合成算法。根据远距离天线组阵的特点,采用符号流合成(SSC)方法对信号进行合成,用快速傅里叶变换(FFT)实现信号互相关来自适应地消除时差,用最小均方(LMS)误差算法实现最大比合成(MRC)。仿真结果表明:可实现300Mbit/s数据速率的信号接收,信号合成增益相对于理论增益损失在0.3dB以内,系统在信噪比(SNR)为-3dB的条件下仍能正常工作。文章采用的方法,可用于远距离非均匀天线组阵,也可用于具有较高数据传输速率的航天器通信。     

基于瞬时自相关的脉冲时域参数高精度测量技术

在数字接收机中通过解析信号的包络和瞬时自相关信号的包络可以测得脉冲时域参数,利用瞬时自相关信号的包络在一定程度上可以改善低信噪比条件下的测量精度,仿真表明修正后的算法在信噪比为0dB时仍有很高的测量精度。     

基于ZFFT的低信噪比无人机信号载频估计方法

针对远距离探测民用微型无人机信号时的低信噪比条件下高精度载波频率估计问题,提出基于Zoom-FFT(ZFFT)和二次插值(或Rife算法)的快速、精确估计改进算法。算法先利用FFT粗估信号频率,然后利用ZFFT算法对频谱细化,通过简化数字滤波器,采用积分求和的方式滤波,并与数据抽取相结合,同时实现滤波与抽取。最后,利用二次插值法(或Rife算法)对载频估计值作进一步修正。仿真结果表明,所提算法在低信噪比条件下估计精度和运算效率均有明显优势。     

微惯性测量单元信号小波自适应滤波仿真研究

针对微惯性测量单元信号进行小波多分辨率分析后在各尺度空间呈现的不同特性,提出了一种分解层数和阈值门限自适应选取的滤波去噪方法,同时采用具有紧支集特性的Daubechies正交小波基和改进的阈值函数,自适应选取分解层数并逐层进行阈值自适应滤波,然后经小波逆变换重构原始信号,最后应用实际的M IMU信号进行滤波仿真。实验结果表明该方法能有效消除M IMU信号随机误差,大幅改善其零偏稳定性和信噪比,且算法简练通用性强,有很强的实用性。     

扩频谱相关自适应滤波技术的研究

被高速伪随机码调制的扩频信号,其伪随机码是具有随机编码信号特征的周期信号。所以,扩频信号应被建模为周期信号(循环平稳信号)。循环平稳信号与其信号的频移副本之间具有很强的谱相关性,充分利用这种谱相关性可以实现对窄带和宽带干扰的抑制。基于循环平稳理论和自适应滤波理论,提出了一种基于改进的LMS算法的扩频信号谱相关自适应滤波技术。这种变步长的谱相关自适应LMS滤波器能实现对窄带和宽带干扰的抑制,仿真结果证明了其有效性。     

自适应融合IMM的自主无线电载波跟踪算法

针对深空自主无线电接收技术中信噪比(SNR)未知的载波跟踪问题,提出了一种自适应融合的交互式多模型(IMM)算法,可以根据实际环境的信噪比自适应地调节IMM估计器的噪声方差,以实现对未知SNR信号的正常跟踪,并保证频率跟踪精度几乎不受初始噪声方差的影响。在分析系统收敛性的基础上,该算法采用模型概率自适应调整策略,根据系统收敛判断条件自适应地调整IMM模型集中各模型的概率,保证了系统的收敛性,提高了跟踪精度,与广泛使用的Sage-Husa自适应滤波算法相比,收敛时间缩短了一倍左右。     

复杂背景中红外弱小目标检测技术研究

对复杂背景中红外弱小目标检测识别的一种图像处理技术进行了研究。用最大中值滤波进行预处理以抑制孤立噪声影响,采用时域方差滤波抑制背景信息,对滤波后的图像根据直方图信息进行自适应二值化处理,由多帧轨迹确定目标。用实验与基于形态学算子滤波的目标检测算法进行了比较,结果表明该算法能获得较满意的目标检测结果,两种滤波方法的组合可有效提高信噪比。     

GPS/速率陀螺组合Kalman滤波姿态确定算法研究

建立了GPS／速率陀螺组合姿态估计系统的模型，研究比较了三种典型的Kalman滤波姿态确定算法：状态扩充法、量测量求差法和时变噪声估计跟踪自适应滤波算法。给出了某航天器采用GPS／速率陀螺组合姿态确定的仿真计算结果，并对结果进行了分析。结果表明，与传统Kalman滤波算法比较，时变噪声跟踪自适应滤波算法和量测量求差滤波算法能较好地消除GPS测量中相关时变噪声的影响，提高姿态确定的精度；而且时变噪声跟踪自适应滤波算法能很好地消除由于噪声统计性能的不确定性对Kalman滤波的影响，提高姿态确定系统的性能。     

利用S变换的X射线脉冲星信号恒虚警率检测算法

针对传统的X射线脉冲星信号检测算法计算量大及在低信噪比下检测性能差的问题,提出了一种结合S变换的恒虚警率检测算法。首先,根据高斯白噪声的S变换域功率谱分布特性对累积信号的时频功率谱进行阀值滤波;然后累加阀值滤波后的信号功率谱作为检测统计量,从理论上对检测统计量的分布特性进行分析,得出检测统计量服从高斯分布,并用蒙特卡罗方法进行了验证。在此基础上,利用检测统计量的概率密度函数计算判决门限,从而实现了恒虚警率检测。理论分析和实验结果表明,本文算法的检测性能优于同类基于高斯分布的恒虚警率检测算法,并且具有较低的复杂度。     

一种基于模糊神经网络的Speckle图像滤波器

提出一种新的基于模糊神经网络 (FNN)的 Speckle噪声自适应滤波器 ,以实时处理 SAR图像。讨论了模糊神经网络滤波器结构的设计、模糊规则的选取以及采用改进遗传算法进行参数优化的方法 ,最后 ,结合图像处理应用实例 ,与其它传统图像滤波器进行比较 ,验证所述滤波器在滤除噪声和保持细节纹理方面的有效性。     

基于变步长LMS算法的IMU信号降噪研究

针对遥测系统小型化惯性测量单元惯性敏感元件精度较低,随机噪声较大的情况,研究基于变步长LMS自适应滤波技术的IMU信号实时降噪问题。算法通过实时递推得到失调误差和输入信号的互相关系数估值,利用估值实现算法的变步长控制,克服了固定步长NLMS滤波在收敛速度、跟踪能力和稳态精度之间的矛盾,具有收敛速度快、稳态精度高、动态信号随机噪声抑制能力强的优点。实验表明,变步长LMS自适应滤波技术可有效降低IMU信号的随机噪声,为遥测系统测量精度的提高提供技术支撑。     

基于特征空间的GPS自适应阵干扰抑制技术研究

讨论了GPS系统中自适应阵干扰抑制的问题,对比研究了最优自适应阵与基于特征空间自适应阵的抗干扰性能。通过理论推导和仿真分析,与最优自适应阵相比,基于特征空间在信号与干扰噪声比性能上略有不如,但其在理论上能够完全抑制干扰,具有更好地干扰抑制比。     

自学习自适应INS／Doppler组合导航系统

本文通过引入文［１］提出的自学习适应Ｋａｌｍａｎ滤波，而将氢此组成的具有自学习功能的智能组合导航系统直接建立在噪声分布密度的异步自学习估计上，由于此时的ＬＡＫＦ在每次重复滤波实验后可离线异步地学习模型与量测噪声的统计特性，从而可有效地避免滤波发散现象并能确保实时性。文中结合某飞行器，对ＩＮＳ／Ｄｏｐｐｌｅｒ组合导航系统进行了仿真研究，所得结果十分满意。