以“金课”为目标的案例课程教学改革与实践——以“雷达辐射源分析案例”课程为例

案例教学已成为提升新时代中国高等教育教学质量的有效形式,对促进新型高素质人才培养具有积极作用。当前,我国高等教育更加注重内涵式发展,提出了“金课”建设计划。对标“金课”标准,案例教学还存在很多不足。文章以“雷达辐射源分析案例”课程为例,从案例建设、教学准备、课堂教学、考核体系、教学团队等几个方面,探讨了以“金课”为目标的案例教学改革与实践。

基于累积变换的周期性对称调制模式的快速自动搜索算法

借鉴平面变换技术,将密集雷达脉冲序列映射成平面位图矩阵,并提出自动搜索周期性对称调制模式的快速算法,用于分选密集信号环境下PRI受周期性对称调制的雷达脉冲.大量的仿真试验结果表明算法在密集信号环境下,分选PRI是周期性对称调制的雷达脉冲的平均准确率达到92%,平均漏选率只有5%,极大地提高了雷达脉冲分选的效率和准确性.最后给出模式搜索时间、脉冲分选平均准确率和平均漏选率随脉冲密度变化的结论.

低信噪比下非凸化压缩感知超宽带信道估计方法

受感知信息算子矩阵相干性和噪声的影响,压缩感知超宽带(UWB)信道估计误差过大.为此,首先提出利用压缩观测信号加权构造自适应感知信息(ASI)算子矩阵的方法,ASI算子矩阵不仅具有弱相干性,而且包含观测信息,适用于重建算法选择最优稀疏表示原子.其次提出修正稀疏度自适应匹配追踪(SAMP)算法,无需稀疏度或信噪比的先验信息实现压缩感知稀疏信号准确重建.最后基于ASI算子矩阵和修正SAMP算法提出非凸化压缩感知UWB信道估计方法,理论分析和仿真结果均表明该方法能在低信噪比和极低压缩比下实现UWB信道的准确估计.

一种利用向量空间模型快速检索文本情报的方法

向量空间模型(VSM)是一种效果较好的信息检索模型。本文提出了利用向量空间模型实现对文本情报快速检索的方法。在阐述建立分类情报的索引词向量的基础上,讨论了利用索引词向量映射文本情报和存储文档向量矩阵的方法,并通过实例介绍了如何通过计算检索向量和文档向量矩阵的相关度来确定返回的检索内容。

基于迭代自适应稀疏分解的雷达信号去噪

稀疏分解能有效分离信号和噪声,因此适用于信号去噪。文中构造了雷达回波稀疏表示的冗余字典,字典原子与目标回波波形匹配,基于该字典的雷达回波信号稀疏度就是目标数。针对稀疏度自适应匹配追踪算法进行低信噪比信号稀疏分解时的不足,提出了一种迭代自适应匹配追踪算法,采用规范化的残差之差作为迭代终止条件,使得稀疏分解过程能依据噪声水平自适应终止,以逐次逼近方式估计信号稀疏度,改善了稀疏分解的精度。仿真实验结果表明,该算法在低信噪比以及稀疏度未知的条件下,实现了雷达回波信号的准确稀疏分解,极大地提高了信噪比。

周期性对称调制伪模式搜索及其应用

分析了周期性对称调制伪模式的显示周期与平面宽度和调制周期内的调制脉冲数之间的关系。由于周期性对称调制伪模式可在不同宽度的平面上出现,这使得可以在较窄的范围内实现模式搜索,并据此完成特殊体制的雷达脉冲的快速、自动分选。仿真试验结果表明,依据伪模式分选周期性对称调制的脉冲的平均准确率可达到93%以上,平均漏选率低于5%。

IR-UWB信号随机性压缩采样和重建方法

针对直接采样IR-UWB通信信号所需采样频率过高难以实现的问题,利用其时域稀疏这一特性,研究了非相干压缩感知框架下的IR-UWB信号压缩采样方法。首先,分析了以高斯二阶脉冲为基本波形的IR-UWB信号的稀疏性,给出了稀疏度估计方法。其次,提出了基于时域稀疏性的IR-UWB信号非相干随机性压缩采样方法及其重建方法。最后通过仿真实验分析了不同压缩采样比条件下,基于随机性压缩采样的IR-UWB信号重建性能。仿真实验结果表明:本文方法在压缩采样比不低于0.3时,可以高概率精确重建IR-UWB信号。

一种复杂密集信号的预分选方法

随着新体制、新技术雷达的不断出现 ,侦察接收到的雷达序列信号更加密集和复杂。在阐述传统的时域分选方法已不能有效分选这类信号的基础上 ,提出利用信号的特征参数 ,对已按DOA稀释的雷达序列信号进行预分选的方法。试验证明该方法能有效地筛选常规雷达信号和部分非常规雷达信号 。

基于自适应感知字典的超宽带信道估计方法

由于超宽带（UWB）信号稀疏表示冗余字典的原子之间存在较大的相干性，压缩感知UWB稀疏信道估计精度不高。针对该问题，先构造出自适应感知字典，与冗余字典相比，自适应感知字典具有较低的相干性。然后提出自适应正交匹配追踪（AOMP）算法，以适用于稀疏度未知以及较低信噪比下稀疏信号重建。理论分析和仿真结果表明：利用自适应感知字典和AOMP算法可提高含噪压缩感知UWB信道的估计精度。

一种脉冲重复间隔固定序列快速检测方法

针对脉冲混迭造成的脉冲重复间隔(PRI)固定序列检测以及PRI估计困难的问题,该文提出一种基于平面变换的PRI固定序列快速检测方法。该方法通过脉冲到达时间(TOA)对平面宽度的整数取余运算,只需1次时域变换处理即可生成PRI固定序列平面变换点迹的周期性图形(PGPTP);之后依据点迹图形模式的差异实现多个TOA交错的PRI固定脉冲序列的判定,并结合点迹图形纵向展开周期和平面宽度逐一估计出PRI值,进而实现密集信号环境下PRI固定脉冲序列分选。仿真实验验证了该方法的有效性以及高效、实用等优点。

密集信号环境下分选参差雷达脉冲的新方法

在密集信号环境下,雷达信号参差类型的判定以及参差雷达信号分选一直是雷达信号处理的一个难题。研究了在密集信号环境下PRI参差判定门限的设计方法,在此基础上,提出了PRI参差雷达脉冲分选的新方法。仿真试验表明,该方法是切实可行的。

利用Hilbert变换提取信号瞬时特征参数的问题研究

解析Hilbert变换利用其实部与虚部的关系,定义出任意时刻的瞬时频率、瞬时相位及瞬时幅度,因而工程中人们设法将其应用对实际信号的瞬时参数提取中。然而,在利用Hilbert变换提取瞬时特征参数的工程实现中存在一些问题,如何解决这些问题,特别是如何高精度提取瞬时频率特征参数问题是文中的研究重点。

卫星时变拓扑网络节点重要度评估方法

针对卫星网络拓扑结构的时变特征,通过构建时变拓扑图序列模型,将卫星时变拓扑网络分解为一系列具有稳定状态的拓扑图结构。综合考虑节点在网络中的全局性影响和局部性影响,以节点介数、节点紧密度和节点距离的重要度贡献为度量参数,提出了稳态卫星网络节点重要度评估方法,设计了卫星时变网络节点重要度评估算法,通过典型实例验证了算法的准确性和有效性。实验结果表明,该方法能够有效地区分卫星时变网络节点重要度差异,准确评价卫星节点对卫星网络资源的控制能力。

人工免疫理论在异常检测中的应用进展

对人工免疫理论在异常检测中的应用现状进行了系统的论述。首先,介绍了人工免疫的常用概念和术语,给出了异常检测的定义,阐述了人工免疫两个主要的基本理论,并进行了对比分析;深入分析了主要的人工免疫算法原理、流程及其在异常检测中的应用情况。最后简要提出了人工免疫在异常检测应用中的发展前景及其研究方向。

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。

典型阵列快速MUSIC算法研究

由于MUSIC(MUltiple SIgnal Classification)算法需要大量的乘法运算和三角函数求值,导致其实时处理能力较弱。为此,该文首先对均匀线阵和均匀圆阵的阵列结构进行分析,提取导向矢量的一些性质。然后,利用Hermite矩阵的性质对复数乘法进行分解,再组建两个实值向量以减少乘法运算次数。最后,利用导向矢量的性质提出一种基于查表的新算法。新算法既没有三角函数求值运算,又不需要大量的存储空间。仿真实验结果表明新算法在没有改变MUSIC算法谱估计的效果的前提下,将MUSIC算法的运算速率提高了50倍以上。因此,新算法具有广阔的应用前景。

基于孤立点分析的辐射源奇异脉冲提取方法

讨论了密集信号环境下雷达辐射源奇异信号提取的问题,将数据挖掘技术的孤立点分析方法应用到雷达辐射源信号分选中来,提出了依据参数异常和到达时间异常提取奇异雷达辐射源信号的方法,并通过试验分析验证了方法的有效性。

无人机群通用控制站的技术需求分析

不同功能无人机的集群作战已经成为现代战争的一个突出的发展趋势,集群作战对现有的无人机和控制站都从技术上、结构上和功能上等方面提出了新的要求。目前,国内外并没有较成熟的通用控制站。从调度与指挥、信息分发与共享、碰撞检测、频谱资源管理和航路规划等方面,对控制站的功能需求进行了深入分析,提出了控制站的建设方案和适用的技术。针对控制站和无人机的现状,提出了改进的建议和方法。

基于稀疏约束和SRV约束的宽带自适应波束形成

针对传统的宽带MVDR自适应波束形成中,抑制干扰的同时会抬高旁瓣电平,且过多的线性约束会导致波束输出的SINR性能下降的问题,提出了一种基于SRV约束和稀疏约束的低旁瓣、高增益宽带自适应波束形成方法。该方法在窄带MVDR自适应波束形成基础上,通过增加波束图稀疏约束来降低波束的旁瓣电平,同时利用空间响应偏差(SRV)约束将窄带算法推广到宽带MVDR自适应波束形成中,极大地降低了算法的复杂度,改善了波束输出的SINR性能。与传统方法相比,该方法在降低宽带波束的旁瓣电平的同时,还具有良好的干扰抑制效果。数值仿真实验验证了该方法的有效性。

基于二次特征提取的神经网络信号源个数估计方法

信源数目估计对阵列信号空间谱估计非常关键,但容易受到相关噪声环境和相关信号源的影响。为此,提出一种基于二次特征提取的源数估计算法。首先,利用阵列信号协方差矩阵的特征值和特征向量,提取6组二次特征参数;然后,利用这些参数对神经网络进行训练;最后,利用训练好的神经网络进行信源数目估计。由于稳健性强,该算法非常适合在复杂电磁环境下使用。仿真试验结果表明,该算法在低信噪比、相关噪声和相关信号源条件下均具有良好的估计性能。因此,该算法应用前景广阔。