小波消噪——AR谱分析在昆虫雷达多目标检测中的应用

针对昆虫雷达多目标检测中,由于接收机的泄漏以及地物杂波干扰,采用常用的功率谱进行分析时,昆虫目标信息被背景噪声所淹没,无法判别出目标高度位置。文中介绍了小波消噪与AR谱相结合对昆虫雷达的回波信号进行分析的方法,分析结果表明：小波消噪——AR谱分析能分离背景噪声的干扰,有效地分辨出昆虫目标高度信息。     

无源雷达多普勒谱分析实现动目标检测的方法

该文提出了基于多普勒谱分析的无源相干雷达(PCR)运动目标检测的方法,将雷达系统接收到的外辐射源连续波信号分段并等效成脉冲串信号,利用脉冲压缩和多普勒处理技术对目标进行检测及定位。该方法以脉冲多普勒(PD)雷达的理论为基础,说明了匹配滤波时连续波信号可以划分成脉冲串信号等效处理,对应给出了无源雷达信号分段及多普勒谱分析的具体方法。文中还详细推导了该方法与传统的计算互模糊函数(CAF)方法之间的数学联系,确立了分段参数的设置准则,在几乎不影响目标积累增益的前提下,计算效率可提升103 ～105 倍。仿真数据和实测数据分别验证了该方法的有效性。      

随机混沌感知矩阵及其在成像雷达中的应用

根据压缩感知理论提出了一种适用于成像雷达的新算法,在成像目标分布满足稀疏性前提下,利用发射的随机混沌序列( SCS )形成卷积矩阵,然后通过随机行抽取构造随机感知矩阵( SC-SM)。给出了完整的算法实现框架,从理论上证明了SCS的随机性和统计独立性以及SCSM的有限等距性( Restricted Isometry Property,RIP)。仿真结果验证了算法的有效性,同时分析了影响算法性能的主要因素。与匹配滤波法相比,所提算法重构误差小,输出旁瓣低。 SCSM与其他随机矩阵具有相同的性能,然而,SCSM容易在硬件上实现,且更适用于要求保密性高和抗干扰能力强的场合。     

线性时频变换及其在雷达弱信号检测中的应用

本文简要介绍了短时付里叶变换及小波变换理论并用此理论分析了强噪声背景下弱信号检测方法。     

光电技术在相控阵雷达中的应用

介绍了光电技术在相控阵雷达中应用的可能性，讨论了用光电技术解决相控阵雷达中的信号分配问题最后，简述了系统对光电器件的要求。     

聚类方法在雷达信号分选中的应用

针对参数相近、互相交叠的非常规雷达信号分选所面临的困难,提出一种改进的聚类方法,并将其应用于常规分选方法提取后的剩余雷达信号.通过大量的仿真实验,验证了此分选方法的可行性.     

超宽频带雷达

描述了超宽频带雷达的基本原理，指出ＵＷＢ雷达与普通窄带雷达相比的一优优点和它的潜在应用价值，并研究了ＵＷＢ雷达的一些特点，这些特点使我们在设计时不能采用传统的设计方法。本文还介绍了ＵＷＢ的二个主要类型：ＵＷＢ微波雷达和ＵＷＢ视频雷达。最后指出这种新型体制雷达投入使用前，还须解决的一些关键技术。     

高分辨雷达在噪声中提取目标信号方法研究

高分辨雷达（HRR）中目标回波信号并不单独地存在于某一个距离分辨单元内，所以其提取目标信号方法与一般的低分辨雷达（LRR）不同。本文研究HRR在噪声中提取目标回波信号的方法，这些方法可总结为相关处理和频域傅氏变换处理两种，在本文最后给出两种处理方法输出的波形。     

矩阵束法在ISAR成像中的应用

传统的基于FFT的ISAR成像算法，受成像角度的限制，分辨率非常有限。为了提高图像分辨率，本文根据目标回波的特点，提出了先用矩阵束方法在频域进行数据处理，再用FFT进行横向分辨的ISAR成像方法。实测数据处理结果表明了该方法的有效性。     

量子雷达检测方程及其应用

量子雷达是一种利用量子资源提升探测性能的新体制雷达,它是经典雷达的升级改进,在信号的调制、传输、接收和检测的原理上都与传统雷达有较大区别。文中从量子物理理论出发,提出了量子雷达的信号回波和背景噪声的一般公式,研究了量子雷达信号检测的一般方法与极限性能,在此基础上提出了量子雷达的一般性方程,并结合在单光子检测雷达这一具体问题上的应用,对量子雷达方程进行了阐释,定量分析了量子雷达相比于经典雷达在探测威力上得到的提升。文章最后对量子雷达方程与探测机理进行了总结。     

计算机在测风气象雷达中的应用

阐述了应用计算机对测风气象雷达进行故障自动测试，以提高雷达的可靠性和可维性。应用计算机对探测数据进行自动处理和对雷达进行控制，以提高雷达的探测精度和计算精度，计算速度，满足气象部门快速探测的要求。     

基于Hankel矩阵分解的天波超视距雷达机动目标检测算法

机动目标检测是天波超视距雷达的研究重点之一。目前已有的算法在高信噪比条件时对单个机动目标的检测效果较好,但在低信噪比时对多个机动目标的检测性能有待提高。该文提出一种基于Hankel矩阵分解的机动目标检测算法,该算法将机动目标信号构造为Hankel矩阵的形式,通过矩阵分解将信号时频估计转化为线性主成分分析的凸优化问题,从而实现匀速与机动目标的分离以及多个目标的同时估计。仿真结果证明了该算法具有估计精度高,信噪比条件低,可以同时多目标检测等优点。     

基于混淆矩阵的全方位角雷达目标识别

基于高分辨径向距离像HRRP(High Resolution Range Profile)的目标识别一直是雷达目标识别研究的重要方向.HRRP的目标姿态敏感性极大地影响了识别性能,尤其是全方位角目标识别的性能.本文提出一种基于混淆矩阵的分类方法,采用支持向量机(SVM)作为基本的两类分类器(Binary Classifier),使用HAC(Hierarchical Agglomerative Clustering)构造了一个基于"错误纠正"策略的两层层次化分类器(Hierarchical Classifier).实验表明,在复杂度增加不大的情况下,识别性能得到了相当程度的提高.     

将隐含Markov模型应用于杂波中的雷达检测

通常将复合随机变量Ｚ＝ＡＸ作为海杂波幅度的模型，其中Ａ为正值的随机变量，Ｘ具有瑞利分布。Ｋ和离散瑞利混合分布源自采用Ａ分别为伽马或离散分布的该模型。在某些应用中，能将Ａ的连续值进行相关。如果该相关被模拟成有限Ｍａｒｋｏｖ过程的话，那么用隐含Ｍａｒｋｏｖ模型（ＨＭＭ）来描述Ｚ。仅有幅度的和相位相干检测的统计结果是由ＨＭＭ模型用局部最优和似然比技术导出的。文中将这些算法的性能与使用雷达数据的ＣＦＡＲ和多普勒处理器作了比较。