强海杂波背景下目标检测方法综述

高频地波雷达被广泛应用于海面目标的检测,而由于海杂波的分布散射具有很强的动态特性,通常情况下成为了海面目标检测的主要干扰成分.因此,在强海杂波背景下进行目标检测的关键在于如何有效抑制海杂波.从循环对消、子空间分解、模型预测以及分形特征这几方面对海杂波抑制技术进行综述、分析和总结,为后续对海面目标检测提供参考.     

深空通信中延迟否定确认型CFDP的延时估算

根据深空通信的通信环境和长距离传输协议的时延,分析了空间数据系统咨询委员会(CCSDS)高级在轨系统中延迟否定确认信息型文件传输协议(CFDP)的文件传输机理,给出了应用此协议时延时的计算方法.仿真分析了影响延时的误码率、传输速率,以及协议数据单元(PDU)的大小和数量等的影响,获得了典型应用条件下深空通信中对误码率的要求.结果表明:CFDP可在深空探测大延时条件下正确传输文件,满足有效性要求.     

高频地波雷达海杂波背景下目标检测研究综述

高频地波雷达探测距离远、全天候、实时准确探测等优点在目标检测领域广泛应用。针对海杂波会干扰目标检测的问题，分别从非线性预测类、分形类、子空间分解类、对消类等方面对海杂波背景下目标检测方法进行了综合评估。归纳总结国内外相关文献，并对目前方法存在的不足进行总结。为以后深入研究海杂波干扰问题提供参考。     

基于改进PSO-WNN的高频地波雷达 电离层杂波抑制方法

高频地波雷达的海上目标探测能力与电离层杂波的抑制效果息息相关,而电离层杂波的复杂性与变化多样性又为抑制带来了难题。为实现电离层杂波的抑制,分析了电离层杂波的混沌特性,在此基础上提出一种基于改进粒子群算法优化小波神经网络的抑制方法,解决了粒子群算法易早熟和易陷入局部最优的缺点;提出一种自适应概率变异的策略,丰富了种群多样性,使得整个迭代过程中粒子群能够跳出当前最优,寻得全局最优。实测实验表明,基于改进粒子群算法优化的小波神经网络（PSO-WNN）能够基本预测电离层杂波的数值,进行电离层杂波的抑制,有效改善了信噪比,对电离层杂波的抑制研究具有重要意义。     

长时间积累下雷达高速目标检测算法综述

隐身技术与高速飞行器的发展给雷达探测目标带来了严峻挑战,而长时间积累技术就是在信号处理领域帮助雷达进行目标检测时提高信噪比的一种有效方法。对于高速高机动目标而言,信号在长时间累积中会在距离域和多普勒域引起跨距离单元走动和跨多普勒单元走动问题。“两跨”问题会严重影响积累增益,传统的MTD（Moving Target Detection,运动目标检测）方法已经无法对信号进行能量累积。为了解决“两跨”问题,提高雷达对高速目标的探测性能,近些年已涌现很多方法,本文将依据目标运动模型把长时间积累下分为径向匀速运动下的长时间积累、径向加速运动下的长时间积累、径向高阶复杂运动下的长时间积累三类进行分析,对相应模型下的“两跨”问题与解决方法进行综述和总结,意在为后续研究提供参考。     

基于OARO-GRU网络的高频地波雷达电离层杂波短期预测

电离层杂波的精确预测对提升高频地波雷达的目标探测性能具有重要推动作用。为此，提出了一种基于改进人工兔子算法优化门控循环单元 （Opposite Artificial Rabbits Optimization optimized Gated Recurrent Unit， OARO-GRU）网络的电离层杂波短期预测模型。首先，依据高频地波雷达接收到的电离层杂波具有混沌特性这一先验知识，通过相空间重构技术构造GRU网络的输入和输出样本集；然后，融入反向学习和柯西变异两种改进策略用于改善标准ARO的寻优能力，并将其用于执行GRU网络的包含隐层节点个数、初始学习速率和最大迭代次数在内的三个超参数值的优选；最后，重新训练优化后的GRU网络，输入测试样本集进行测试，并依据给定的评价指标评估模型。实测结果表明：相较于其他7种对照模型，所提出的OARO-GRU网络预测模型在预测精度和可靠性上均具有明显的优越性，为有效改善高频地波雷达的目标探测性能提供了一种新的思路与方法。     

弹用电磁继电器贮存退化试验及其寿命预测方法

弹用电磁继电器（EMR）是国防武器系统中重要的机电元件,负责信号传递、电路保护与控制、负载切换等功能,对弹用EMR贮存可靠性的可靠评估已成为亟待解决的问题。以装备应用普遍的某型弹用EMR为例,提出一种考虑性能退化的贮存可靠性试验和评价方法。通过研制的弹用EMR贮存退化试验综合系统,获得了其贮存退化敏感参数的变化情况,对弹用EMR的贮存可靠性建模方法进行了探索性研究。提出了基于时间序列分析和小波变换方法的实测参数预处理方法,提高了预测精度。通过回归理论估计了贮存退化模型的参数,并用所建模型对弹用EMR正常温度应力下的贮存寿命进行了预测。      

基于改进ALO-RBF的高频地波雷达海杂波预测模型

高频地波雷达是海上动目标检测的重要手段，其中海杂波是影响海面目标检测性能的主要因素。为了提高海杂波的预测精度进而有效抑制海杂波，本文提出了一种基于改进蚁狮算法（Ant Lion Optimizer，ALO）优化RBF神经网络的海杂波预测模型（MGPALO-RBF，Multiple elites dynamic guidance Ant Lion Optimizer based on Gaussian difference variation-based learning with Perturbation factor-radial basis function）。由于标准蚁狮算法具有易陷入局部最优且收敛速度慢的缺点，本文在蚂蚁进行随机行走的过程中加入扰动因子以增加种群的活跃性和多样性，并提出多个精英动态引导机制，强化算法前期的探索能力和后期的开发能力，同时对种群中较差蚁狮进行高斯差分变异以提高算法的收敛速度。仿真结果表明：改进的蚁狮算法在对比算法中具有更高的收敛精度和收敛速度，MGPALO-RBF模型具有更好的海杂波预测性能。