基于ZigBee的加权质心定位算法的仿真与实现

为了研究节点定位算法的实现方法,提出了一种新的加权质心定位算法。这种算法首先通过对无线电传播路径损耗模型的分析,结合具体环境的实验,得到信号传播的经验模型,然后利用信标节点对未知节点的不同影响力来确定加权因子,进行加权质心算法定位。最后在对定位数据处理和分析的基础上,选取三个RSSI最大的信标节点进行定位计算,进一步改善了节点定位精度。仿真和实验结果表明,这种加权质心算法可应用于区域定位。

PRF跟踪器设计与实现

介绍了 PRF 跟踪器的原理以及确定雷达脉冲被准确跟踪的准则,详细阐述了滤波器和数字式跟踪器的组成及各部分功能,应用高性能 FPGA 实现多路脉冲重复频率跟踪器,实现全硬件跟踪,解决了密集信号环境下信号跟踪的实时性问题,提高了可靠性、灵活性,提高电子战设备的信号分选和信号处理能力。

两站对运动目标无源定位算法研究

提出的算法是利用两个观测站测得的信息,应用三角交叉定位法,对运动目标辐射源位置的估计算法进行了研究。该算法在处理测量数据时,不是采用传统上对目标位置进行估计的方法,而是直接对目标的每一次位置的估计偏差进行估计和滤波,以达到定位跟踪的目的。具体运用加权最小二乘估计,为提高估计精度,将估计的结果送入卡尔曼滤波器进一步进行处理,经过一定次数的迭代处理,可以实现对目标快速的定位和跟踪,给出了算法结构框图及仿真结果。

基于凸优化理论的多传感器故障诊断技术

针对DS证据理论基本概率赋值函数难以获取、证据间要求相互独立等缺点,提出了利用凸优化理论来建立满足需要的多传感器故障诊断模型。本文首先分析了传感器故障诊断报告的形式,构造了多传感器故障融合的代价函数。通过分解代价函数,将多传感器故障诊断问题转换为凸优化问题。同时利用对数罚函数内点算法求解凸优化模型,该算法结构简单,计算量小,易于实现。理论分析和仿真结果表明,基于凸优化模型的多传感器故障诊断方法较之传统的DS证据方法具有更好的识别能力、更强的鲁棒性和更广的适用范围。

基于PReLUs-Softplus非线性激励函数的卷积神经网络

针对卷积神经网络表达能力和识别效果受卷积层激励函数影响的问题,提出了一种新型非线性激励函数PRe LUs-Softplus,并将其应用于神经网络卷积层.对新型神经网络和采用传统激励函数的神经网络在MNIST和CIFAR-10标准数据库上进行了图像识别对比实验,结果表明,相比于采用传统激励函数的神经网络,使用PRe LUs-Softplus激励函数的卷积神经网络在不同的池化方式下图像识别计算收敛速度更快,显著降低了识别的错误率.

宽带信道化接收机研究与实现

根据多项滤波器组理论和FFT方法提出并实现50%覆盖的均匀信道化宽带数字接收机。这种宽带数字接收机把整个采样频带划分成若干并行信道输出,使得信号全概率截获,是侦收跳频、突发以及自适应通信信号接收机的理想前端。主要应用于软件无线电的实现和电子战中。主要阐述宽带数字接收机信道化原理、软件仿真和硬件实现,并为实际工程需要设计了算法、程序和硬件平台,实现了0~100 MHz频率范围内8信道的数字信道化。

基于雷达、红外的数据融合算法研究

现代战争中,战场环境复杂,干扰严重,单一模式的武器不能满足要求,多模制导武器可以发挥各自模式的优点,其核心是多传感器的数据融合。文中对主动、红外传感器的数据融合方法进行研究,提出了数据融合的算法。采用加权最小二乘法将观测数据进行融合,将融合结果与前几个时刻融合数据进行拟合得到这一时刻的结果,此方法可充分利用各传感器信息,达到较好的数据融合效果。

被动雷达导引头多信号决策算法研究

文中对被动雷达导引头在跟踪多部信号情况下的决策算法进行了研究。首先,利用被动雷达导引头信号处理器报送的信号角度、脉宽、载频等信息与库中目标的特征雷达参数及状态估计值进行了相关运算,得到所处理信号各特征的相关度,按照一定准则把各分量的相关度组合在一起,得到每一部信号关于所要跟踪目标的置信度,然后,应用WPCR准则对多部信号进行决策,判断出哪部信号来自目标,最后,对WPCR算法进行了验证和改进。

一种改进的数据场聚类算法

雷达信号分选是电子侦察中的关键步骤,针对传统聚类算法需要先验知识、算法需要人为设定参数、对孤立噪声点敏感和对初始聚类中心的选取对聚类效果有直接的影响、容易出现"增批"缺点,提出一种改进的数据场聚类算法。该算法计算所有的数据对象的势值,通过寻找势心来确定初始聚类中心和聚类数目,根据数据对象的势值大小和阈值进行比较,剔除孤立噪声点,将数据对象划分到距离最近的聚类中心的那一类中完成聚类。文中仿真了12部雷达信号,包括了常规雷达、抖动雷达、参差雷达和捷变频雷达,雷达参数相近或交叠。仿真结果表明,改进的数据场聚类算法有良好的聚类效果。

基于联合概率关联的雷达信号分选方法

信号分选是电子侦察的重要组成部分,在愈发复杂的电磁环境中变得尤为重要。文中提出一种基于联合概率数据关联的雷达信号分选方法,该方法在信号处理的过程中将雷达参数从测量域转换到概率域,将脉冲描述字与聚类中心的距离转换为关联概率,通过关联概率来对落入关联门限内的雷达参数分别进行更新,对参数相近或交叠的雷达信号能达到良好的分选效果。文中设置12部雷达信号,分别有脉冲重复间隔(PRI)固定(常规)、PRI抖动、PRI参差、捷变频雷达,其中脉宽、到达角有参数相同的雷达,载频有参数相近的雷达,仿真结果表明,对文中设置参数,平均正确匹配率为94%。

一种基于时差和多参数信息的加权联合分选算法

针对复杂环境信号分选,提出一种基于时差和多参数信息的加权联合分选算法。在主侦察设备序列中确认基准信号,通过基准信号与从侦察设备序列多参数匹配确定包含时差和多参数的基准向量,根据基准向量搜索主侦察设备中满足多参数信息加权的序列,逐一与从侦察设备序列满足基准向量的序列进行匹配,最后对匹配成功的序列进行分析得到雷达参数,实现信号分选。实验表明在信号丢失严重和存在干扰脉冲的情况下能够分选出雷达信号,提高雷达分选成功率,降低漏警率。

一种基于集成学习的DBN模型分类方法

雷达信号分类是雷达信号电子侦察的关键技术之一,针对利用深度学习模型进行雷达信号分类时其性能不稳定的缺点,提出了一种基于集成学习的深度信念网络模型进行分类的方法.通过深度信念网络模型不同层间的特征抽取,通过不同的分类器得到不同的分类结果,再将分类结果进行集成,得到最终的输出.待分类的雷达信号由12部雷达产生,包括常规、参差、频率捷变和抖动四种雷达.仿真结果表明,该模型的分类错误率较低,鲁棒性较好.

基于变分稀疏贝叶斯学习的DOA估计

针对传统稀疏贝叶斯学习的DOA估计算法复杂度较高、收敛速度较慢等问题,提出了一种基于变分稀疏贝叶斯学习的DOA估计算法。首先通过空间网格划分方式建立基于稀疏表示的DOA估计信号模型;其次在此模型基础上为未知待估计参数指定先验分布,得出稀疏信号的后验概率分布;然后利用变分贝叶斯学习算法,通过最小化KL散度寻求后验概率分布的近似分布;最后估计出未知参数,并得到信号的DOA估计值。根据MATLAB仿真图的结果,该算法成功估计出信号的DOA,并达到了预期效果。与传统稀疏贝叶斯学习算法相比,该算法单快拍下具有更高的DOA估计精度以及更快的收敛速度。

时-空欠采样下多个信号的频率和DOA联合估计

针对时-空欠采样条件下多个入射信号的频率和波达方向(DOA)联合估计问题,提出了基于中国余数定理(CRT)的估计算法。利用稀疏分布的非均匀线阵对同时到达的多个入射信号进行多路的并行欠采样,借助AM估计器的谱校正,得到精确的谱峰位置余数和相位差余数。通过改进的重构多个整数的中国余数定理得到频率的估计值,并且根据该频率估计值和频率估计过程中的谱峰位置余数对多个信号和多组相位差余数进行配对,再通过闭式中国余数定理解决相位模糊问题,完成DOA估计。仿真结果验证了该算法的顽健性和高精度,并且阵列一次并行欠采样的样本同时为频率和DOA估计所用,算法耗时短,表明了其实际工程应用前景。

超视距目标跟踪的卡尔曼滤波算法研究

针对有界范围内的运动目标进行超视距跟踪时出现的量测不可靠问题,提出一种卡尔曼滤波初值选取方案,对采用三点法求得超出界限的目标初始运动状态进行修正,再将其作为新的滤波初值,这一方法称为投影修正法。对比传统初值确定方法,并结合3种传统非线性卡尔曼滤波算法,分别在目标与观测台的初始距离为600和1000时进行仿真验证。仿真结果显示,与传统方法相比,应用该初值确定方法能在探测距离相对误差为1%,探测角度误差为0.01rad时,明显提高滤波初期收敛速度且滤波精度不下降。此外,研究还发现,在利用投影修正法进行跟踪滤波时,同等条件下选用零值修正,收敛效果更好。

基于实信号处理的宽带数字接收机及FPGA实现

分析了基于实信号处理的宽带数字信道化接收机原理以及具体的FPGA实现方案。通过改进已有模型,搭建一种更适合硬件实现的数字信道化模型。较好地解决了宽带数字信号实时处理、信道化接收机中邻近信道混叠等问题。系统仿真结果验证了模型的有效性和可行性。

高精度时钟芯片在测量设备中的应用研究

简要介绍了Dallas公司的高精度时钟芯片DS12C887组成及内部控制寄存器参数,阐述了DS12C887的主要功能,给出了DS12C887与Intel单片机(80C196KC)接口的硬件设计原理图,测量设备将处理后的数据及时间送给LCD显示,给出了相应的汇编语言编写的时钟芯片软件初始化及中断中读取时间程序。

运动多站无源时差/频差联合定位方法

鉴于无源定位技术已经成为现代信息化作战的核心技术,提出了一种新的运动多站无源时差(time difference of arrival, TDOA)频差(frequency difference of arrival, FDOA)联合定位方法去解决无源定位系统中的非线性最优化问题。通过智能算法的启发,将优化后的基于线性递减权重和物竞天择的粒子群算法(particle swarm optimization algorithm based on linear decreasing weight and natural selection, WSPSO)与经典加权最小二乘算法(weighted least squares, WLS)相联合对目标进行跟踪定位。加权最小二乘定位算法在4个基站的情况下无法实现对辐射源的定位,所得定位结果会出现多解。而所提的运动多站联合定位算法在4个基站的条件下不存在初始目标位置估计和局部收敛等问题就能够实现辐射源的精确定位。通过大量仿真结果分析,本文所提的智能优化定位算法具有更高的目标定位精度和更稳健的定位性能,优于标准粒子群算法与优化PSO算法。

瞬时相位法线性调频信号瞬时频率提取技术研究

文中针对线性调频雷达信号的特点,首先分析了基于瞬时相位法的线性调频信号瞬时频率提取原理,其次通过确定模糊值恢复了相位序列,实现提取线性调频信号的瞬时频率。通过理论分析和算法仿真,证明应用相位法提取线性调频信号瞬时频率具有运算量小、实时性好的优点。

比幅比相测角系统信号处理技术研究

比幅比相测角是宽带被动雷达导引头测向系统中的一种重要方法,该系统结构简单,信号处理量小,因而得到了广泛的应用.针对比幅比相测角系统中存在的实际问题,重点研究了比幅比相系统中消除多值模糊的方法,提出了曲线拟合及对雷达脉冲采样等技术提高该系统测角性能.