基于改进差分进化算法的时间调制阵列多波束优化形成

提出了一种基于时间调制阵列的数字多波束形成方法。时间调制阵列会产生基波分量和各次谐波分量,通过调整各个单元的控制时序,实现谐波分量的幅度和相位综合,可以在正负第一次谐波处实现期望方向的波束形成。同时采用改进差分进化算法来优化控制时序,进一步降低最大旁瓣电平,实现两个指向不同的数字波束的设计。最后通过与时间调制阵列波束形成和基于基本差分进化算法的时间调制阵列波束形成对比,验证了该算法在数字多波束形成中的可行性和有效性。     

风驱动优化的共享孔径方向图综合

针对共享孔径阵列天线,基于一种新型的全局优化算法——风驱动优化,提出了一种新的共享孔径方向图综合方法。首先,设计两阵列相邻阵元的间距约束条件,将两个子阵波束图的最高旁瓣电平作为优化目标。然后,在约束公式条件下,先后确定子阵1和子阵2阵列单元的初始坐标,通过利用风驱动算法优化两子阵单元坐标位置来降低旁瓣电平,实现不同频率的共享孔径阵列天线设计。最后,通过与粒子群算法和传统SMI算法对比,验证了该算法在共享孔径方向图中的可行性和有效性。     

基于射频隐身的采样周期和辐射功率控制方法研究

为进一步提高雷达的射频隐身能力,合理分配相控阵雷达的工作参数,在目标跟踪时,对雷达的采样周期和辐射功率控制方法进行研究。首先,根据目标运动状态的不同,对雷达采样周期与辐射功率自适应设计方法进行分析,在满足系统跟踪性能要求的前提下,建立了控制参数的优化模型;然后,利用粒子群算法优化自适应采样周期和自适应辐射功率等参数,有效地降低了跟踪性能误差,提高了雷达系统的射频隐身性能。与传统的雷达采样周期和辐射功率算法进行了仿真比较,结果表明所提的算法取得了较好射频隐身效果。     

目标跟踪时基于射频隐身的采样周期设计

为进一步提高雷达的射频隐身能力,在分析相控阵雷达采样周期与射频隐身性能的关系的基础上,基于交互多模型算法,提出了目标跟踪时基于射频隐身的采样周期设计方法, 根据运动状态的不同,自适应设计下一时刻的采样周期。首先对目标跟踪算法中的运动目标设定期望的协方差,利用协方差控制方法求出各模型的采样周期,然后利用跟踪算法更新后的模型概率对各模型采样周期进行加权求和,在满足跟踪精度同时,有效地设计了采样周期。本文算法与传统的采样周期算法、公式法进行比较,仿真结果表明本文算法具有较好跟踪性能的同时,增大了跟踪过程中的采样周期,从而显著提高了雷达射频隐身性能。      

基于射频隐身的采样间隔和功率设计

研究了雷达跟踪时的采样间隔和功率自适应设计问题。依据交互多模型跟踪算法和协方差控制的方法,提出了目标跟踪时自适应采样间隔的设计方法。该方法对所跟踪的目标设定期望跟踪精度,从采样间隔序列中选择符合期望精度的采样间隔,使得采样间隔最大化;在恒定检测概率的前提下,根据目标远近、雷达散射截面积大小,给出了辐射功率的自适应控制方法。仿真结果证明了文中方法的有效性。     

基于串联式一维神经网络的毫米波雷达动态手势识别方法

现有的基于雷达传感器的手势识别方法,大多先利用雷达回波对手势的距离、多普勒和角度等信息进行参数估计,得到各种数据谱图,然后再利用卷积神经网络对这些谱图进行分类,实现过程较为复杂。该文提出一种基于串联式1维神经网络(1D-ScNN)的毫米波雷达动态手势识别方法。首先基于毫米波雷达获取动态手势的原始回波,然后利用1维卷积和池化操作对手势特征进行提取,并将这些特征信息输入1维Inception v3结构。最后在网络的末端接入长短期记忆(LSTM)网络来聚合1维特征,充分利用动态手势的帧间相关性,提高识别准确率和训练收敛速度。实验结果表明,该方法实现过程简单,收敛速度快,识别准确率可以达到96.0%以上,高于现有基于数据谱图的手势分类方法。     

基于泰勒加权最小二乘算法的水下TDOA/FDOA联合定位方法

针对水下复杂的定位场景中,两阶段加权最小二乘算法因为忽视噪声平方项而造成的定位不精确问题,本文提出了一种基于泰勒加权最小二乘算法的水下到达时间差和到达频率差(Time difference of arrival and frequency difference of arrival, TDOA/FDOA)联合定位方法。该方法首先通过加权最小二乘算法求解目标粗估计位置和速度;然后通过求解TDOA/FDOA测量值的泰勒展开式构造定位误差方程,用迭代的方法不断更新目标估计位置和速度;最后,当定位误差足够小或达到最大迭代次数的时候,算法停止运行并输出目标估计位置和速度。仿真表明,在噪声方差小于10分贝时,本文算法的位置和速度估计的均方根误差能够接近或约等于克拉美罗下界。      

一种改进两步加权最小二乘的TDOA定位算法

现有的两步加权最小二乘水下声源定位算法中,两步法处理均存在平方以及开方等非线性运算忽略了二阶误差项,导致定位精度下降。提出了一种改进的两步加权最小二乘算法,首先引入时差方程,构建新的定位方程,初步估计出声源位置;接着引入中间变量并进行泰勒展开,利用中间变量与声源位置误差之间的非线性关系构建定位方程,对声源位置初步估计值进行校正,有效避免了二阶误差项的丢失,得到了更加精确的估计结果。通过与克拉美罗下界进行比较,验证了算法性能的同时进一步提升了算法定位精度。     

改进嵌套稀疏圆阵下基于OGSBL的DOA估计方法

针对现有基于嵌套稀疏圆阵DOA估计方法计算复杂度高、超参数无法快速选取问题,提出了一种基于改进嵌套稀疏圆阵的离格稀疏贝叶斯学习(OGSBL)方法.该方法首先将改进嵌套稀疏圆阵接收信号的协方差矩阵进行向量化处理,然后构造扩展的观测矩阵,进而结合离格模型与稀疏贝叶斯学习算法实现欠定的DOA估计.仿真实验结果表明,所提算法降...     

水下传感器网络目标跟踪时的非短视比特优化分配算法

由于水下传感器网络(Underwater Sensor Network,USN)的能量、带宽有限,传输原始量测数据前需要进行量化处理。面向目标跟踪,在传输比特数据量的约束下,提出了非短视量化比特分配算法。首先,推导了量化量测下的条件后验克拉美罗下界,并将其设为优化目标,建立了比特分配优化模型。在此基础上,提出了一种双层近似动态规划的算法来实现比特分配的优化,在所设时间窗内利用第一层近似动态规划分配各个时刻的比特,并利用第二层近似动态规划在各分支上实现水下传感器节点的比特分配,进一步提升了计算效率。仿真结果表明,所提算法在满足实时性的要求下具有更稳定的跟踪性能。