基于WLS-TIR的多目标识别认知雷达波形自适应方法

针对多个雷达目标的识别问题,研究认知雷达的波形自适应方法,对目标冲激响应线性加权求和获得多个目标的加权表示,基于互信息准则,通过最大化接收到的信号与目标冲激响应线性加权和(WLS-TIR)的互信息获得了针对多目标识别的最优波形,给出了权值的计算方法和多目标识别的自适应机制.仿真实验表明,本文提出的方法相对于传统的线性调频信号(LFM)对多目标的识别性能有明显的提高,并具有较强的实用性和可行性.

基于MPDA的波形自适应目标跟踪

相比于传统雷达系统,感知雷达能够通过对复杂多变的电磁环境感知自适应调整雷达发射波形,以适应当前的环境,实现推理和判决的优化,从而获得系统性能的大幅提升。从感知雷达的思想出发,研究了杂波环境下的波形自适应选择问题,提出了一种基于修正概率数据关联(modified probabilistic data association,MPDA)的波形自适应选择目标跟踪算法。采用MPDA算法建立和更新杂波下目标的航迹,利用修正的Riccati方程估计下一时刻的滤波协方差矩阵,并推导了相应的波形优化准则函数。仿真表明,该算法降低了密集杂波条件下的滤波误差,相比于未采用波形优化的PDA和MPDA算法,显著提高了跟踪性能。

MIMO认知无线电分布式波形自适应算法

该文研究在主用户干扰温度约束下多个竞争的MIMO认知无线电最大化自身信息速率的波形自适应问题。该文使用非协作博弈论将其表述为Nash均衡问题,给出了Nash均衡解存在唯一的条件,并提出了一种求解Nash均衡的带惩罚价格的分布式迭代注水算法,通过对干扰进行价格惩罚使得MIMO认知无线电在达到Nash均衡时满足干扰温度约束。仿真结果表明相对于不考虑干扰温度约束的经典迭代注水算法,该文算法能够满足干扰温度约束,适用于认知无线电网络。

地空信道基于OFDM/OQAM系统的波形自适应算法

传统的正交频分复用/偏移正交幅度调制(OFDM/OQAM)系统波形自适应设计主要针对具有非指数型时延功率谱和非U型多普勒功率谱的信道模型对波形进行优化,而实际中,波形自适应设计会因不同的信道模型产生不同的信道匹配准则系数。结合地空信道模型和扩展高斯函数的特性,在传统基于信干噪比(SINR)优化的OFDM/OQAM系统波形自适应算法的基础上提出一种新的OFDM/OQAM系统波形自适应设计算法。该算法引入信道匹配系数β,通过信道匹配准则建立波形时频域间隔与信道最大多径时延、最大多普勒频移的关系,再结合传统SINR优化函数计算扩展因子参数,将参数反馈给发送端并调整发送端和接收端的滤波器达到波形自适应的目的。仿真结果表明,4QAM和16QAM调制下,信道匹配系数β的引入在系统误码性能上均有1. 0 d B以上的改善。

认知雷达波形自适应数据关联跟踪算法

针对杂波背景下多交叉机动目标跟踪问题,提出一种认知雷达波形自适应数据关联跟踪算法,该算法选取目标距离-速度-方位作为观测量,并通过调整波形参数来动态改变量测误差协方差。首先,基于信息融合思想提出一种优化的概率数据关联（OPDA）算法,算法充分融合目标位置特征和运动特征对多目标交叉区域公共量测进行分类,使多交叉机动目标跟踪问题转化为多个单机动目标跟踪问题。然后,对实时更新的目标航迹,采用修正的Riccati方程估计下一时刻滤波协方差,并根据波形选择准则函数自适应选择下一时刻波形以提高系统跟踪性能。仿真结果表明,该算法增强了概率数据关联（PDA）算法的环境适应性,而且相比未采用波形自适应的数据关联算法有明显的优势。

基于粒子群算法的波形自适应设计技术

针对于序列二次规划算法在求解信杂比限定下的最大互信息雷达波形设计模型时,在计算时受寻优初始值的影响较大,并且极易陷入局部最优的问题,提出了一种基于粒子群序列二次规划算法的波形自适应设计技术。该算法将粒子群算法作为全局搜索算法,序列二次规划算法作为局部搜索算法,将粒子群算法的全局性和序列二次算法的精确性二者有效结合起来,实现对目标模型的求解。通过MATLAB仿真实验的结果可以看出,该算法能够有效对目标设计模型进行求解,且得到的结果能够有效提升序列二次规划算法的求解精度及收敛速度。

一种用于目标跟踪的波形自适应选择算法

提出了一种用于雷达目标跟踪的自适应广义调频波形设计算法。该算法根据跟踪器的动态需求,以广义调频信号为样板波形自适应设计下一时刻的发射波形,其目的是最小化预测的目标跟踪均方误差,并假定高信噪比条件,且目标跟踪运动模型和观测模型均为线性,利用与某一波形相对应的克拉美——罗下限(CRLB)以及卡尔曼滤波器,通过最小化预测的跟踪均方误差来实现广义调频波形的自适应设计。仿真结果表明:在信噪比相同的情况下,与使用固定参数、自适应参数的线性调频波形设计算法相比,所提出的算法能够获得更低的目标跟踪均方误差。

基于强化学习的雷达自适应波形调度杂波抑制方法

面向地面及舰载等预警雷达广域作战环境下杂波抑制问题,传统单一的调度方式难以满足高性能探测需求.为此在杂波环境自适应感知基础上,面向雷达杂波抑制任务,提出一种基于强化学习的雷达自适应波形调度杂波抑制方法.通过杂波剩余和资源消耗等维度构建雷达波形综合奖励函数,利用Q-学习和DQN强化学习模型进行雷达策略训练,实现雷达自适应波形参数调整.仿真结果表明,基于强化学习的自适应波形调度方法可以有效利用雷达系统资源,提升复杂杂波环境下雷达探测性能.

一种自适应波形匹配的EMD端点延拓算法

为了解决EMD分解微多普勒雷达信号的端点效应问题,提出了一种自适应波形匹配的EMD端点延拓算法。将信号划分为含一对极大极小值的多个子波,并对其进行相同点数的等间隔采样,通过设计匹配系数,选取与端点子波匹配度最高的子波作为延拓子波。匹配系数由匹配子波与端点子波采样点的幅度匹配度与频率匹配度加权求和而成,具有幅度和频率自适应性;将延拓后的信号做EMD分解,提取信号中的微多普勒频率;采用文中算法对微多普勒仿真信号与手势微多普勒雷达信号进行处理,实验结果表明,文中算法可以将上述信号分解为不同的频率分量,并且效果优于不延拓、镜像延拓以及极值平均延拓,验证了文中算法的有效性。

基于零序信号全波形识别的小电流接地系统故障选线方法

小电流接地系统发生单相接地故障时,故障电流微弱,暂态特征复杂,导致现有选线方法正确率偏低,可靠性较差。该文提出了一种基于零序信号全波形识别的选线方法。首先,介绍了基于故障信号全波形识别的通用方法,指出从波形的角度认识并识别信号,可以充分利用信号的全部故障信息;其次,选取母线电压和所有馈线电流波形作为待识别信号,并根据电流波形分布特征自适应捕捉信号中特征差异最明显的波形进行故障识别,提出了基于故障信号全波形识别的选线方法;然后,利用改进后的全卷积神经网络来识别不同信号波形,并基于Dice系数对识别出的故障信号波形进行可信赖性评价。最后,PSCAD仿真和真型实验测试结果表明该方法具有很高的选线正确率和可靠性。

周期和冲击混合特征信号的自适应波形分解

导出了一种适合于分解机械动态信号的基元函数 ,它与提出的自适应信号分解方法相结合 ,能够将机械动态信号分解为正弦波和冲击响应的线性展开 ,因此不仅可以从信号中提取平稳的周期波形 ,而且还可以提取非平稳的冲击响应波形 ,特别是当信号中同时含有 2种特征波形时 ,可以将其分别提取出来 .转子冲击实验结果也证实了所推导的基元函数的有效性 ,并与Gabor基元函数进行了比较 。

基于自适应波形设计的天基雷达目标检测方法

针对天基雷达检测海面目标时杂波特性复杂、场景变化迅速和信杂比低的问题,文中提出一种基于波形自适应设计的目标检测方法。这种方法将每个驻留时间分拆为若干个子驻留,在第1个子驻留上发射线性调频脉冲,并进行预检测和杂波协方差估计。在后续子驻留中采用多粒子滤波技术对杂波协方差进行动态更新,以适应天基雷达杂波的快速变化。进而在后续子驻留中利用平均平方优化技术自适应的设计波形,并进行主成分分析和广义似然比检验,以提高信杂比和实现恒虚警率检测。最后,文中将海杂波建模为复合高斯过程、将目标建模为若干个具有确定但未知散射幅值的散射体,并进行仿真实验。结果表明,在尖峰性海杂波环境和天基监视雷达配置条件下,用这种目标检测方法实现可靠检测所需的信杂比降低约9dB,可有效改善对弱小目标的检测效果。

用于目标跟踪的自适应广义调频波形设计算法

提出了一种用于雷达目标跟踪的自适应广义调频波形设计算法。该算法根据跟踪器的动态需求,以广义调频信号为样板波形自适应设计下一时刻的发射波形,其目的是使预测的目标跟踪均方误差最小化,并假定高信噪比条件,且目标跟踪运动模型和观测模型均为线性。利用与某一波形相对应的克拉美-罗下限(CRLB)以及卡尔曼滤波器,通过最小化预测的跟踪均方误差来实现广义调频波形的自适应设计。仿真结果表明:在信噪比相同的情况下,与使用固定参数、自适应参数的线性调频波形设计算法相比,所提出的算法能够获得更低的目标跟踪均方误差。

用于目标检测的宽带雷达自适应波形设计方法

雷达可发射与目标高分辨距离像匹配的波形以提高检测性能,但匹配波形的自相关性能通常会严重退化,继而影响雷达参数估计性能.针对该问题,在考虑目标响应起伏变化的情况下,建立了包含确定分量和随机分量的目标距离像模型,并在推导了广义似然比检测器和波形优化函数的基础上,提出了一种波形设计方法.该方法以最大化信噪比和最小化均方误差为准则,通过循环迭代寻求优化波形.仿真结果表明,该方法可权衡估计与检测性能,使雷达通过在线更新目标距离像估值,逐步改善检测性能.

一种基于多频带PSWFs组合的CUWB自适应脉冲波形设计

本文简述了认知超宽带(CUWB)系统的工作原理,并从自适应频谱环境和兼容FCC频谱模板的角度出发,建立了基于频谱感知来动态构建CUWB系统自适应辐射掩蔽的机制。然后,利用PSWFs函数的特性,提出了一种基于多频带的回转椭球波函数(PSWFs)基的加权线性组合来设计CUWB自适应脉冲波形的算法。仿真结果表明,该算法所产生的脉冲波形不仅能满足CUWB系统频谱模板的要求,而且能自适应模板的动态变化。

有色噪声背景下自适应雷达波形优化设计

仅以提高雷达检测性能为目标所设计的发射波形通常具有较高距离旁瓣和峰均比,不利于微弱信号检测和实际工程应用。针对上述问题,提出目标信号子空间加权的自适应波形优化方法。给出利用环境中有色噪声的统计特性改善目标检测性能的系统模型,选取目标-有色噪声矩阵的大特征向量构成目标信号子空间,建立在该子空间上优化加权系数使发射波形满足自相关性能和峰均比约束的目标函数,并采用序列二次规划算法进行求解。该方法所优化发射波形能有效抑制有色噪声,同时获得较好的自相关特性和峰均比,改善雷达综合性能。仿真结果表明了该方法的有效性和灵活性。

色噪声下共址MIMO雷达自适应检测波形设计

研究了存在色噪声时共址MIMO雷达的自适应检测波形设计问题。推导了检测率、虚警率与发射波形关系的表达式。鉴于该表达式的复杂性,引入两个渐近准则,即相对熵和散度准则,同时推导了最优检测波形的闭式解。经理论分析和实验仿真得出结论:两种信息论准则对应的最优波形是一致的;最优检测波形与目标、噪声匹配;最优检测波形的信噪比同时也达到最优。

基于自适应波形分解的峭度谱方法在往复压缩机气阀故障诊断中的应用

往复压缩机气阀振动信号具有非平稳非高斯的多源冲击特性,峭度谱方法是检测平稳信号冲击特征信息的有力工具。为此,本文通过自适应波形分解方法,在无需先验知识的情况下将气阀非平稳信号转换为一系列较为平稳波形分量,并利用峭度谱对包含典型冲击特征的分量进行特征提取。结果表明:所提方法不仅能够降低噪声对峭度指标的干扰,而且能够准确表征冲击的强弱和指示对应的频带,为有效提取不同气阀故障特征提供依据。

相控阵雷达目标跟踪下的自适应波形选择

针对相控阵雷达的检测概率与能量资源消耗间的矛盾问题,采用了一种按照预测检测概率来自适应选择照射波形的方法,并在建立相控阵雷达模型的基础上进行了仿真。结果表明,该方法可在保证检测概率的同时,有效地节约雷达能量资源。

多约束条件下MIMO雷达自适应波形设计方法

针对当前面向多输入多输出(MIMO)雷达目标估计性能的波形设计无法同时满足系统对检测性能要求的问题,提出了多约束条件下MIMO雷达自适应波形设计方法。该方法根据已知的目标和噪声先验信息,以衡量雷达检测性能的信噪比和能量作为约束条件,以最大化目标与接收回波间的互信息作为目标进行波形设计,并通过建模将所提的非凸问题转化为一个标准的凸问题进行求解,最终获得MIMO雷达的优化波形。同时,考虑到噪声协方差矩阵对模型求解的影响,在波形设计时分为白噪声和色噪声两种情况进行分析处理。仿真表明:根据所提方法设计的波形在满足雷达检测性能基本要求的同时提高了目标的估计性能。