一种新的重频特征识别方法

针对雷达脉冲重复间隔类型识别中存在的问题,提出了一种结合神经网络技术的重频识别方法.该方法分别对7种雷达重频模式,提出了新的特征矢量提取方法,并引用神经网络进行识别.实际仿真结果表明该方法是有效的,特别是对重频固定、重频滑变及重频抖动模式在高漏脉冲率的条件下依然具有较高的正确识别率.     

一种新的星载自动识别系统检测概率计算方法

针对现有星载AIS检测概率计算方法没有考虑不同解调算法对检测结果影响的问题,提出了一种基于泊松分布船舶检测模型的星载AIS检测概率计算方法。该方法首先计算混叠信号功率差和频差的联合概率分布,以及算法的解调概率,进而将两者相结合得到表征算法能力的关键参数,代入AIS检测概率模型进行计算,可使得原有模型具有适应不同解调算法的能力。仿真表明该方法可有效应用于实际工程的评估,对星载AIS的系统设计有重要的参考价值。     

基于自适应谱峰搜索的脉冲重复间隔最大似然估计

高精度的脉冲重复间隔（PRI）估计对于提高现代电子情报（ELINT）系统的辐射源识别能力具有重要意义。将观测的脉冲到达时间（TOA）序列建模成点过程信号,其周期图谱谱峰就对应于PRI的最大似然估计（MLE）。本文提出了一个“两步数值搜索”策略,可以确保搜索到谱峰而达到MLE。仿真表明,在低信噪比以及高脉冲丢失率条件下,本文算法性能远超已有算法。     

基于缺失数据填补的辐射源识别方法

针对模板雷达特征参数残缺而造成的测量辐射源不能正确识别问题,提出了一种基于 缺失数据填补的辐射源识别算法。该算法利用矢量神经网络对缺失数据进行填补,并对填补 后的训练样本进行重新训练,从而得到网络结构参数。仿真实验表明本文方法不仅能处理缺 失数据,而且在噪声环境下也能识别区间类型和标量类型的输入矢量。
     

三星时差定位系统四站标校的布站方式研究

三星时差定位系统的四站标校方法可以在较大范围内提高定位精度,针对四站标校中不同的标校站布站方式会有不同标校效果的问题,分析了4个标校站的构型,站间基线长度以及卫星与标校站的空间位置关系对标校效果的影响。确定了四站标校的优选构型,四站标校效果随着标校站之间基线长度变大而变好,随着中心标校站距星下点的距离增大,两者之间连线方向的区域标校效果明显。该研究为四站标校方法的应用提供了技术支持。     

基于随机文法的多功能雷达识别方法

 针对多功能雷达采用复杂体制而造成的辐射源不能正确识别问题,提出了一种基于随机文法(SG)的辐射源识别算法。该算法基于多功能雷达的句法模型,将威胁数据库中的多功能雷达文法分为随机正则文法(SRG)和随机上下文无关文法(SCFG)两种情况,并分别构造随机有限自动机(SFA)和随机下推自动机(SPDA)对测量辐射源进行识别。仿真实验表明,该方法不仅能识别出多功能雷达辐射源的型号及模式,而且能识别出雷达辐射源的功能状态,并进而推断出雷达辐射源的威胁等级。     

利用字典优化方法实现sub Nyquist采样数据的频率估计

在稀疏重构理论中,重构信号需要预先设定稀疏表示字典,针对预设字典与真实字典之间的失配对信号稀疏表示造成的不利影响,提出一种基于字典优化和稀疏贝叶斯学习(Sparse Bayesian Learning, SBL)的频率估计算法。该算法首先构造基于sub Nyquist采样数据的信号稀疏表达式,然后利用SBL算法估计信号频率,同时根据估计结果优化字典,最后反复迭代上述步骤直至计算出的频率值和对应的幅度值趋于稳定。仿真结果校验了方法的有效性。     

一种变信噪比条件下的恒虚警野值检测方法

野值检测又称异常值检测,是模式识别、机器智能和知识发现等领域经常面临的一个问题。当出现环境失配,数据信噪比（SNR）发生变化时,测试样本和训练样本所含噪声会有不同方差,以往的野值检测方法在虚警控制方面将会失效。针对这一问题,提出一种基于归一化残差（NR）的野值检测方法。该方法首先根据所需虚警概率和噪声方差变化情况确定野值检测门限,其次基于训练样本计算待考查模式的NR值,再比较NR值与检测门限的相对大小,从而判断待考查模式是否为野值。这一方法所依赖的检测门限对所需虚警率和噪声方差变化具有适应能力,因此可以在变信噪比条件下实现恒虚警（CFAR）野值检测。仿真实验验证了所提方法在虚警控制和野值检测方面的优越性能。     

基于谱相关的直接序列扩谱信号检测

直接序列扩谱信号是典型的低截获概率信号,由于其统计特性接近于噪声,通常的谱分析方法很难实现检测。由信号产生原理可以发现,直接序列扩谱信号中同时隐含了符号与码元的周期性,具有二阶循环平稳性,利用谱相关分析方法,能够在信号的循环频率处生成谱线,将信号从噪声背景中检测出来,并同时估计码元速率和符号速率。通过仿真实验,验证了该方法在低信噪比下的有效性。