基于图像奇异值描述的雷达目标识别方法

利用目标对常规雷达发射波形的调制效应，先对录取的回波数据进行预处理，把一维回波序列投影成二维灰度图像，然后提取这种图像的反映飞机目标不同机型(大、小)和不同架次的奇异值作为特征矢量，采用BP神经网络对目标进行分类识别试验，结果表明该方法是有效的，这为常规低分辨雷达空中目标识别提供了一种新方法。     

基于小波变换与粗糙集的雷达目标识别方法

雷达目标识别是防空武器系统雷达信息处理的一个关键环节.在小波变换与粗糙集基础上提出一种雷达目标识别方法.小波变换能够提高了时--频分频率;粗糙集理论是一种新型的处理不确定性知识的数学工具.利用小波变换对目标原始信息进行分解,得到目标的能量特征向量;通过粗糙集简化关系表,删去冗余信息,用逻辑推理算法表示判别规则.应用小波变换与粗糙集能够满足利用不精确信息进行目标识别的需要.     

基于离散小波变换的近程信号自动识别

进行信号识别的关键在于利用有限信号数据提取出有效的信号特征,然后根据这些特征作出判决。文中阐述了利用离散小波变换对近程信号进行分解处理,并结合具体应用背景,提取小波分解的细节作为信号识别的特征参量。仿真实验表明,基于小波分解的特征提取过程对噪声有较好的抑制能力,小波变换的应用能够有效提高对近程信号识别的能力。     

基于小波包能量谱的航空发动机故障特征提取方法

使用成熟的旋转机械振动信号频谱分析方法,对采集到的多台航空发动机试车振动信号进行分析,找出能反应出发动机转子不对中、转子不平衡和转静件碰磨3种故障频谱特征的振动信号.再使用小波包将信号分解为不同的频段,之后分别计算能反应出故障信息的特征频段的能量,将它们组成用来区分上述3种故障的特征向量,为以后的航空发动机故障的模式识别做准备.     

基于嵌入式仿真的雷达训练系统设计

介绍了嵌入式仿真技术及其发展,将嵌入式仿真与雷达模拟训练相结合,构成了能够嵌入到机械扫描雷达实装的模拟训练系统。描述了对嵌入式仿真训练系统的结构组成以及部分模块的功能,研究了模拟雷达视频回波数据的方法和模型,包括目标回波、地物杂波、海杂波、气象杂波、有源干扰和接收机内部噪声,利用数学模型计算回波的强度、方位、距离等特性,调制实际录取的回波数据,生成与态势设置参数相应的模拟回波数据,能够对信号处理操作和抗干扰操作做出响应。通过对视频回波进行仿真,由终端显示画面可知模拟的回波数据具有较高的逼真度,经测试模拟视频回波能够被雷达显控终端识别。     

基于小波包的手写体签名特征提取方法

手写体签名识别的很多特征提取方法都是基于经过复杂数据预处理和分割技术的二值图像．并且特征提取过程不可逆。因为复杂的预处理、较大的计算量和签名的连笔现象使得特征提取非常困难并对识别结果产生直接的影响。为了解决以上问题,提出了基于小波包的特征提取方法．．首先在预处理过程中对签名图像进行大小归一化：其次利用小波包对签名图像进行分解以得到签名图像在二维空间上点的集合;然后用这些二维点进行签名识别。本方法的数据预处理简单,避免了复杂分割．特征提取完全可逆。实验结果表明其具有较好的抗噪性、鲁棒性、适应性和识别率,为含噪脱机手写体签名识别提供了一种解决方案。     

基于小波包分析的转子振动信号故障特征提取研究

针对处理转子振动故障时,FFT等传统方法不能很好地分析同一频率下不同类型故障并发的复杂信号的情况,提出采用小波包分析的方法并分离故障特征向量。通过对比FFT与小波包分析方法,可以明显看出小波包分析的先进性和有效性。     

基于DRFM的高分辨雷达扩展目标回波仿真技术

介绍了一种基于DRFM的高分辨雷达扩展目标回波信号仿真方法,该方法将舰船等复杂目标视为扩展目标,其雷达回波信号可以看作扩展目标各散射中心产生的回波信号的叠加。应用该技术产生的模拟目标回波信号和假目标干扰信号,由于携带雷达发射信号和照射目标特征信息,能顺利进入末制导雷达接收机,仿真效果优于一般常规仿真技术。     

基于回波小波域时频分布的目标识别技术研究

应用Morlet小波计算并得到了2种目标动态回波的小波域时频分布特征，依据此时频分布的不变矩，应用模糊神经网络技术进行目标识别研究，取得了比较好的识别效果。     

基于实波束扫描的相控阵雷达前视成像

实现机载或弹载雷达正前方目标区域高分辨力成像对提高着陆安全性或制导精度有着重要的意义,基于相控阵雷达(PAR)工作原理,建立前视扫描过程中的回波信号模型,对目前广泛研究的解卷积前视成像方法进行了深入分析,指出其未能有效提高方位分辨力的原因,并在此基础上提出了一种基于压缩感知理论的扫描雷达前视成像方法。该方法通过对大时宽带宽积信号的脉冲压缩获得径向高分辨,并基于场景中的强散射中心分布具有稀疏性(可压缩)这一事实,利用压缩感知最优化方法获得高的方位分辨力,仿真结果证明了所提方法的有效性,分析了基于压缩感知前视成像方法的性能。该方法同样适用于机械扫描雷达的前视成像。     

基于FRFT的雷达信号chirp基稀疏特征提取 及分选

 特征分析是雷达信号分选识别的基础,利用稀疏分解思想对新体制雷达信号进行特征提取是一个新的研究方向。本文以分数阶Fourier变换的核函数作为稀疏分解的chirp基函数,将具有相近特征参数的chirp基函数构成基函数族用于稀疏分量提取,推导了在分数阶Fourier域基于匹配跟踪的chirp基函数族稀疏分解公式,然后利用chirp基稀疏分量的调频率和初始频率构成特征参数序列,将雷达信号脉冲分成5大类进行分选和识别,仿真分析验证了推导结果的有效性。结果表明对于具有线性或曲线时频特征的雷达信号在信噪比为-3 dB,采样频率为500 MHz,观测时间为2 μs,调频率不超过100 MHz/μs时,仍然具有95%的正确分选概率。     

基于位置信息的高分辨雷达角闪烁抑制方法

角闪烁误差是导引头寻的制导的主要误差来源,基于高分辨力雷达的单脉冲测角算法可有效改善角闪烁现象。现有的研究大多基于幅度加权的思想,利用距离单元的幅度信息进行加权平滑处理。本文在现有高分辨测角算法的基础上,结合高分辨一维距离像的位置信息,提出了一种新的角度信息处理方法。该算法充分利用了距离像有效单元的目标信息,提高了角度测量精度。仿真实验表明该算法对角闪烁有较好的抑制作用。     

基于FRFT和相位差分算法的信号特征提取

基于分数阶傅里叶变换(Fractional Fourier Transform,FRFT)算法的信号识别方法已广泛应用于雷达信号处理领域,相位差分算法对于检测相位编码信号尤为高效。基于 FRFT和相位差分法的信号检测算法已被提出,但在较低的信噪比下该算法并不能准确识别 LFM、LFM-BPSK信号。针对低信噪比背景下该算法性能较差的问题,给出 1种改进的算法,并通过加入多相编码信号的识别,扩大其适用范围。仿真验证结果表明,提出的算法不仅较原有算法能在较低信噪比条件下有效检测 LFM、BPSK、Frank3种单一调制方式的信号,还能检测出复杂调制的 LFM-BPSK信号。     

基于模糊条件证据理论的雷达辐射源识别

基于不确定证据与不确定先验知识和谐的思想,利用模糊条件证据理论,给出一种融合模糊先验知识的新的雷达辐射源识别方法。首先,把雷达辐射源模糊观测数据表示为Dempster-Shafer（D—S）证据的随机集形式;然后,计算观测证据与模糊先验知识之间的和谐度;最后,利用模糊条件证据理论把需要融合的证据进行组合。这种方法可充分利用各种不同来源的信息,从而提高雷达识别的可靠性。     

基于复近似消息传递的前视雷达成像分辨率增强算法

当机载/弹载雷达工作在前视状态时,由于成像场景内不同角度处目标的多普勒差异很小,很难得到 高的角度分辨率。针对海面舰船目标的前视成像应用,利用成像区域具有明显稀疏性的特点,提出一种基于复 近似消息传递压缩感知处理的前视成像角度分辨率增强算法,建立前视成像的线性观测信号模型,给出复近似 消息传递的迭代计算过程,以及多通道雷达前视成像的处理流程。通过仿真数据和 X 波段雷达实测数据的处 理结果验证了该方法的有效性。     

无人机故障特征提取问题研究

针对无人机故障诊断前故障特征提取的问题进行了分析。引入了主成分分析法,用于对初始的特征参数样本进行降维处理。根据无人机特征参数样本复杂多维的特点,结合故障诊断时对特征向量相关性的要求,提出按功能模块对特征样本进行分类的改进方法,达到初步降维和保存需要的相关性向量的要求。     

基于短时分数阶傅里叶变换的 含噪信号特征提取

通过对比噪声背景下短时傅里叶变换和短时分数阶傅里叶变换的时频分辨能力,进一步明确了短时分数阶傅里叶变换对频率时变信号的独特优势。研究了短时分数阶傅里叶变换的窗口滑动方式对瞬时频率估计的影响,可以发现:首先,在调频率较大或是变化剧烈时,短时分数阶傅里叶变换具有更好的鲁棒性;其次,在基于短时分数阶傅里叶变换的瞬时频率估计,实际应用中应主要采用以第一采样时刻作为估计值的逐点滑动方式。     

基于高分辨距离间隔像的频率步进单脉冲雷达测角技术研究

 频率步进雷达合成高分辨距离像时对速度补偿的精度要求很高,而采用高分辨距离间隔像处理则可以大大降低这种要求。首先分析了高分辨距离间隔像成像的一些问题;然后阐述了基于高分辨距离间隔像的单脉冲雷达测角机理,并且提出了3 种过采样条件下的单脉冲雷达距离间隔像测角算法,进行了计算机仿真,结果表明距离间隔像交叉项选大测角方法性能优于其它两种方法。     

FRFT域能量谱模拟电路故障特征提取方法

故障特征提取是模拟电路故障诊断的关键技术之一,为了提高故障特征的可诊性,提出 1种基于分数阶傅里摘叶变换(Fractional Fourier Transform,FRFT)域能量谱的模拟电路故障特征提取方法。首先,采集测试节点电压信号并将其映射到不同的 FRFT域空间中(p从 0变化到 1);然后,计算所有 FRFT域空间中的能量谱峰值并将其作为故障特征;最后,将归一化后的特征用于训练最近邻分类器进行诊断验证。与现有的 FRFT故障特征提取方法相比,该方法减少了计算量,且提取的特征能够在所有 FRFT域中更全面地反映不同故障响应信号的细微差异,有利于提高故障特征的可分性。在仿真和物理电路上进行了验证,实验结果表明:所提方法能提高故障诊断准确率,且时间复杂度有明显改善。