基于调制谱超分辨重构的微多普勒参数估计

调制谱间隔是气动目标识别的重要特征,在雷达波形资源受限的情况下存在估计精度差且噪声鲁棒性弱的问题。针对此问题,利用稀疏迭代协方差谱估计方法进行调制谱超分辨,根据调制谱谱线等间隔的原理提出用基频组功率累积占比表征基频谱,进而实现基频的超分辨估计。基于甚高频波段雷达的仿真和实测数据分析证明了该方法抗噪能力强,且在相参积累时间大于1.5倍微动周期、调制谱折叠、重频参差等场景下均可有效提高调制谱间隔参数估计准确率。

基于最大熵谱估计的距离-多普勒成像

提出一种目标超分辨逆合成孔径(ISAR)成像方法。该方法首先利用最大熵谱估计的方法对雷达宽带测量数据进行外推处理,然后对经过外推处理后的数据采用距离-多普勒原理进行ISAR成像,最后采用仿真数据和实际测量数据进行实验验证。实验结果表明,该方法对目标ISAR成像分辨率有明显提高,对用传统方法不能进行的ISAR成像数据,采用该方法成像效果有明显改进;且计算量不是很大,易于工程实现。

功率谱估计在多载波调制解调中的应用及仿真

介绍了三种目前应用广泛的功率谱估计的典型算法。提出一种将功率谱估计应用在调制解调领域的技术。通过Matlab仿真了调制解调过程,分析了三种功率谱估计算法对解调误码性能的影响。证明通过AR参考模型方法对接收信号进行功率谱估计,能够得到较为平滑的谱曲线,解调时能更有效的抑制宽带噪声。

非线性动力学分析在重复经颅磁刺激对阿尔茨海默病大鼠学习记忆能力改善方面的应用

探讨重复经颅磁刺激(r TMS)对阿尔茨海默病(AD)大鼠学习记忆能力的影响,以及非线性动力学分析在大鼠脑电信号处理方面的应用。(1)将学习记忆无差异的60只SD大鼠随机分为(r TMS+AD)组、AD组和正常组,每组16只,多余的大鼠备用。(2)建立双侧海马区注射Aβ淀粉样蛋白(Aβ1-42)的AD大鼠模型,通过Morris水迷宫验证模型。(3)连续14 d对(r TMS+AD)组大鼠进行10 Hz的r TMS,AD组与正常组进行伪刺激。(4)利用水迷宫系统测试三组大鼠学习记忆能力,使用Cerebus 64通道神经电生理信号记录系统连续7 d采集三组大鼠头皮脑电。(5)在MATLAB中编程得到三组大鼠各个通道脑电信号能量谱以及LZ复杂度,利用SPSS软件对脑电信号和水迷宫数据进行统计分析。(1)AD组较正常组大鼠水迷宫逃避潜伏期变长,距离平台平均距离变远,差异有统计学意义(P<0.05);(r TMS+AD)组较AD组大鼠水迷宫逃避潜伏期变短,距离平台平均距离减小,差异有统计学意义(P<0.05)。(2)AD组较正常组大鼠脑电中低频(delta+theta)和高频(alpha+beta)的能量比值增高,部分通道差异无统计学意义(P>0.05);(r TMS+AD)组大鼠较AD组大鼠的低频与高频的能量比值部分通道升高部分降低,只有左颞叶的差异有统计学意义(P<0.05)。(3)(r TMS+AD)组较AD组大鼠各通道脑电LZ复杂度升高,AD组较正常组大鼠各通道脑电LZ复杂度降低,差异均有统计学意义(P<0.05)。r TMS能改善AD大鼠的学习记忆能力以及增加其脑电信号的LZ复杂度,LZ复杂度较AR模型功率谱估计更适合客观的诊断AD并且评价r TMS对AD大鼠脑电信号的影响。

天基雷达杂波谱估计及特性分析

利用相干视频仿真原理,对天基雷达(SBR)的地杂波进行仿真,在此基础上对杂波信号进行了谱估计,并研究基于不同谱估计方法下的杂波谱,包括经典谱估计和现代谱估计的各种方法;然后分析各种谱估计方法下的杂波谱,找出一种比较精确的谱估计方法,并研究了天基雷达杂波谱的独特特性,分析不同因素对杂波谱的影响,包括观测角、平台运动、天线方向图以及卫星姿态等。给出了仿真结果,提高了谱估计的精确性。

基于Welch和柔性形态学的LPI信号噪声基底处理

针对因噪声基底估计不准而导致的现有雷达信号处理算法精度不高的问题,提出了Welch和柔性形态学联合处理雷达信号噪声基底的算法。首先对采样频谱进行分段插值处理,而后采用基于柔性形态学的带比例系数的腐蚀和膨胀操作,以降低固定尺度对算法准确度产生的影响。最后,用原信号减去估计噪声序列,得到运算结果的同时,控制了算法的计算量。

基于RCS的空间目标运动状态估计

针对利用地基雷达对空间目标进行观测以判定其运动状态的问题,提出了一种采用经典功率谱估计对RCS特性数据进行处理,获取目标的滚转频率,根据空间目标姿态稳定特性,实现对空间目标三轴稳定、旋转稳定和翻滚三种运动状态进行判别的方法。该方法主要由数据预处理、数据分段、功率谱估计和目标姿态稳定性判别等步骤组成,具有精度高和易于工程实现的特点,对非合作空间目标的运动状态识别具有重要价值。基于不同观测时长和数据率的雷达实测数据试验表明,该方法可实现对空间目标运动状态的准确估计。

IMT系统频谱需求预测方法

为了推动我国IMT产业发展并为我国频率规划工作提供重要依据,系统地介绍了四种IMT系统的频谱需求预测方法,包括基于业务量预测的ITU-RM.1768方法、FCC预测方法和GSMA预测方法以及基于关键技术能力的预测方法。分析了不同预测方法的基本原理、预测流程和详细步骤。并给出了基于ITU-R M.1768方法和基于关键技术能力方法的中国未来IMT系统频谱需求预测结果。此外,本论文还对比了四种方法的差异,给出了各方法的适用性建议。