基于平方谱的符号率估计方法研究

研究基于信号平方谱的符号率估计方法,从理论上分析BPSK、QPSK和OQPSK信号平方谱中符号率谱线出现的原因和规律,为了提高符号率谱线的可识别性,利用修正的抑制色噪声的非线性滤波方法对平方谱的估计进行滤波,并从运算复杂度、抗噪性能和对信号升余弦滚降因子变化的鲁棒性等方面分析比较文中算法与文献中类似算法的性能,证明文中算法可以在较小的运算复杂度下取得较强的抗噪性能和较好的鲁棒性。     

基于深度学习的雷达目标识别算法评估系统设计

在雷达成像装备试验中,传统真实场景测试方法构建难度大、场景有限、试验风险高,急需解决目标识别算法测试不充分、评估不全面的问题本文针对现有问题设计了一套目标识别算法测试系统,可提供合成孔径雷达图像和逆合成孔径雷达图像的处理、标注以及目标识别算法的自动运行、环境配置、性能评估等功能。相较于传统的试验方法,该系统具备成本低、试验时间短、可控性强、可扩展等优点。     

CCSDS卷积码快速识别算法

基于CCSDS标准中卷积码编码规范,提出并实现一种CCSDS卷积码快速识别算法。算法采用卷积码的校验矩阵对CCSDS标准中五种未知码率的卷积码进行遍历,从而完成删除模式和起始位置识别。该算法具有计算复杂度低、容错性好、易于实现的优点,而且克服了截获码序列起始位置模糊的问题。仿真实验表明,该算法在截获序列足够长且误比特率低于10-2时可以达到95%以上的识别正确率。     

遥感影像弱小目标智能解译算法研究

随着遥感技术的快速发展,光学遥感影像弱小目标智能解译成为遥感信息处理的研究热点之一。遥感影像的地物目标常具有尺度小、种类多、数量大、部分重点小目标移动速度快的特点,易受到复杂背景环境及噪声影响,使得提取遥感影像弱小目标的信息面临着巨大的挑战。早期智能解译算法中的弱小目标分割、检测及跟踪等算法研究,多依赖模板匹配及先验知识,此类算法需耗费大量资源、算力及专家知识成本,存在着计算量大、泛化能力差的问题。近年来,随着深度学习等人工智能技术的快速发展,在海量遥感数据中准确获取弱小目标的信息,通过结合深度学习算法可对弱小目标的特征进行快速提取,以提供高效、准确的解译信息。本文综述了遥感影像弱小目标智能解译算法研究进展,包括基于传统图像处理方法的弱小目标分割、检测和跟踪算法,以及基于深度学习等典型相关算法。通过分析这些方法的优点与局限性,对于提高相关目标的信息获取能力、提升观测的态势感知水平以及未来应用等方面具有重要意义。     

宽带相控阵馈源可展开反射面天线研究

为满足星载高增益天线的应用需求,本文设计了一种带有相控阵馈源的伞状可展开反射面天线。首先介绍了反射面天线可展开机构的原理及设计,由碳纤维天线肋和金属编织网面组成反射面,在高精度可展开机构的动作下实现其收拢和展开,从而大幅减小其收藏包络尺寸。对于直径为1.14 m的可展开反射面天线设计了宽带相控阵馈源,采用金属Vivaldi天线作为相控阵单元,根据极化方式、焦径比和扫描范围选择排列成双极化矩形阵列,使可展开反射面天线在8～16 GHz内实现二维波束扫描,通过电磁仿真进行验证,仿真结果表明,宽带相控阵馈源能够有效地增加可展开反射面天线的视场,反射面天线在8 GHz、12 GHz和16 GHz时扫描到0°的增益分别是38.03 dB、40.65 dB和41.48 dB,扫描到+3°的增益分别是37.68 dB、40.68 dB和41.09 dB。