基于PM算法的涡旋电磁波引信超分辨测向方法

为提高防空导弹无线电引信在低信噪比（SNR）背景下的测向精度，提出了基于传播算子算法（PM）的涡旋电磁波引信超分辨测向方法。通过相控均匀圆阵依次发射不同轨道角动量模态涡旋电磁波照射目标，基于多发单收（MISO）模型推导目标探测回波模型；通过对回波方程的近似变形构造接收信号矩阵；采用PM算法构造空间谱函数，进行谱峰搜索，实现对目标水平方位角的估计。对所提方法的有效性进行仿真验证，结果表明，所提方法可在低信噪比、少阵元情况下实现对目标的精确测向。      

基于深度学习的无人机数据链信噪比估计算法

无人机数据链通信受到各种自然与人为的干扰,信噪比（SNR）是信道状态和通信质量的有效评估指标。为解决传统估计算法信噪比估计精度不足的问题,提出了一种卷积神经网络（CNN）与长短时记忆（LSTM）网络结合的估计模型。利用仿真与实测相结合的方式,构建了一个包含不同信噪比、调制方式、衰落信道等信息的无人机通信信号数据集;在网络训练阶段,将样本序列进行分割,对分割后的每一部分序列使用CNN-LSTM网络提取深度特征,多次训练并保存模型参数;在测试阶段,利用构建好的测试集完成对算法的验证与测试,得到信噪比估计值。实验表明,相比于传统信噪比估计算法与单一网络结构的深度学习算法,所提算法的均方误差最低,实现了对信噪比的高精度估计。      

基于在线频率估计的自适应反馈主动隔振技术

针对自适应前馈控制方法的缺点,提出一种周期性振动主动控制的自适应反馈控制方法.利用误差信号恢复振动干扰信号,采用级联陷波器估计信号中周期性分量的频率,并在估计频率处为控制器构造参考信号;控制器的参数则根据Lyapunov稳定性原理进行调整.仿真和主动隔振试验结果表明:频率估计方法在不同信噪比情况下均具有较好的估计精度;主动控制方法在振动频率处的隔振效果明显,隔振量可达16?dB以上,且控制器的参数收敛速度较快.     

基于SA&M-Relax的外辐射源雷达目标DOA估计方法

外辐射源雷达回波信噪比极低，通常在距离-多普勒二维相关后进行目标角度估计。在这种单快拍情况下，经典的超分辨算法由于协方差矩阵的非正定性导致算法性能较差。针对这一问题，在A&M插值迭代算法的基础上，提出了一种适用于稀疏阵列的SA&M-Relax外辐射源雷达目标DOA估计方法。在相同阵元数目的情况下，与原有算法相比提高了目标角度估计的分辨率与精度，同时减少了运算量。通过仿真实验验证了所提方法的有效性。      

基于认知无线电的GEO与LEO卫星频谱共存

随着新的宽带多媒体业务的发展，宽带无线频谱的需求日益增长。同时，低轨道（LEO）卫星由于其传输损耗低、传播时延小而被大规模部署。为了更好地利用频谱资源，卫星通信系统普遍采用高轨道（GEO）卫星与LEO卫星频谱共存的方案来提高频谱利用率。在频谱共存的过程中，提出了一种基于动态阈值的能量检测与波束跳跃相结合的算法，以减小LEO对GEO卫星的干扰。首先对LEO卫星的信噪比进行估计并实时选择最优阈值，然后利用基于动态阈值的能量检测算法对GEO卫星信号进行判别，最后根据判断的结果进行波束调整。仿真结果表明，提出的基于动态阈值的能量检测算法的检测误差明显低于传统的基于固定阈值的能量检测算法和基于二阶循环统计量的频谱感知方法。当信噪比低于-10dB的情况下，检测误差低于0.2；而当信噪比高于-5dB时，检测误差趋近于0。     

基于特征序列的时域STBC-OFDM盲识别算法

为有效解决STBC-OFDM信号盲识别过程中存在的低信噪比适应能力弱等问题，在OFDM块大小已知的前提下，提出了一种在时域上构造特征序列的识别算法。该算法推导了空时分组码接收信号的时域特性，以及四阶特征向量，并构造特征序列，通过检测特征序列达到识别4种STBC-OFDM信号的目的。推导和仿真结果表明:所提算法无需信道、噪声、调制方式和OFDM块起始位置等先验信息，在较低信噪比条件下也具有良好的识别性能，且对频偏、多普勒频移和时延的鲁棒性能好，计算量较低，具有较高的实用价值。      

利用Toeplitz特性改善来波方向估计性能

提出一种利用协方差矩阵的Toeplitz特性,使估计的协方差矩阵成为Toeplitz矩阵的方法,在低信噪比短数据流情况下,改善来波方向(DOA)估计的性能,且不需增加乘法运算量.对MUSIC算法和PRO-ESPRIT算法进行了分析并作了计算机仿真,仿真结果表明:利用Toeplitz特性后,MUSIC算法谱峰幅度增大,波谷相对波峰的深度增加,这将有利于目标的分辨;并可减小低信噪比情况下MUSIC算法和PRO-ESPRIT算法DOA估计的方差.     

多星分布式无源相干定位方法

针对方向性辐射源信号主瓣波束窄测向定位精度不足的问题，提出多星分布式无源相干定位方法。首先，根据参考星接收到的主瓣强信号对辐射源位置进行粗定位，并根据粗定位信息对频移进行补偿；随后，将参考星信号分发至临近卫星，在粗定位范围内对相干星接收到的旁瓣弱信号进行互相关搜索，解算时差信息；然后，采用多星时差定位体制估计辐射源精确位置；最后对提出算法进行了Cramer-Rao下界分析，并通过仿真实验对算法进行验证。仿真结果表明，算法在弱信号信噪比(SNR在-40～0 dB)的情况下，定位误差能够快速逼近Cramer-Rao下界，并且能够有效提高辐射源的定位精度。     

平飞模式机载双基地SAR动目标检测方法

提出了一种平飞模式机载双基地SAR地面慢速运动目标检测和参数估计方法.考虑到双基地SAR系统的特点,采用分数阶傅里叶变换(FrFT,Fractional Fourier Transform)技术对动目标进行聚焦,以提高动目标的信杂比.同时结合多通道杂波抑制干涉技术,进一步抑制地杂波并实现动目标参数的精确估计.从双基地SAR的空间几何模型和回波信号入手,推导了杂波对消时收发雷达载机所需满足的飞行条件和慢动目标参数估计的方法.最后通过计算机仿真,验证了该算法的有效性.     

基于小波变换的LFM信号的线性度测量

线性度的测量对于衡量LFM信号的技术指标具有重要意义,介绍了一种线性调频信号的数学模型,分析了小波算法的原理、小波函数和参数的选取以及小波算法的特点,提出了将小波变换应用于LFM线性度测量中的方法。     

基于压缩感知的单脉冲雷达欺骗干扰机研究

欺骗干扰是一种常用的雷达干扰技术,提出了一种对抗单脉冲雷达的欺骗干扰机设计新方法。在分析欺骗干扰信号特性基础上,基于压缩感知(CS)框架和数字射频存储(DRFM)技术,根据线性调频(LFM)信号在分数阶傅里叶域的能量聚集特性,设计了压缩感知框架下的DRFM以产生角度欺骗干扰信号;通过控制干扰信号强度产生角度拖引和闪烁干扰以实现对单脉冲雷达角度跟踪的有效干扰。仿真实验结果表明,干扰机能够产生良好的角度欺骗干扰信号,通过干扰信号强度控制能够产生稳定的角度拖引和闪烁干扰。     

基于最大熵法和遗传算法的SMSP干扰对抗方法

线性调频(LFM)信号是现代雷达常用的发射信号,可以有效提高雷达的检测性能,然而频谱弥散(SMSP)干扰应用于主瓣自卫式干扰时,干扰信号强度远大于目标回波信号,能够对目标回波信号形成遮盖,是一种有效对抗LFM信号的干扰样式。利用干扰信号与目标回波信号时频特征的不同,通过广义S变换(GST)凸显时频特征差异。运用最大熵法和遗传算法(GA)求取时频滤波器的分割阈值。通过构造的时频滤波器达到干扰抑制的目的。仿真结果表明:当干信比(JSR)大于10 dB、信噪比(SNR)大于0 dB时, 所提方法具有较好的干扰抑制效果,其中最大信干噪比(SJNR)增益接近25 dB。      

基于干扰重构和盲源分离的混合极化抗SMSP干扰

线性调频（LFM）信号是现代雷达常用的发射信号，可以有效提高雷达距离分辨率和探测距离，然而频谱弥散（SMSP）干扰应用于主瓣自卫式干扰时，干扰信号与目标在时域、频域和空域高度重合，是一种能够有效对抗LFM信号的干扰样式。利用干扰信号与目标回波信号极化信息的差异，引入了混合极化雷达系统信号接收模型，提出了基于干扰重构和盲源分离的抗SMSP干扰算法，实现了对干扰的抑制。仿真结果表明:所提算法不仅降低了计算量而且在干信比（JSR）为25 dB的情况下，能够有效实现干扰抑制。      

抑制复原图像振铃波纹的频域循环边界算法

提出了一种基于Wiener滤波的频域循环边界复原算法,并给出了有效的规整化表达式和信噪比估算方法.复原算法首先将原观测图像按反射对称的方式延拓,形成一个新的观测图像(称为延拓图像);然后,用Wiener滤波算法复原延拓图像,并取延拓图像的复原图像的主值序列作为原观测图像的复原图像.对延拓图像在频域进行复原处理时,需要使用FFT(Fast Fourier Transform)技术,将延拓图像进行周期延拓,因其结合边界在垂直方向上的梯度为零,且边界平滑满足微分条件,抑制了复原图像的振铃波纹.复原过程中,将噪声与原始图像的功率谱之比规整化为原观测图像信噪比的函数.实验结果表明,该算法对周边区域梯度变化较大的观测图像复原效果较好.      

基于特征点集的匹配算法应用于卫星姿态确定

综合了灰度与几何特征匹配方法,依据局部纹理能量分布选取特征点集,并利用特征点集的几何约束关系构建了可描述图像整体特征的模板.通过逐步求精方法实现了实时图像与基准图像的匹配.首先通过特征点集匹配进行粗搜索;然后通过精搜索以及角度校正得到实时图像中目标偏移旋转量.该特征点集算法与传统图像匹配算法相比较,在保证精度的基础上能提高匹配速度,且具有一定的旋转不变性和抗噪性.仿真实验证明了该算法的可行性.      

基于EMD及PNN的航天器振动环境分析

针对航天器非平稳随机振动信号模态频率密集的特点,提出了基于经验模式分解EMD (Empirical Mode Decomposition)的多分量过程神经网络PNN(Process Neural Network)自回归模型.通过EMD对原始时间序列进行分解, 使之成为一组不同尺度的局部正交本征模函数IMF(Intrinsic Mode Functions),利用PNN对每个IMF分别进行时变参数分析并以此确定其时变自功率谱密度,对所有分量的时变自功率谱密度通过叠加进行重构, 以此得到原始信号的时变自功率谱密度.仿真结果和实例分析表明:和传统的时频分析法相比,该方法直接使用信号数据,避免了相关估计计算,减小了计算工作量;无交叉干扰项,提高了信号的时频分布特性,具有较高的时频分辨率;对各工况下航天器的振动信号能有效的进行分析,具有较强的信号特征提取能力.      

利用Toeplitz特性改善来波方向估计性能

提出一种利用协方差矩阵的Ｔｏｅｐｌｉｔｚ特性,使估计的协方差矩阵成为Ｔｏｅｐｌｉｔｚ矩阵的方法,在低信噪比短数据流情况下,改善来波方向（ＤＯＡ）估计的性能,且不需增加乘法运算量．对ＭＵＳＩＣ算法和ＰＲＯＥＳＰＲＩＴ算法进行了分析并作了计算机仿真,仿真结果表明：利用Ｔｏｅｐｌｉｔｚ特性后,ＭＵＳＩＣ算法谱峰幅度增大,波谷相对波峰的深度增加,这将有利于目标的分辨;并可减小低信噪比情况下ＭＵＳＩＣ算法和ＰＲＯＥＳＰＲＩＴ算法ＤＯＡ估计的方差．