基于空域稀疏性的宽带DOA估计

利用宽带阵列接收信号的空域稀疏性,将宽带信号的波达方向(DOA)估计转化为一个稀疏信号重构的问题,提出了一种新的宽带信号DOA估计算法。该算法将宽带信号分解为多个子带信号,联合利用多个子带信号的空域稀疏性进行重构。它是对用于稀疏重构的标准的稀疏贝叶斯学习算法的推广,可适用于多冗余字典的信号模型。另外,通过对多快拍的阵列接收信号进行奇异值分解(SVD),提取信号子空间作为算法的输入数据,可以在有效减少运算复杂度的同时,提高对噪声的稳健性。与传统的宽带阵列DOA估计方法相比,该算法能够用于低信噪比、快拍有限和信源相关性较高的场合,同时算法的性能对信源个数的估计值不太敏感。仿真实验表明,该算法相对现有的基于子空间类的方法,具有更好的DOA估计性能。     

基于G2DPCA的SAR目标特征提取与识别

给出了基于广义二维主分量分析（G2DPCA)的合成孔径雷达（SAR）图像目标特征提取 方法。与主分量分析（PCA）相比,在寻求最优投影方向时,它直接基于二维图像矩阵而不 是一维向量,在特征提取前不必将2维图像矩阵转换成1维向量。与二维主分量分析（2DPCA ）相比,它可以同时去除图像行和列像素间的相关性。基于美国运动和静止目标获取与识别 （MSTAR）计划录取的数据的实验结果表明,结合预处理,G2DPCA在大大降低了特征 维数的同时,又改善了识别性能,并且正确识别率在97％以上,且对目标方位变化具有较 好的鲁棒性。     

一种实时系统中的信号处理实现

近年来,实时信号处理系统的要求越来越高,所用系统须具有处理大量数据的能力,这就要求系统硬件要达到很高的运算速度,并且软件处理程序也尽可能优化,以保证系统的实时性.基于某重点工程项目,介绍了一种高速数据并行处理系统,并详细说明了DSP中信号处理程序的操作流程.该系统能对输入信号的频谱进行分析,实时输出连续波频谱或脉冲波的时域频域信息,并已测试成功.     

基于奇异值分解的双谱降维研究

在基于雷达高分辨距离像(HRRP)的目标识别中,双谱特征是一种有效的识别特征,但维数过高限制了它的应用。对双谱矩阵进行奇异值分解,提取奇异值向量以及大奇异值对应的奇异向量作为识别特征,与挑选双谱法相比,不仅识别率有所提高,而且克服了挑选双谱特征每有新目标加入都需重新挑选双谱频点的缺点,基于实测数据的识别结果验证了所提方法的有效性。     

雷达信号脉内调制特征的时频分析

以线性调频与非线性调频信号为例 ,对雷达信号的脉内调制特征进行了时频分析。首先 ,通过求取解析信号的瞬时相位微商的方式得到信号的瞬时频率 ;然后引出Wigner分布和小波变换的方法 ,对信号进行分析 ,从而得到了调频信号的时频分布 ;最后 ,对这三种方法作了分析比较 ,指出小波变换方法是进行雷达信号脉内特征分析的有力工具     

两向二维最大子类散度差鉴别分析及其在SAR目标识别中的应用

针对Fisher线性判决分析（FLDA）在图像识别应用中遇到的小样本问题,提出了两向二维最大子类散度差（(2D)2MCSD）鉴别分析的图像特征提取方法。首先找到每类数据的子类划分,再根据这些子类构造基于二维图像矩阵的子类类间和子类类内散布矩阵,最后用子类类间与子类类内散布之差作为鉴别准则求取投影矢量。该方法可以处理多模分布问题,从根本上避免了矩阵求逆和小样本问题,加快了特征抽取的速度,且同时对图像行和列进行压缩,克服了二维最大子类散度差（2DMCSD）鉴别分析和另一种形式的2DMCSD（Alternate 2DMCSD）的特征维数较大的问题。基于美国运动和静止目标获取与识别（MSTAR）公共数据库提供的实测数据的实验结果表明：本文方法的性能优于现有的子空间方法;与2DMCSD和Alternate 2DMCSD相比,可大大降低特征维数、提高识别性能。