相位干涉仪全数字化测向方法分析

传统干涉仪测向采用模拟鉴相器,鉴相误差较大,而数字化鉴相器也仅仅是对输出相位差数字化,精度提高有限.本文提出了一种基于数字接收机的全数字化鉴相器进行测向的方法.经理论分析和仿真实验,该方法测向精度有很大提高,且可以实现同时多信号的分辨.     

基于阵列单通道的机动目标DOA跟踪方法

针对现有利用阵列单通道系统对机动目标跟踪精度不高,实时性差等不足,提出了一种新的基于改进粒子滤波算法的阵列单通道机动目标波达方向(direction of arrival, DOA)跟踪方法。该方法首先在利用接收机轮流采样建立数学模型的基础上,建立跟踪模型。然后,利用粒子群优化算法对马尔科夫链蒙特卡罗(Markov Chain Monte Carlo, MCMC)粒子滤波算法的重采样环节进行优化处理,给出了一种交互MCMC粒子滤波算法,该算法克服了传统粒子滤波算法粒子退化及样本贫化的固有缺陷。最后利用该算法求解跟踪方程,实现了实时DOA估计。理论分析与仿真结果表明,本文方法可实现基于阵列单通道的DOA跟踪与波束形成一体化,且能够处理相干信号,与标准粒子滤波和子空间类算法相比,收敛速度快,跟踪精度高。      

一种基于阵列单通道的DOA估计新方法

为克服阵列多通道系统硬件量大,造价高及通道间存在不一致时性能恶化等不足,提出了一种新的基于阵列单通道的DOA估计方法。首先,通过射频开关控制接收通道轮流对各阵元进行采样建立新的阵列单通道窄带信号空间谱估计模型,接着基于该模型推导了来波方向的后验概率密度函数,然后结合马尔科夫链蒙特卡洛方法(MCMC),实现了DOA的估计。仿真实验结果表明,该方法参数估计性能好,分辨率高,能够处理相干信号。     

机动目标单站无源定位中的测量更新CKF-IMM算法

机动目标单站无源定位是一个典型的非线性滤波问题,将一种新型的滤波算法——容积卡尔曼滤波(CKF)应用于IMM算法之中.为进一步提高定位跟踪精度,提出了一种测量更新CKF-IMM算法.该算法利用马尔科夫过程控制子模型间的切换,并采用CKF算法对各模型进行滤波,然后将每个滤波器的输出状态进行概率加权求和,最后对融合状态再进行一次非线性测量更新.结合空频域单站无源定位模型进行仿真实验表明,与传统的EKF-IMM和UKF-IMM算法相比,CKF-IMM算法的估计误差更小、定位精度更高;而测量更新CKF-IMM算法较CKF-IMM算法可进一步提高定位跟踪精度.     

TOA折叠平面特征点无监督聚类

为提高雷达脉冲分选效率以及将分选和辐射源识别统一完成,探索仅在时域进行重频分选与辐射源特征提取.将雷达脉冲序列的到达时间(TOA)在时间上进行折叠,使得交错在一起的雷达脉冲序列在TOA折叠平面上所形成点迹图.不同雷达由于重频特征不同使得属于一部雷达的脉冲在TOA折叠平面上的点迹形成较强的规律性.文中应用改进的方法通过对点迹的聚类来完成对上述规律的提取,实现将雷达脉冲分选和重频特性识别统一完成.     

DOS环境下实现多任务处理的一种方法

DOS环境下的应用程序流程控制简便、硬件配置需求低,运行速度快,可靠性高,但不易做到多任务处理。本文讨论了在Foxpro for DOS环境下实现多任务处理的一种方法,并成功应用于某宾馆的程控电话联机实时计费系统中,使用效果表明该方法是有效和实用的。     

基于自组织映射网络的波达方向估计

基于自组织映射网络学习算法来实现聚焦过程的方法能够较好地改善估计精度、估计分辨率等性能;并通过与基于逆传播学习算法的聚焦方法进行比较实验,充分显示该方法的优良特性。     

基于两种神经网络方法分析的DOA估计算法比较

许多高分辨率波达方向估计算法如MUSIC和ESPRIT估计都是以子空间概念为基础并且需要输出相关矩阵的特征值分解,由于数量估计的特征值分解计算,因此提出的PCA和MCA是分别基于信号子空间和噪声子空间的估计算法,算法稳定、收敛,且有自组织特性。仿真实验表明两种神经网络DOA估计算法具有不同的性能。     

基于时差和时差变化率的宽带信号单站无源定位方法

当目标为宽带信号时,现有单站无源定位方法需要的参数难以获取。而时差和时差变化率是一种宽窄带都适用的观测量。因此,在分析时差和时差变化率所包含目标信息的基础上,建立了一种新的单站对宽带信号源的定位模型,并利用粒子滤波算法对该模型进行滤波处理。仿真实验表明了该方法的有效性。     

基于强跟踪容积卡尔曼滤波的单站无源跟踪算法北大核心CSCD

系统模型和滤波算法是机动目标单站无源定位跟踪要解决的核心问题。文中采用截断正态概率模型和一种新型的滤波算法--容积卡尔曼滤波,对机动目标进行单站无源定位跟踪。针对目标突发机动的情况,借鉴强跟踪滤波器的思想,在滤波过程中引入时变渐消因子,提出了一种强跟踪容积卡尔曼滤波算法(Strong Tracking Cubature Kalman Filter,STCKF)。该算法利用容积数值积分原则直接计算非线性随机函数的均值和方差,实现简单,估计精度高,并通过渐消因子自适应在线调节增益矩阵,增强了系统对突发机动的跟踪能力。结合空频域单站无源定位模型进行仿真实验表明,STCKF算法在对一般机动目标进行跟踪时,性能与CKF算法相当,并优于传统的EKF算法。当目标突变大机动时,STCKF算法的滤波性能要高于EKF以及CKF算法。