基于分数阶Fourier域滤波的SAR多运动目标检测和参数估计

SAR多运动目标的检测和参数估计较单运动目标的难度大大增加,传统的WVD方法在处理多分量线性 调频信号时存在交叉项干扰的问题,改进的WVD-HT方法可减弱交叉项的影响,但并不能从根本上解决交叉项问题, 同时计算量也很大。文中提出一种基于分数阶Fourier域滤波的多运动目标检测和参数估计方法,在运动目标和静止目 标信号分离后通过逐个消去强目标信号,有效地解决了弱目标信号的检测和参数估计问题,由于分数阶Fourier变换是 线性变换,从而免除了交叉项的困扰。仿真和实测数据的处理结果验证了算法的有效性。     

傅里叶变换法用于脉冲多普勒雷达检测加速运动目标的研究

傅里叶变换法通常用于脉冲多普勒雷达检测加速运动目标，尽管该方法的性能会受多普勒拖尾现象限制。机动飞机和导弹属于加速运动目标。本文作者量化了多普勒拖尾的影响。在运用脉冲多普勒雷达检测附加白高斯噪声的非加速目标并估算该目标的径向速度试验中，傅里叶变换法能够使输出信噪比(SNR)随脉冲数线性增加。当目标加速时，只要加速度足够小，那么傅里叶方法仍可以检测目标并估算其平均速度。针对某一给定的加速度，当脉冲数增加时，傅里叶变换法得到的输出信噪比(SNR)随脉冲数的增加成凹函数变化，即输出SNR先增加到最大值然后开始下降，直到该方法不适用为止。因此脉冲数和加速度必须匹配才能获得最佳性能。文中给出了最佳SNR、最佳脉冲数与加速度关系的经验公式。这些结果被证明与采用栅格搜寻的广义似然比检测器设计是相符的。     

基于推力加速度模板的主动段弹道跟踪方法

对弹道导弹的主动段跟踪是导弹防御中重要的环节。针对此问题提出了一种基于推力加速度模板的主动段跟踪算法，该算法需要主动段推力加速度信息支持。给出了一种简捷的推力加速度模板构建方法。利用近常速运动模型描述了导弹运动特性，解决了对导弹发射时间的估计问题和模板概率的递推计算问题，并将该方法应用到空间预警系统中，通过仿真验证了该方法具有较好的识别效果，位置和速度估计误差都接近于CRLB限。     

基于仲裁的高可用服务器故障检测机制的研究

故障检测是设计高可用系统的一项关键技术,本文研究了双模高可用容错服务器的故障检测机制.首先,通过马尔科夫模型对服务器系统进行了分析,指出设计高覆盖率和高成功率的故障检测机制对系统可用性的重要影响.针对传统使用的故障检测机制成功率较低的问题,提出了一种仲裁检测机制,仲裁系统采用容错方案设计,具有较高的可靠性,在双机无法对故障做出正确判断时,可作为可信的第三方对故障做出准确的定位,有效地提高了系统的检测成功率.在此基础上,一种基于仲裁的多层心跳检测机制被应用到了实际系统的设计中,并通过试验证明了其可满足可用性设计要求.     

浅谈"过程的监视和测量"

概述了ISO9001∶2000中“过程的监视和测量”的目的和意义,重点探讨了实施“过程的监视和测量”的常用方法,并对管理、产品制作等过程中的监视和测量、实现途径和应用技术作了分析与说明。     

雷达／红外综合探测系统抗干扰能力的建模

选择目标探测概率这一性能参数衡量雷达/红外综合探测系统的抗干扰能力,建立了压制式干扰情况下该综合探测系统的目标探测能力的数学模型,并通过计算机仿真验证了该模型的适用性。     

卫星的光散射建模研究

目标光散射特性理论建模研究是空间目标光学特性研究的重要组成部分。对于卫星等复杂空间目标,进行光散射建模计算的关键点和难点是解决复杂目标不同部件之间的遮挡关系和光线在目标内部的再次散射问题。通过对已有方法的比较,依据光线跟踪算法并结合蒙特卡罗法思想给出了更为有效和快速的建模计算方法,并把该方法运用到对某卫星光散射特性理论建模中,给出了该卫星在太阳光照下的光散射亮度图像。     

中继卫星多址链路调度问题的约束规划模型及算法研究

中继卫星多址链路调度问题是中继卫星系统应用中必须解决的重要问题,其重要特点在于,中继卫星与用户航天器之间并非时时可见,因此通信任务存在可见时间窗口约束。只有在可见时间窗口内,通信任务才可能执行并完成。在进行合理假设的基础上,采用人工智能中的约束规划技术,建立中继卫星多址链路调度问题的约束规划模型,并提出了基于时间窗口期望值的多步迭代算法。应用结果表明,中继卫星多址链路调度模型的建立与求解是合理的。     

多目标扩频角度跟踪系统及精度分析

扩频角度跟踪系统是实现扩频测控的前提,研究无数据包络情况下的直接扩频角度跟踪系统,在系统建模的基础上进行了数学建模、精度分析和数学仿真。结果表明:扩频角跟踪精度可达到单脉冲信标跟踪的精度;精度不仅受接收机输入端噪声的影响,还受数据自噪声的影响;高信噪比情况下,角误差通道的相移限制跟踪精度,但合理设置参数仍可实现多目标、高精度的扩频角度跟踪。     

结合邻域聚类分割的高光谱图像异常检测支持向量数据描述方法

支持向量数据描述方法在高光谱图像小异常目标检测中具有较好的检测性能,但是待检异常的几何形状受到约束和背景的选择具有盲目性影响检测效果,且检测需要对整幅图像进行遍历导致计算量大。提出邻域聚类分割和支持向量数据描述相结合的异常检测方法,首先利用邻域聚类方法分割图像,将几何尺寸小的分割块作为潜在异常目标;其次选择与潜在异常的形状和大小相适应的背景窗进行背景像元收集;最后采用SVDD方法从潜在异常中快速且准确地检测出异常目标。对HYMAP图像的实验结果表明,该算法提高了复杂地物背景下异常的检测性能,降低了SVDD用于高光谱图像异常检测的计算量。