基于稀疏恢复的MIMO-STAP干扰样本检测方法

针对机载多输入多输出(MIMO)雷达空时自适应处理(STAP)技术在训练样本存在有源干扰时杂波抑制性能严重下降的问题,提出了一种干扰样本检测方法。首先使用正则化FOCUSS算法估计出各原子的空时功率谱值,接着设置谱值门限将谱值较大的原子取出,然后确定扫描带对空时二维平面进行扫描,最后根据进入扫描带最大原子数占总原子数的比例判别训练样本是否存在干扰。仿真实验表明,该方法可有效检测出训练样本中的干扰,使用该方法挑选出的无干扰训练样本恢复杂波谱可保证空时滤波器的杂波抑制性能,提升稀疏算法求解杂波谱时涉及到的样本的可靠性。

时域离散类主瓣干扰下基于样本识别的雷达和差测角方法

时域离散类主瓣干扰在时域上处于离散状态,干扰训练样本不易提取,其样本纯度将直接影响干扰抑制效果和目标测角性能。针对时域离散类主瓣干扰背景下的雷达干扰抑制和目标角度估计问题,提出了一种时域离散类主瓣干扰下基于样本识别的雷达和差测角方法。该方法利用了目标和干扰在和、差通道的时域相关性差异,由此提取纯净的干扰训练样本,然后利用空域方位维、空域俯仰维的正交性进行时域离散主瓣干扰抑制,同时估计目标角度。理论推导和仿真实验表明所提方法具备时域离散类主瓣干扰背景下的较好的雷达测角能力。

对射频掩护雷达的应答式干扰研究

给出了射频掩护雷达的两种基本波形,对紧贴式射频掩护波形的抗瞬时测频性能和数字射频存储性能进行了分析,针对上述低截获概率(LPI)性能,设计了3种改进应答式干扰方法:样本预存储干扰、间歇采样干扰和信道化前沿循环复制干扰,分别对3种应答式干扰进行了干扰设计、主要参数设定和工程应用的分析。

分布外样本干扰下基于改进半监督原型网络的齿轮箱跨域故障诊断

实际工程中难以获取充足可用且同分布的齿轮箱故障样本,此外,获取的无标签样本难免会混入一些分布外的未知干扰样本,这些将给现有的齿轮箱智能故障诊断研究带来难题。提出一种改进半监督原型网络,面向分布外样本干扰,实现少样本下不同工况间的齿轮箱跨域故障诊断。首先,设计一种标签分配准则,既可以充分挖掘利用无标签样本信息,为无标签样本赋予伪标签,同时也可以有效抑制分布外未知样本的干扰。然后,定义一种基于标签平滑和度量缩放的修正代价函数,可以灵活有效地评估故障样本之间的相似性,挖掘元学习任务的通用特性,进一步提高模型泛化性。将所提方法用于分析不同健康状态的齿轮箱试验数据,并设置不同的少样本跨域诊断场景和分布外干扰样本进行对比验证。试验结果表明,相比现有方法,所提方法可以更有效地实现少样本下不同工况间的齿轮箱跨域故障诊断。

基于RBF网络的增量学习

提出了一种基于径向网络的增量学习算法 ,在对新样本进行学习时 ,通过恢复受干扰样本的方式来尽可能保持已有的知识不变 .模拟实验证明了本算法的正确性和有效性 .

非线性振动系统参数识别的迭代离散变分方法

针对存在干扰的非线性振动系统,本文提出了一种识别模型参数的时域迭代方法.首先,对于每一组包含随机干扰的测量数据样本,将待辨识参数对时间的导数引入到系统代价函数中,进而利用离散变分原理导出关于待辨识参数的差分方程,并与修改后的系统约束方程一同求解;通过迭代计算使待识别参数从给定的初始值收敛到稳定的真值.然后,对通过n组干扰样本得到的参数识别结果取平均值,并作为最终辨识结果.最后,利用本方法对一个四自由度非线性振动系统的模型参数进行了识别仿真,数值结果证明了该方法的有效性.

一种高速卫星通信交叉极化干扰对消技术仿真

给出了一种适用于高速卫星通信系统的交叉极化对消技术;该技术直接采用基于A/D采样样本进行对消,不要求信号载波同步、定时同步和基于判决误差提取等处理过程,简化了系统实现;对消算法的基本思想是:实时计算两路极化信号的相关性,求出其相关系数,据此可以得到干扰分量的大小,然后从被干扰支路扣除干扰分量即可;实现上采用IDF、MA级联结构替代了低通滤波器,避免了并行接收机的多相滤波结构和大量乘法器资源,简化了算法实现。同其它方案相比,对消性能没有损失,提高了干扰适应度,实现复杂度大大降低。