同步误差条件下的空间目标双基地ISAR自聚焦算法

以空间目标为研究对象,针对双基地雷达时间、空间及频率同步误差导致的逆合成孔径雷达图像散焦问题,提出基于离散多项式相位变换的自聚焦算法。算法首先将目标平动、转动及同步误差导致的相位项统一建模为高阶多项式,利用离散多项式相位变换方法估计高阶多项式系数并据此构建补偿相位项,完成高阶相位补偿。最后进行方位压缩得到高聚焦度的二维ISAR像。算法通过选取合适的延时参数及成像积累时间可得到高精度参数估计及相位补偿,理论分析和仿真校验了算法性能优于常用的非参数化自聚焦算法。     

高速SpaceWire协议IP的可靠性增强方法

针对航天高速SpaceWire总线系统对协议IP的高可靠性要求,提出一种用于静态随机访问存储器(SRAM)型现场可编辑逻辑门阵列(FPGA)的增强三模冗余(TMR)方法。该方法对传统三模冗余和部分三模冗余做了改进,将需要进行三模冗余的原设计分为一般单元集和可靠性薄弱的关键单元集,对一般单元集中的每个单元做三模冗余,对关键单元集中的每个单元做顺序四模冗余。给出了顺序四模冗余的可靠度计算式和表决器的布尔表达式。建立了系统可靠性的马尔科夫模型并基于模型开展了可靠性仿真。仿真结果表明增强三模冗余系统的可靠性不仅明显优于传统三模冗余系统,而且优于部分三模冗余系统,使系统可靠性得到有效提高。     

SAR图像伪加性相干斑噪声统计特性

研究了SAR图像加性模型中伪加性相干斑噪声分量的统计特性。分析了SAR图像中真实信号分量和乘性相干斑噪声分量的统计特性;在此基础上结合Edgeworth展开式和以Mellin变换为基础的第二类型特征函数及其对数累积量详细推导了伪加性相干斑噪声概率密度函数的近似表达式;各信号分量的概率密度函数中的参数采用对数累积量方法进行估计。最后利用SAR实测数据仿真分析了伪加性相干斑噪声的统计特性。实验结果表明,乘性的相干斑噪声转换为加性噪声后,其统计特性非常接近于高斯分布。     

基于狄里克莱过程混合高斯模型的信号分选

提出了一种基于狄里克莱(Dirichlet)过程混合高斯模型的雷达辐射源信号分选方法。通过将Dirichlet过程与高斯模型相结合,得到的Dirichlet过程混合高斯模型可以自动学习混合高斯分量的数目。将该模型应用于雷达辐射源信号分选,可以自动确定电磁环境中雷达辐射源的数目。仿真实验结果证实了该方法在雷达辐射源信号分选中的有效性。     

多级嵌套L型阵列及其测向算法

针对基于偶数(2q)阶累积量的测向算法中测向性能提高有限的问题,提出了一种基于多级嵌套 L 型阵列的2维测向算法。首先利用阵列的多级嵌套结构和2q阶累积量,形成具有更多自由度的虚拟均匀面阵;然后使用2维平滑方法,恢复其2q阶累积量矩阵的秩; 采用2维MUSIC算法,进行方位角和俯仰角的估计。与常规的2q MUSIC 算法相比,所提算法不仅具有更好的测向精度,而且由于虚拟均匀阵包含更多的虚拟阵元,因此能够估计更多信源的方位角。另外,针对该L型阵列的最优配置问题,推导了各级子阵阵元数的最优和次优分配表达式。仿真结果表明这些结论的正确性。     

激光跟踪仪在交会对接微波雷达多径试验中的应用

交会对接微波雷达多径试验是在地面模拟两个飞行器在轨交会对接过程中由舱体表面及遮挡对微波信号造成反射干扰的一种试验,其目的是验证激光雷达系统功能及安装位置的合理性。在近20 m远的距离上,对飞行器舱体上的微波雷达天线和微波应答天线进行角度及距离的精确测量。文章通过对试验环境、测量项目分析及不同精测方案比对,采用激光跟踪仪直接测量舱体结构,获得了准确的基准数据,有助于指导微波雷达在飞船轨道舱上的精确安装和提高交会对接微波雷达多径试验的精度。激光跟踪仪首次应用于交会对接微波雷达多径试验,相比经纬仪在航天器基准测量中具有更大的优势。     

对统计MIMO雷达的噪声调频干扰功率分配研究

简要介绍多输入多输出雷达的信号模型及其目标检测方式,并针对其信号的独特形式在传统噪声调频的基础上提出一种改良的噪声调频干扰方式,进而通过仿真证明此改良干扰方式的有效性.     

基于YOLOv5的近岸SAR舰船目标检测方法

由于类似舰船的陆地目标的干扰和舰船的紧密排列,基于合成孔径雷达(SAR)图像的近岸舰船检测会出现较多漏检和误检,提出了一种基于YOLOv5网络的近岸舰船的检测方法。为提高近岸背景下的检测精度,使用了注意力机制模型和CSL的技术用于改进网络;分析了YOLOv5网络、注意力模型和CSL算法,基于YOLOv5进行了检测实验,引入注意力模型来改进网络;结合CSL算法,重构了YOLOv5旋转检测网络。通过调整训练参数和改进注意力,近岸目标检测网络的测试结果达到mAP 80%以上,证实了CSL+YOLOv5算法实现旋转检测的可行性。     

基于低比特量化神经网络的红外目标识别方法及其FPGA实现

红外目标识别系统成为航空航天、无人驾驶等军事和民用领域中一项至关重要的技术。红外目标识别算法是红外目标检测识别系统中的核心之一。传统红外目标识别技术往往依赖人为的特征选择,无法对复杂困难的红外目标实现高效、准确的识别。本文提出了训练中反量化与通道级量化相结合的量化策略,有效减小量化误差对网络模型性能的影响。实验结果表明:本文提出的低比特量化算法在红外数据集上有着优异的表现。在硬件部署方面,本文提出了更加高效的卷积计算单元,提高了硬件资源的利用率,同时也达到了更高的峰值性能。最终,在PYNQ-Z2嵌入式现场可编程门阵列(FPGA)上进行验证,系统在150 MHz的时钟频率下达到了90.6 GOP/s的峰值吞吐率,其功耗为2.5 W。     

基于拟平均根数之差的航天器相对导航UKF滤波算法

针对星载雷达数据(距离及其变率、角度及其变率),推导了以相对拟平均根数为状态变量的星间相对导航UKF滤波算法.建立了包含J2一阶长期项摄动的状态转移方程.推导了无奇点的相对拟平均根数与相对位置速度之间的转换矩阵,并分析了坐标变换中被忽略的二阶项的影响,对转换矩阵的精度进行了有效补偿.提出以相对位置速度为直接观测量,设计了具有自调整功能的测量误差协方差阵,避免了建立观测方程时状态量对直接观测量的繁琐偏导计算.仿真结果证明了该算法的有效性.