基于跳周期变换的多跳信号特征盲提取方法

针对多跳频信号特征提取算法整体精度不高,算法适应性能较弱的问题,提出了一种基于跳周期变换的多跳信号特征盲提取方法。采用生成跳周期谱线的方法提取多跳频信号特征参数,与传统方法相比,所提算法提高了多跳频信号的参数估计精度,尤其解决了丢跳等情况发生时估计性能不佳的问题。仿真实验表明,在相同条件下,所提算法的跳周期估计方差比传统算法低一个数量级。

基于旋转基线的仿生学测向研究

基于奥米亚棕蝇耦合处理机制研究了一种新型测向方法,与常规两阵元模型不同的是生物两耳间存在不可忽略的耦合响应,将生物的耦合效应量化成增加有效基线长度的度量。在前人建立的简化力学模型的基础上,研究其物理本质和动力学特性,分析时域响应和频域响应,研究了高斯噪声对响应的影响。与基线旋转相结合初步完成了对信号源的测向要求。研究表明,利用生物的耦合效应增加了基线长度,为超短基线高精度测向提供了理论依据。

基于CUT自身先验知识的STAP

在空时自适应处理(STAP)中,通常使用训练样本来估计杂波协方差矩阵(CCM)。在本文中训练样本仅用来估计部分杂波协方差矩阵,大部分杂波协方差矩阵由待检测单元(CUT)计算。注意到CUT具有先验知识:只有待检测的频率通道可能包含目标信号,而其他频率通道只有杂波。因此,提出了一种基于CUT先验知识的STAP方法。这种方法将待检测单元的杂波分为两部分来重建:第一部分是待检测频率通道的杂波成分,该部分可能混有目标信号,因此通过训练样本来估计;第二部分是其他频率通道中的杂波,这部分可直接从CUT中提取,不需要估计。