相控阵雷达采样周期自适应策略研究

采样周期是相控阵雷达资源调度的关键参数之一。深入研究了几种采样周期自适应策略,在此基础上提出了两种改进的采样周期自适应策略。提出了自适应采样周期下的性能评估公式,并分别基于IMM、Kalman滤波算法对它们进行了仿真分析比较,得到了令人满意的结果。

一种灵活的相控阵雷达采样周期自适应算法

相控阵雷达的波束资源具有很大的灵活性。设计了雷达资源调度仿真模块 ,分析了对雷达波形、波束指向、采样周期等参数实施控制的意义和原则。重点研究了一种基于参数的采样周期自适应策略 ,并提出了改进算法。仿真研究表明 ,参数λ使得采样周期自适应策略更加灵活、有效。

改进预测协方差门限法的采样周期自适应选择算法

传感器采样周期是影响目标跟踪的一个重要参数。现有自适应采样周期策略中,一些算法运算量比较大,计算效率低,不具有一般性。为此提出了一种改进的预测协方差门限法。该算法改进传统采样周期的全遍历寻优策略。最后与几种自适应采样周期算法与固定采样周期算法通过交互式多模型(IMM)滤波算法进行仿真比较。仿真结果表明该算法在目标跟踪过程中能满足跟踪需求,具有较少的计算量,较高的运行效率,比固定采样周期算法更能节约资源。

应用于电力系统谐波分析的采样周期自适应方法

提出了一种谐波检测时,基于序列相关计算的采样周期自适应方法。该方法首先计算两组相邻采样信号序列的相关系数,根据相关系数和二次修正方程修正采样周期,不断迭代直至采样序列满足同步化收敛条件;最后对最新同步序列进行FFT计算得到各次谐波参数值。该方法无需知道信号的实际频率,在迭代过程中采样点数保持不变,克服了基于相关计算的采样窗口同步化方法中由于采样周期固定所引起的长序列DFT计算。数字仿真计算表明在系统信号频偏较大的情况下该方法收敛速度快,计算量小,计算精度高。

基于Riccati方程的相控阵雷达采样周期自适应算法

采样周期是影响相控阵雷达目标跟踪的一个重要参数.现有的一些自适应采样周期算法运算量比较大,计算效率比较低.为此提出了一种基于离线Riccati方程的相控阵雷达采样周期自适应算法.该算法离线计算出各模型的最优采样周期,然后利用交互式多模型(IMM)更新概率对各模型最优采样周期进行混合估计,得到系统的自适应采样周期.仿真结果表明,该算法在目标跟踪过程中能满足跟踪需求,具有较少的计算量,较高的运行效率.

一种基于自适应网格IMM的自适应采样周期算法

提出一种自适应网格交互多模型下采样周期自适应的算法。在自适应网格交互多模型算法中,中心模型参数变化率反映了系统模型与目标机动水平间的匹配程度,而两者的匹配程度直接影响目标的跟踪精度。利用中心模型参数变化率对采样周期进行控制,并引入可控参数对平均采样周期进行灵活调整。仿真结果表明在自适应网格交互多模型下,提出的自适应采样周期算法比固定采样周期算法及基于预测协方差的自适应采样周期算法具有更好的性能。

自适应整周期采样和相关滤波在转子动平衡中的应用

针对模拟带通跟踪滤波和零相移数字滤波等不平衡信号提取方法对转子动平衡高精度测试要求不满足的问题,提出了一种自适应整周期采样和相关滤波结合的转子不平衡信号提取方法。首先使用自适应整周期采样算法对振动信号进行补偿,使其逼近理想抽样序列,然后利用相关滤波法提取出不平衡信号,最后用快速傅立叶变换法准确提取出不平衡信号的幅值和相位。仿真和实验表明该方法能够满足高精度动平衡测试要求,在转子动平衡中具有较好应用价值。

机动目标变采样周期滤波的IMM算法研究

针对IMM算法,提出一种变采样周期的滤波算法。该算法事先设定一组典型的采样周期,算出各种采样周期下的预测误差协方差,当预测误差协方差大于给定的门限时即进行下一次采样。这种算法相对固定周期采样,不但能够保证跟踪精度,还能有效地减少采样次数,从而达到节省雷达资源的效果。

传感器管理及其在相控阵雷达中的应用

传感器管理是数据融合的一部分。介绍了传感器管理的概念和框架 ,概述了国内外传感器管理算法的研究现状。主要工作是针对相控阵雷达这一传感器 ,通过对其不同工作模式以及不同参数的管理 ,来说明传感器管理的原理。提出了一种新的自适应采样周期算法 。

简单实用的低压无功补偿控制器的设计方法

通过分析比较市场上的各种低压无功补偿控制器,提出了利用AVR单片机来进行一款简单、智能控制器的研制。文中提出一种新的极性识别方法,避免了复杂的泰勒级数运算,提高了运算效率,降低了程序量。同时利用AVR单片机的捕捉功能,进行自适应采样周期即时调整采样周期。试验结果证明,本文的极性自动识别算法简单,结果准确;自适应周期采样计算频率速度快、精度高,可有效消除计算偏差。

智能低压无功补偿控制器的设计

通过分析比较市场上的各种低压无功补偿控制器,利用AV R单片机来进行一款简单智能控制器的研制。提出一种新的极性识别方法,避免了复杂的泰勒级数运算,提高了运算效率,降低了程序量。同时利用AVR单片机的捕捉功能,进行自适应采样周期及时调整采样周期。实验结果证明,极性自动识别算法简单、结果准确,自适应周期采样计算频率速度快、精度高,可有效消除计算偏差。