强干扰背景下S模式解码方法

当S模式应用于多点定位和ADS-B系统时,面临高密度的A/C脉冲干扰,现有解码方法将导致较高的错误率和低置信度数据。该文针对A/C fruit干扰严重的环境,改进了S模式数据解码方法,包括中点判决法、基线多点判决法、基于查表的多点判决法和简化表格的多点判决法。通过分析40,000次/秒干扰的重叠概率,提出了干扰环境的模拟方法,并对几种解码方法进行了大数量的仿真,获得了很高的解码正确率,验证了几种S模式数据解码方法的有效性。     

一种适用于机场场面监视MLAT系统的状态模型

根据直角坐标系的目标运动模型和无源多点时差定位系统(MLAT)的特点,推导出了一种到达时间差（TDOA)状态模型方程,并基于该模型方程,设计了一种TDOA跟踪滤波器。与传统TDOA状态模型方程相比,所推导出的状态模型方程和滤波器不但能提高TDOA的估计精度,还可更有效地消除非视距（NLOS）成分。仿真和实测数据证实了所推导状态模型方程和所设计跟踪滤波器的有效性。     

运用矩阵束方法稀布优化可分离分布的平面阵

针对可分离分布平面阵列的稀布优化问题,提出了一种基于矩阵束方法的减少阵元数目、求解阵元位置和设计激励幅度的优化方法。可分离分布平面阵的方向图等于两个正交线阵方向图的乘积。对形成期望方向图的两正交线阵的方向图进行采样得到离散的数据集,再构造Hankel矩阵;然后对此Hankel矩阵进行奇异值(SVD)分解,舍弃一部分不重要的奇异值,得到近似Hankel矩阵的最优的低秩逼近矩阵,它和稀布线阵的方向图相一致;基于广义特征值分解的最小二乘准则来计算两稀布线阵的阵元位置和激励,从而得到稀布面阵的位置和激励。仿真结果证实了该算法的有效性。     

空时自适应杂波分类抑制与弱小运动目标检测

提出了一种新的方法应用于一类重要的高维信号检测问题:在强杂波干扰下检测数字图像序列中位置和速度未知的弱小运动目标.通过对输入序列时域灰度矩进行学习,将像素分成两类———静杂波和动杂波.分别对其采用非参数时域滤波和LS自适应滤波进行去除,从而将原始数据转化为准SPGWN模型.杂波抑制后,根据单帧多像素目标模型假设,采用在空、时域联合集成信号能量的检测算法,能有效地改善信噪比并且有利于实时实现.理论分析和对真实数据的大量仿真试验验证了本方法的有效性.     

采用多扫描自适应预测的红外弱目标检测

提出了一种多扫描预平滑RLS自适应算法用于增强红外成像数据中的弱目标检测.感兴趣的目标被假设为只有极小的空域扩展度,而且淹没于强背景杂波干扰中.通过RLS自适应滤波器,背景杂波分量被准确地预测并从输入信号中去除,从而只剩下目标信号与残留噪声.在全空域非平稳数据中应用多扫描机制可以增强算法对非平稳杂波的跟踪性能;而将原始图像数据经过预平滑处理后作为自适应滤波器的输入,则能够减少由于目标灰度扩展带来的背景预测失准.对真实图像数据的仿真表明该算法的性能明显优于其它几种传统方法.     

目标高度对广域多点定位系统精度的影响

广域多点定位技术是对航路和终端区域的飞行器进行监视的新技术,由于多个接收站点通常布局在地面上,站点的基线长度和飞行器高度对系统的定位精度至关重要.根据双曲线/面定位技术,导出了最小二乘法解算目标位置时定位精度与高度误差的关系,然后对同高度层和高度层变化的水平精度稀释和垂直精度稀释进行了分析和仿真,证明了高度变化对精度影响显著的结论.最后,讨论了站点布局的作用,在高度不变的情况下,适合的布站形状和基线长度可减小高度误差对定位精度的影响.     

一种基于迭代FFT算法的直线稀疏阵列优化方法

介绍了一种基于迭代快速傅里叶变换(FFT)算法的优化方法来实现直线稀疏阵列的峰值旁瓣电平最优化,分析并给出了该方法的详细优化步骤.利用阵列因子与阵元激励之间存在的傅里叶变换关系,对不同的初始随机阵元激励分别作迭代循环,便可以得到最优的阵元分布.在迭代过程中,根据稀疏率将阵元激励按幅度大小置1置0来完成阵列稀疏.通过对仿真结果进行分析,证明了该方法的快速性、有效性和稳健性.     

一种基于视频MLAT的场面目标监视新方法

结合民航中小型机场特点,提出了一种基于视频多点定位(MLAT)的场面目标监视方法。该方法通过多摄像头与目标位置的相互关系确定目标在场面的初始位置,并依据因视频几何精度稀释因子(GDOP)与测角误差共同作用而形成的定位误差拓扑图作为滤波过程中的测量误差参数,来对位置估计进行修正,从而实现对场面目标的高精度跟踪。实验表明该方法不仅可行,而且具有较高的监视精度,为中小型机场的场面监视雷达(SMR)提供了一种备份手段。     

多分类器融合的快速高维特征聚类图像分割

提出一种多分类器融合的快速高维特征聚类图像分割方法,将图像高维特征数据的分类分解为基于灰度(颜色)特征的最佳模糊分类以及基于空域约束的统计分类等多个低维特征数据的分类.通过多分类器融合的方法将不同分类器得到的分类结果进行优化整合,得到最后的分类结果.实验证明:与其它图像分类算法相比,该方法拥有更好的分割性能并大大提高了计算速度,最大限度地保证了分割算法计算的简单有效性.     

机场场面多点定位系统远端站优选方法

对于机场场面时差(TDOA)定位系统,一旦某个远端站的到达时间检测误差突增,将会对定位精度产生致命影响.提出了一种新的站点优选方法,首先采用平滑滤波估计目标真实位置,再以该估计值为基准进行测量位置与时差的偏差统计判决,从而快速地确定发生故障的站点.针对特定机场的蒙特卡洛仿真试验证明了该方法的有效性.