基于差值信噪比法的船载地波雷达一阶谱识别

本文提出了适用于船载地波雷达展宽一阶谱识别的差值信噪比方法。通过结合仿真分析和实测试验数据,开展了船载地波雷达展宽一阶谱的频移和展宽特性分析,确定了一阶谱的最大展宽范围与平台运动速度之间的定量关系。通过分析一维多普勒频点间的差值数量关系,确定了边界预筛选准则。利用展宽一阶谱的区域连续特性,实现展宽一阶谱边界最终识别。采用船载地波雷达仿真和实测数据对所提方法的有效性进行了验证,所提方法相对于传统方法取得了较好的识别效果。

BDS-3钟差改正数实时预报方法

在远海精密动态定位研究中,BDS-3卫星钟差改正信息的质量对定位结果具有直接影响。在传输实时改正信息时,为了同时兼顾效率及成本,岸基用户端通常会将实时信息压缩后传输至远海用户端。针对数据压缩问题,本文提出了利用钟差改正数预报模型进行数据压缩,同时分析钟差改正数的结构特征,并将其分解为总体趋势序列与随机波动序列,分别构建预报模型。结果表明,DSC模型在20 min的预报区间内较DLP模型提升了6%,较DLP模型提升了9%。

基于SET-CNN的紧凑型地波雷达弱目标检测方法

紧凑型高频地波雷达发射功率较低且采用小孔径阵列,导致雷达回波中的弱目标增多,进而引起基于距离-多普勒谱的目标检测方法性能降低,目标探测能力减弱。为提高紧凑型地波雷达对弱目标的检测性能,本文提出一种基于同步提取变换-卷积神经网络(Synchroextracting Transform-Convolutional Neural Network,SET-CNN)的紧凑型地波雷达弱目标检测方法:首先在时频谱处理中,利用信噪比方法抑制信号中的海杂波,减少杂波时频脊线对目标检测的影响;然后基于SET时频谱构建时频脊线样本数据库,再通过卷积神经网络进行时频脊线分类,并基于分类结果的后处理完成船只目标检测。通过仿真和实测数据验证提出的目标检测方法,结果表明,本文提出的方法能够有效检测到弱目标,提高紧凑型地波雷达的目标检测性能。