一、基于时频分析的雷达信号到达角估计(论文文献综述)
唐燕[1](2021)在《雷达信号参数侦测与脉内识别》文中进行了进一步梳理雷达体制和雷达信号调制类型都追求日益复杂化,尤其是以低截获概率雷达信号为典型,给雷达信号的侦察、接收与分析提出了更高的要求。本文探索实现对敌方雷达信号的信道化接收、检测、脉冲参数侦测、脉内调制识别以及脉内参数估计的。现将本文的主要研究工作和创新点总结如下:1.对LFM、DLFM、FSK、BPSK、QPSK、Frank、P1、P2、P3、P4、LFM-BPSK、FSK-BPSK这12类雷达信号进行了建模。然后深入研究了Wigner-Ville分布(WVD)和Choi-Williams分布(CWD)这两种时频分析方法,并结合12种雷达信号的WVD变换时频图和CWD变换时频图,分析总结了两种时频变换各自的优势和劣势。2.针对侦察接收机同时截获多种信号的问题,推导了基于多相滤波结构的数字信道化高效接收结构,并讨论了现有的几种信号检测算法的优缺点;最后,给出了脉冲描述字的测量方法,并通过仿真实验,得到各参数的相对误差估计性能曲线。3.本文从传统方法和基于神经网络的方法两个方面,对雷达信号脉内调制识别展开研究。首先,研究了积分二次相位函数(Integral Quadratic Phase Function,IQPF)和分数阶傅里叶变换(Fractional Fourier Transform,FRFT)识别LFM、DLFM、Frank、P1、P2、P3、P4、LFM-BPSK这几类信号的可行性,并设计了调制识别框架,通过仿真证明,该方法在信噪比为-4d B时,整体识别达到90%。然后,结合NP、LFM、DLFM、Frank、P1、P2、P3、P4、LFM-BPSK、FSK、BPSK、QPSK、FSK-BPSK这13类雷达信号的CWD时频分析基础,给出了基于残差网络的雷达信号脉内调制识别方法,通过仿真实现,信噪比-4d B时,整体识别达到92.13%。4.深入研究了FRFT算法,实现了对LFM信号的参数估计;针对基于IQPF和FRFT的多相码参数估计,在低信噪比时对FRFT谱脊线间隔估计误差大的问题,提出基于小波包降噪的改进算法,通过仿真证明降噪前后参数估计性能有着明显改善;针对LFM-BPSK信号,若先通过平方消去BPSK调制,再估计LFM调制参数,平方过程会降低信噪比导致参数估计性能下降。本文提出了一种适用于低信噪比的估计方法,即先利用IQPF估计出LFM调制参数,对原LFM-BPSK信号解线调,再利用改进MAT算法估计BPSK的调制参数。最后通过仿真得到各参数估计性能曲线,证明本文方法在低信噪比下表现良好。
补源源[2](2021)在《基于卷积神经网络的机载雷达信号分选方法研究》文中研究表明机载雷达信号分选的主要目的是从截获的混合脉冲流中有效分离出高价值的空中辐射源信号,为后续高威胁目标的识别与分析、作战战略制定等重要作战手段提供可靠的情报信息,是雷达对抗侦察系统的核心环节,为“制电磁权”与“制空权”的顺利夺取奠定坚实基础,已成为国内外的研究热点。本文围绕基于卷积神经网络的机载雷达信号分选问题,重点研究了基于卷积神经网络的机载雷达信号脉内特征提取方法;结合机载雷达信号特点,引入深度学习的方法,改进了传统机载雷达信号分选结构,提高了所提特征的泛化性能,减少了传统信号分选方法的误差累积和对人工经验的依赖,使机载雷达信号分选更智能化。本文主要研究内容为:1.针对传统参数已无法有效应对复杂机载雷达调制信号分选的问题,本文提出一种基于一维卷积神经网络的脉内特征提取方法,构建基于一维卷积神经网络的雷达信号脉内特征提取模型,设计深度卷积神经网络,提取雷达信号脉内调制特征作为机载雷达信号分选的辅助特征。2.针对复杂电磁环境下密集脉冲流的分选难题,结合机载雷达信号参数特征,利用提取到的脉冲描述字,采取基于优化初始聚类中心的K-means聚类算法进行多参数联合聚类,稀释空域中的密集脉冲流,缓解后续信号处理压力。3.针对单一特征已无法有效应对复杂机载雷达调制信号分选的问题,本文提出脉内特征与脉间特征联合分选的方法。建立雷达信号分选新结构,通过深度卷积神经网络提取雷达信号脉内特征;结合序列差值直方图算法,分析雷达信号的脉间特征,实现脉内特征与脉间特征的联合分选。最后,所提方法的可行性通过仿真实验验证,能够实现准确高效的机载雷达信号分选。
潘嘉蒙[3](2020)在《基于波形参数捷变雷达的非合作双基地雷达信号处理关键技术研究》文中提出非合作双基地雷达利用第三方辐射源发射的信号实现目标探测,由于其本身不辐射信号,因此战场生存能力强,并且能够有效弥补传统单基地有源雷达在抗干扰和反隐身等方面的不足,具有广阔的军事应用前景。课题研究的非合作双基地雷达系统基于波形参数捷变相控阵雷达辐射源,其复杂的波形调制形式给非合作双基地雷达的信号处理带来了许多困难。本文在课题组研制的非合作双基地雷达系统样机的基础上,围绕系统在信号处理中面临的实际问题,开展非合作双基地雷达的时频参数同步和相参积累方法研究,为系统的性能提升和实际应用提供技术参考。论文的主要内容概括如下:第二章针对双基地雷达由于收、发分置的几何关系与单基地雷达在定位原理、雷达方程、探测范围以及距离分辨率和速度分辨率等方面的不同,结合几何模型和仿真实验进行了深入分析。然后,对于课题研究的非合作相控阵雷达辐射源特性进行了研究,并利用模糊函数对波形参数捷变信号的性能进行了分析。最后,对非合作双基地雷达系统样机的信号处理流程进行了梳理,并针对波形参数捷变给信号处理在时频参数同步和相参积累等方面带来的问题进行了分析,为后续章节的研究内容提供了基础。第三章针对基于波形参数捷变雷达辐射源的非合作双基地雷达系统的时频参数同步问题,提出了一种适用于工程应用的处理方法。论文研究的波形参捷变雷达采用载频、带宽、脉宽、脉冲重复周期均捷变的线性调频信号,所提方法将时频参数同步问题拆分为直达波参数模板库的构建与基于模板匹配的参数快速提取两个步骤。首先,针对直达波信号包含多个信号分量的特征,采用基于LVD的多分量线性调频信号参数估计方法,通过对大量直达波信号进行参数估计,结合统计分析方法从而构建发射信号的载频、带宽和脉宽参数模板库。然后,在参数模板库的基础上,论文提出了一种基于模板匹配的时频同步方法,该方法结合模板匹配、解线调算法和CLEAN算法,能够快速准确地提取直达波信号的脉宽、载频、带宽和脉冲到达时间等参数。最后,通过实测数据处理实验,对时频参数同步方法的有效性进行了验证。第四章针对非合作双基地雷达捷变频信号相参积累问题,提出了一种基于Radon-NUFFT的相参积累算法。首先,对于运动目标回波的信号模型进行了分析,结合信号模型明确了载频捷变给相参积累带来的问题。然后,通过结合Radon二维搜索算法和基于低秩矩阵逼近的NUFFT快速实现算法,能够有效实现距离单元走动的校正并对速度—慢时间—捷变频耦合项带来的非均匀相位波动进行补偿。最后,仿真实验验证了Radon-NUFFT算法的有效性,并验证了算法在目标检测和运算效率等方面的性能。第五章针对非合作双基地雷达时域参数捷变信号相参积累问题,提出了一种基于Radon-IAA的相参积累算法。时域参数捷变包括PRI捷变和脉宽捷变,因此在构建运动目标回波的信号模型后,对于PRI捷变和脉宽捷变给相参积累带来的问题进行了分析。然后,将PRI捷变导致的脉间非均匀相位波动问题转化为非均匀采样信号的频谱分析问题,对基于IAA的非均匀采样信号频谱分析性能进行了分析。最后,论文对于Radon-IAA算法的处理流程进行了介绍,该方法可以通过基于IAA的局部精细化分析提高相参积累增益和目标速度参数的估计精度。仿真实验验证了Radon-IAA算法的有效性,并对算法在多目标检测、参数估计精度和目标检测概率等方面的性能进行了分析。
秦鑫[4](2020)在《雷达辐射源脉内特征分析与识别关键技术研究》文中进行了进一步梳理雷达辐射源识别是对预分选后的脉冲进行特征提取,并通过与数据库中已知信号特征参数进行对比和分析来确定辐射源种类的过程,是雷达侦察的核心任务之一。然而随着雷达技术不断发展,大量新体制雷达投入到装备应用中,信号环境日益恶劣,常规特征参数已远不能满足现代作战电子情报的需求。而雷达辐射源脉内特征分析通过获取更丰富本质的特征参数,成为雷达辐射源识别的研究热点和发展趋势,对雷达辐射源识别具有重要意义。本文主要围绕雷达辐射源脉内特征分析与识别关键技术展开深入研究,针对调制识别、调制参数估计和个体识别提出了相应地解决算法,并设计了一套雷达辐射源脉内特征分析与识别验证系统。主要工作包括:1、针对低信噪比条件下,复杂多类雷达辐射源信号调制识别存在特征提取困难、识别正确率低的问题,提出了一种基于时频分析和扩张残差网络的雷达辐射源调制识别算法。该算法利用时频变换Choi-Williams分布(CWD)将雷达辐射源信号一维时域波形转换成二维时频图像,并对时频图像进行预处理后,构建扩张残差网络来自动提取信号时频图像特征,实现调制识别。仿真结果表明,该算法抗噪性能好、泛化能力强,且提高了时频图像特征相似的类线性调频(LFM)信号识别正确率。2、针对高效分数阶傅里叶变换(FRFT)实现LFM信号参数估计时存在应用限制的问题,提出了一种基于功率谱分析和高效FRFT的LFM信号参数估计快速算法。该算法在利用功率谱粗估计信号带宽和中心频率的基础上,采用动态选取旋转角度、去中心频率和高斯平滑滤波对高效FRFT进行改进以有效估计归一化FRFT长度,进而利用不同旋转角度下FRFT的几何关系实现了LFM信号参数快速估计。仿真结果表明,该算法普适通用,抗噪性能好,估计精度高且具有较好的实时处理性能。3、针对基于无意调相特性实现雷达辐射源个体识别时存在分类性能不佳的问题,提出了一种基于无意调相特性分析和长短时记忆加全卷积网络的雷达辐射源个体识别方法。该算法首先对观测相位进行去调制处理和贝塞尔平滑,精确提取了无意调相特征曲线,然后构建长短时记忆加全卷积网络自动提取无意调相序列的联合特征实现了辐射源个体识别。仿真结果表明,该算法具有较好的抗噪性能,泛化能力强,在小样本下也能取得较好的识别效果。4、针对当前雷达辐射源识别领域普遍存在重理论研究、轻工程应用的不足,设计了一套雷达辐射源脉内特征分析与识别验证系统。该系统利用不同波形发生器模拟雷达辐射源发射脉冲信号,并以实时频谱分析仪作为信号采集平台进行数据采集和存储,最后在实测数据上验证了前述章节算法可行有效,且具有一定的工程应用价值。
蔡佳佳[5](2020)在《紧凑型高频地波雷达海面风速及目标信息提取》文中提出对海洋的实时监测是人类进一步认识、管控海洋的必要保障。紧凑型高频地波雷达作为重要的海洋环境监测设备,凭借大范围、全天候、易于架设与维护等优点在全球范围有着广泛的应用。紧凑型高频地波雷达海洋监测主要聚焦于风、浪、流等海洋软目标参数的提取,以及对海上舰船的监控。风速是海洋学研究的重要参数之一。海面风速提取也对海洋环境监测及沿海工程应用至关重要。但目前高频地波雷在风速提取方面仍然存在挑战。传统的基于经验模型的风速反演方法,往往受限于海域和海况。本文考虑到风对海面作用的持续性与累积性,并利用人工网络的强大非线性处理能力,提出了一种新的风速提取方法。利用历史浮标测量海态数据训练风速提取神经网络,实现风速与有效波高、波周期、风向及时间因素之间的非线性映射。测试结果表明了这一网络在时间和空间上的稳定性;进而将已训练的网络应用到便携式高频地波雷达OSMAR-S的风速反演中,得到的风速与浮标测量风速间的相关系数达到0.849,均方根误差为2.11m/s。这一结果明显优于常规由浪高反演风速的方法,验证了该方法在高频雷达风速反演中的可行性。海面舰船探测对改善人类海洋活动和安全管控同样具有重要意义。现有的高频地波雷达舰船检测方法大多是基于峰值和恒虚警检测。这依赖于船舰目标在长达几分钟的相干积累时间的平稳运动。这在实际情况中是很难满足的。另外,传统的测向方法通过在固定的多普勒频率下采样得到样本矩阵,然后使用超分辨率算法估计船舶方位角。对于非平稳的船舶回波,如此采样会偏离瞬时频率而错过部分能量,导致测向误差较大。针对海面船舰运动非平稳特性,本文提出了时频域船舶检测与测向新方法。首先,应用同步提取变换获得回波信号的时频表示,并使用边界跟踪算法提取时频域内的目标脊线。然后,通过沿目标脊线采样的方式获取快拍矩阵,进而估测到达角。对实测数据的处理结果表明,该方法在提高检测率和减小定向误差方面均优于恒虚警方法,特别是在信噪比较低的情况下。
罗翔[6](2020)在《毫米波雷达信号处理与精密测量应用研究》文中研究指明随着科学生产技术的进步,现代工程建设对工程测量工作的精密性、实时性、动态性提出了更高的要求。传统测量手段及设备越来越难以满足现代工程建设的需要,因此测量领域亟需引入新的科学技术与设备来改进工作质量并提高工作效率。毫米波雷达(Millimeter Wave Radio Detection And Ranging,MMW Radar)作为一种新兴的非接触式高精度传感器,在目标位置和位置变化的精密测量方面具有显着优势,将其运用到工程测量领域对于整个测绘领域的发展都有着积极意义。鉴此,本文以毫米波雷达为研究对象,围绕毫米波雷达的信号处理流程、算法以及在精密测量领域的应用展开研究,为现代工程测量的发展提供一定的支持。论文的主要研究工作包括:(1)详细介绍了毫米波雷达的分类、系统结构、工作原理及流程。推导了影响雷达观测性能的雷达方程;继而以锯齿波FMCW(Frequency Modulated Continuous Wave)毫米波雷达为研究对象,详细推导了其测距测速的基本算法,研究结果表明毫米波雷达的观测信息包含在信号的频率和相位信息中;最后分析了毫米波雷达的距离分辨率和速度分辨率,并对雷达测距测速算法进行了仿真实验,成功从雷达信号中提取出目标观测量。(2)对FMCW毫米波雷达精密测距算法进行了研究推导。分析指出雷达测距的主要误差来源为频率检测中的栅栏效应,并基于此提出利用FFT(Fast Fourier Transform)+Chirp-Z变换+谱线校正的三段雷达测频算法提高测量的精度,最后基于该算法进行了对比仿真实验。实验结果表明,相较于传统FFT频谱分析方法,该算法能够显着提高频谱估计的精度,继而提高雷达测距精度,适用于毫米波雷达的测量应用。(3)对毫米波雷达多维空间测量技术进行了研究。分析了雷达测角的基本原理,推导了雷达角分辨率计算公式;为解决角度分辨率与雷达天线个数的矛盾,引入了多输入多输出(Multiple Input and Multiple Output,MIMO)雷达天线技术,并基于此分析了MIMO雷达应用于三维测量的天线布局,研究表明多维天线布设可实现空间目标的观测;进而在此基础上推导了空间目标三维坐标的计算公式;最后为实现雷达坐标系到当地坐标系的转换提出一种新的坐标转换算法。(4)基于AWR1443BOOST雷达开发平台搭建了一套毫米波雷达测量系统。该系统包括软件和硬件部分,详细描述了毫米波雷达选型、硬件参数,利用雷达开发软件完成了系统硬件开发工作,同时根据实际需求开发了对应的数据传输和处理的软件平台。最后利用该系统进行了室内外实测实验,实验结果表明毫米波雷达平台运行状态良好,精度较高。(5)对毫米波雷达在实际精密工程测量的应用做了研究。利用搭建的毫米波雷达测量平台在京沪高铁沿线进行了高铁桥振动检测实验。利用现代时频分析方法,从时域和频域两个方面对雷达数据进行了处理,准确提取出桥梁振动特征值并评估了桥梁的健康状态。实验表明,毫米波雷达可作为新技术应用于高精度工程测量行业。该论文有图68幅,表18个,参考文献110篇。
张振源[7](2019)在《基于毫米波雷达的微动手势识别关键技术研究》文中进行了进一步梳理伴随着5G、物联网(Internet of Things,IOT)及人工智能时代的到来,各类虚拟现实(Virtual Reality,VR)应用和新型智能可穿戴设备正在不断涌现。要实现人与设备之间无缝连接,促进人类物理世界与网络信息世界的信息交互与共融,在智能化背景下的人机交互是亟待解决的关键性基础问题。手势是人类最具表现力的自然交互方式之一,基于手势识别的移动式交互系统设计是当前人机交互领域的重要研究方向。微动手势是主要涉及手指运动的手势动作,相比于粗粒度手势,它能够完成更加精细化的交互操作,被广泛应用于可穿戴设备、汽车辅助系统等对交互精度要求更高的应用中,微动手势的识别也成为了当前手势交互领域的关键课题。毫米波雷达具有空间分辨率高、全天候和易集成的优势,因此通过毫米波雷达感知微动手势的运动状态是解决移动式人机交互难题最有前景的方法之一。本文针对毫米波雷达微动手势识别中存在的手势运动参数联合估计、微动手势类目标消除和微动手势特征提取及识别难题,开展了基于毫米波雷达的微动手势识别关键技术研究,具体内容主要包括:(1)微动手势距离‐角度联合超分辨估计算法研究本文在微动手势距离-速度联合估计的基础上,针对距离-角度联合估计问题,研究了集中式多输入多输出(Multiple Input Multiple Output,MIMO)毫米波雷达的多路复用技术,并在此基础上着重研究了微动手势目标距离-到达角联合估计算法。首先,通过二进制相分多路复用对MIMO天线进行虚拟扩展,增大接收阵列孔径,用于提高目标回波到达角估计分辨率。然后,针对传统算法中存在的低信噪比环境下联合参数误差较大、算法时间复杂度高、专用硬件平台成本开销大的问题,本文提出了基于Extrapolation-MUSIC的距离-到达角超分辨联合估计算法,该算法利用自回归模型对时域信号进行外推,在确保距离高分辨率的同时,融合了Extrapolation-FFT算法低时间复杂度和MUSIC算法超分辨角度估计的优点,在实际低信噪比环境下实现了距离-到达角的高分辨测量。此外,通过对不同微动手势动作进行实际测量,本文提出的算法能够精确地估计微动手势在不同时刻的空间参数,最终实现精准的运动轨迹复现。(2)微动手势类目标抑制技术研究本文针对微动手势运动过程中,距离-角度谱中出现的与真实目标在能量、速度及角度信息上极为相似的类目标杂波,开展了微动手势类目标抑制技术研究。首先分析了传统基于杂波能量检测算法在微动手势类目标消除应用中的局限性;在此基础上提出了基于无监督卷积自编码网络实现类目标抑制的方法,该方法利用深度学习技术充分挖掘有限数据集中的真实手势目标与类目标在距离-角度谱上的高维空间位置-能量联合特征信息,结合类目标滤除前后的重构交叉信息熵最小化准则,实现微动手势类目标抑制。最后,通过仿真和实测数据分析,验证了本文所提类目标抑制方法的性能。(3)微动手势特征提取及识别算法研究本文首先针对微动手势特征提取中存在的手势动作幅度小、速度缓慢造成单一运动特征不明显、离散时间点上空间位置差异性小的问题,在对微动手势参数进行特征分析的基础上,将“三域”参数联合估计得到的距离-角度谱和距离-速度谱作为输入数据,设计了一种基于多参数特征融合的微动手势时序-空间联合特征提取算法。在此基础上,针对微动手势识别过程中存在的输入雷达数据序列预分割操作难度大、手势检测和手势分类之间相互耦合的问题,通过构建循环卷积3D神经网络对手势执行过程中的连续输入数据进行全局时序特征分析,并结合连接时序分类算法完成微动手势序列动态时序建模,最终实现微动手势高精度识别。
昌志松[8](2019)在《雷达通信一体化系统的信号处理与识别技术研究》文中进行了进一步梳理综合雷达、通信等设备来构建一个多平台、多传感器信息融合与资源共享的一体化电子战系统是现代战争中电子对抗技术的发展思路,也是当前研究的重要课题。目前雷达通信一体化系统虽已取得初步的研究成果,但还处于初级阶段,大多数的研究主要关注在信号波形与系统设计上,而对于一体化的信号处理与识别的研究相对较少。随着一体化技术的飞快发展,其信号的处理与识别问题,对获取敌方情报与战争态势评估有着至关重要的意义。基于此,本文结合典型的雷达通信一体化系统,对混叠信号分离算法、通信信号调制识别、雷达辐射源识别、一体化目标识别系统模型进行了研究,主要工作如下:(1)针对雷达通信一体化系统的信号混叠问题,研究了信号分离模型,并应用快速独立成分分析算法实现了混叠的雷达信号和混叠的雷达通信一体化信号的分离。在信噪比为5dB的情形下,仿真获得的分离信号与原始信号具有96%以上的相似度。(2)针对分离出的通信信号分量,对目前通信信号识别算法中分类器在不同信噪比下的波动性大、稳定性不强的问题,提出了一种Stacking-SVM的调制识别算法。该算法采用集成学习的思想,利用Stacking学习法对单一的SVM调制识别进行改进,通过构建一个分层的SVM结构模型,使下一层学习器利用上一层学习器的预测结果进行训练,最终使得整个模型可以学习到信号更加全面的本质特征。仿真实验表明,所提出的算法具有较高的识别准确率,同时在不同信噪比下,算法的稳定性表现更好。(3)针对分离出的雷达信号分量,对雷达信号特征提取和分类器设计两方面存在的不足,提出了一种改进的雷达辐射源识别方法。该方法在特征提取方面,提取了时频图像的纹理特征和形状特征,同时结合信号频谱和瞬时频率的相关特征,构成融合特征集;在分类器设计方面,本文首次将基于GBDT模型提取高阶特征的方法应用在雷达辐射源识别领域,利用该方法对雷达信号进行高阶特征提取,并将提取的特征通过正则化的逻辑回归进行最终分类。最后,仿真对比结果表明,本文所提出的方法在低信噪比下具有更高的识别准确率。(4)针对雷达通信一体化系统的目标识别问题,构建了一种基于多传感器融合的雷达通信一体化目标识别系统模型。该模型利用雷达侦察传感器和通信侦察传感器获得的有用信息与一体化信号处理的结果相结合,得到更全面的目标信息,然后利用基于多传感器信息融合的目标识别算法来获取更准确的目标识别结果。仿真表明,采用该系统模型使得识别的不确定性大为下降,增加了置信度,即该系统模型是有效的。
王若琨[9](2018)在《基于AIS辅助信息的便携式高频地波雷达目标探测研究》文中认为自1955年Crombie发现高频雷达可以收到海流回波之后,经过半个多世纪的发展,它已经广泛应用于海洋表面动力学参数的测量,具有全天候、大范围、造价低等优点,在渔业监测、海态预报等方面起着重大作用。研究者希望高频地波雷达能同时具有探测海上舰船目标的能力,并开展了很多研究,不过到现在也没有达到实用化的阶段。尤其是采用小型化天线的便携式高频地波雷达,虽然成本大幅降低,并在海态监测方面展现出很好的效果,但是在探测舰船目标时还存在很多困难,主要包括:1.高频段的干扰与噪声信号均较强,射频干扰、电离层干扰、瞬态干扰很容易污染船只回波信号;2.海上舰船点目标的假设有时会失效,此时简单的单元检测可能无法检出目标;3.高频地波雷达的距离分辨单元通常达到千米级,这远大于船只的尺寸;4.紧凑式接收天线的方向图容易因周边环境影响而发生畸变,造成方位角估计困难。5.雷达照射范围内的船只信息无法完全掌握,因此缺乏足够可靠的算法评估手段。针对上述困难,本文对便携式高频地波雷达目标探测相关问题进行了研究。一方面对现有的方法进行了全面评估,寻找制约目标探测研究的关键问题所在;另一方面,在AIS信息的帮助下,成功把机器学习方法引入本领域,在目标检测和参数估计方面均取得了比传统方法更好的结果。本文的研究工作具体包括如下内容:1.提出了一种基于支持向量分类(SVC)的目标检测方法。该方法引入机器学习中经典的SVC算法,借助AIS信息获取标记样本,提取目标在多个维度的信噪比作为样本特征,选取随机噪声信号作为负样本。通过实测数据结果对比SVC检测法和传统CFAR检测法的性能:两者在检测出同样多目标的情况下,SVC检测法能够与AIS信息有更多的匹配数,并且在胡椒图上能得到更多、更长的轨迹,证明了新方法优于CFAR法。SVC检测法还具有扩展性强、泛化能力好等优点。2.提出了一种利用AIS信息进行单极子交叉环天线方向图估计的方法。该方法利用AIS信息获取来自各个方向的大量目标匹配对作为校准源,通过检测、匹配、分类、筛选、插值、平滑得到方向图的估计。本文通过2013山东渤海湾、2014福建平潭、2015福建漳州三次雷达现场试验的结果对算法进行验证,AIS估计的方向图揭示出方向图在现场环境中很容易发生畸变,此时使用理想方向图进行角估计性能很差,使用AIS方向图却可以大大降低角估计误差。2015年在六鳌进行了方向图船测试验,AIS方向图与船测方向图的相关度非常之高,证实了新方法的有效性。3.提出了一种基于支持向量回归(SVR)的目标到达角估计方法。针对使用实测方向图估角存在的一些问题,本文引入机器学习中的SVR算法以绕过测量误差和以往算法的内在缺陷。标记样本的获取来自与AIS匹配的目标,提取样本在各个通道的归一化幅相值作为样本特征。实测数据的结果表明SVR角估计算法能获取比实测方向图MUSIC法更高的精度,能有效缓解角度模糊现象,而且还具有扩展性强、所需数据量少的优点。4.提出了一种基于支持向量回归(SVR)的目标距离估计方法。在SVR算法取得不错的角估计结果之后,我们又把它应用于距离估计。标记样本的获取来自与AIS匹配的目标,样本的特征选用样本距离维邻近单元的归一化幅度,使用SVR算法学得距离估计的模型。实测数据的结果显示SVR距离估计法不但能够获得比传统经验公式法更精确、更稳定的距离估计,还能自动补偿系统距离偏差。此外SVR距离估计的模型具有很好的泛化能力,在站点之间使用也取得了良好的效果。
黄晓静[10](2010)在《多频高频地波雷达目标检测与跟踪技术研究》文中研究指明武汉大学电波传播实验室的高频地波雷达系统OSMAR诞生的时候,正是冷战结束后世界高频地波雷达发展的一个黄金期。这时期以CODAR的Seasonde为代表的小型海洋环境监测雷达是民用高频地波雷达发展的主流。所以OSMAR从诞生之日起,实际上就被赋予中国海洋环境监测雷达的使命。然而,雷达天生就是用于目标探测的,OSMAR也不例外。目标检测与跟踪技术一直是我们最为重视的技术。它不属于OSMAR的昨天,它是OSMAR的未来。所以今天,无论OSMAR以何种形式出现,目标检测与跟踪技术将是我们研究的一个核心内容。“变频多功能高频地波雷达”是OSMAR的最新形态。它的出现绝非偶然。在民用浪潮红极一时之后,高频地波雷达研究很快回归目标检测领域。“多功能”正是OSMAR顺应时代的产物。高频地波雷达用于目标探测,有其天然优势和不足。其不足主要表现为海杂波干扰和目标RCS起伏造成的检测性能不稳。人们很早就试图利用多频弥补这个缺陷,有成功更有失败。对于目标检测技术而言,“变频多功能高频地波雷达”实际上仅仅是一个载体。本文以国家863计划项目“变频多功能高频地波雷达”为依托,以变频多功能高频地波雷达为平台,全面展开了高频地波雷达目标检测与跟踪技术的研究。其内容涉及从雷达波形设计到多目标跟踪技术的全部雷达信号处理和数据处理流程,比较全面的展现了高频地波雷达目标检测与跟踪技术的全貌。文章对OSMAR目标检测与跟踪的一些具体技术做了细致深入的研究,并给出作者独有的理解;对一些遗留的历史问题,从概念上加以区分,从基础理论上加以分析,并作出定性的回答。此外,作者在全面分析变频多功能高频地波雷达信号特点的基础上,给出了一整套工程应用性强的目标检测与跟踪方案;并给出了该方案的实际应用结果,对其作出了切实的评价。本文的主要内容如下:1、对调频中断连续波(FMICW, Frequency Modulated Interupted Continuous Wave)的解调过程进行了分析,对解距离算法进行了总结,指出了直接DFT解距离的优势;并提出了一套时频分析解距离的方法,解释了其物理含义,该方法可有效的提高信噪比和距离分辨率。在此基础上,作者给出了目标检测与跟踪算法的整体方案,它包括通道校准、目标检测、目标参数估计、多频数据融合和目标跟踪,再加上之前的波形解调共6部分内容,每一部分所涉及的信号处理算法相互联系却又截然不同。2、对有源及无源的通道校准原理做了总结,对离线有源校准提出了2个解决方案,通过对实测信号特点分析给出了基于自动识别系统(AIS, Automatic Identifacation System)辅助信息的在线通道校准方法。3、对多频高频地波雷达海洋回波特点做了简要介绍,并给出了目标和噪声的典型回波谱。针对不同的射频干扰,作者对其形成机理和抑制方法做了仔细研究。针对多频雷达较高频段的多普勒展宽现象,作者通过分析其形成机理,给出速度补偿的运动目标信号增强方法。在此基础上,本文提出了一套适合实际的基于恒虚警的检测方案。4、研究了到达角、距离及径向速度的估计问题。到达角估计部分,作者深入研究了超分辨算法的基本理论,对“超分辨”的本质给出了独有的见解,探讨了多重信号分类算法(MUSIC, Multiple Signal Classification)和AIC (Akaike’ s Information theoaretic Criteria)应用于高频地波雷达的可行性和实现方式。从波形解调的角度出发,作者还给出了一个适合于本雷达的简单有效的距离估计方法。在此基础上,作者给出了多频高频地波雷达目标参数估计的实现方案以及实际参数估计的部分统计结果。5、介绍了信息融合的基本原理,并针对多频高频地波雷达的特点,提出一套适合本雷达的点迹融合方法,包括不同频率雷达数据的融合和雷达与AIS数据的融合。与AIS信息的融合主要为通道校准提供数据,多频数据融合则是为目标跟踪提供单一的点迹集。6、介绍了目标跟踪技术,主要包括了扩展卡尔曼滤波理论、多状态模型理论和联合概率数据关联理论,并给出一套实用的跟踪方案。作者还给出了整套目标检测与跟踪算法运用于实测数据的最终结果,并对其做出了评价。
二、基于时频分析的雷达信号到达角估计(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于时频分析的雷达信号到达角估计(论文提纲范文)
(1)雷达信号参数侦测与脉内识别(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 国内外研究历史与现状 |
1.2.1 雷达信号脉内调制识别国内外研究现状 |
1.2.2 雷达信号参数估计国内外研究现状 |
1.3 本文主要内容和结构安排 |
第二章 雷达信号脉内分析理论基础 |
2.1 截获雷达信号建模与仿真 |
2.1.1 线性调频信号 |
2.1.2 频移键控信号 |
2.1.3 相位编码信号 |
2.1.4 多相码信号 |
2.1.5 复合调制信号 |
2.2 分数阶傅里叶变换 |
2.3 时频分析 |
2.3.1 Wigner-Ville分布 |
2.3.2 Choi-Williams分布 |
2.3.3 雷达信号时频分析总结 |
2.4 本章小结 |
第三章 雷达信号的数字接收与脉冲检测 |
3.1 基于多相滤波器的数字信道化接收 |
3.1.1 信道划分和抽取因子的选取 |
3.1.2 多相滤波结构 |
3.2 信号检测 |
3.3 脉冲参数测量 |
3.4 仿真与分析 |
3.5 本章小结 |
第四章 雷达信号脉内调制识别 |
4.1 基于IQPF和FRFT的雷达信号脉内调制识别 |
4.1.1 基于IQPF的调制识别可行性分析与实现 |
4.1.2 基于FRFT的线性调频类雷达信号调制类型识别 |
4.1.3 非线性调频类雷达信号脉内调制识别 |
4.1.4 仿真与分析 |
4.2 基于残差网络的雷达信号脉内调制识别 |
4.2.1 残差网络原理 |
4.2.2 时频图像预处理 |
4.2.3 残差网络结构 |
4.2.4 仿真与分析 |
4.3 本章小结 |
第五章 雷达信号脉内参数估计 |
5.1 基于FRFT的LFM参数估计 |
5.2 基于IQPF和FRFT多相码参数估计的改进算法 |
5.2.1 基于IQPF和FRFT的多相码参数估计 |
5.2.2 算法改进与实现 |
5.2.3 算法仿真与分析 |
5.3 一种低信噪比下的LFM-BPSK参数估计方法 |
5.3.1 LFM-BPSK信号的调频斜率估计 |
5.3.2 LFM-BPSK信号的载频估计 |
5.3.3 LFM-BPSK信号的码速率和码元估计 |
5.3.4 算法仿真与实现 |
5.4 本章小结 |
第六章 全文总结与展望 |
6.1 全文总结 |
6.2 后续工作展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(2)基于卷积神经网络的机载雷达信号分选方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 基于脉内特征的雷达信号分选 |
1.2.2 基于脉间特征的雷达信号分选 |
1.2.3 基于神经网络的雷达信号分选 |
1.3 本文主要工作 |
第二章 机载雷达信号分选研究基础 |
2.1 机载雷达工作模式 |
2.2 机载雷达信号特征参数 |
2.2.1 时域参数 |
2.2.2 频域参数 |
2.2.3 空域参数 |
2.3 机载雷达信号脉内调制类型 |
2.4 机载雷达信号脉间调制类型 |
2.5 本章小结 |
第三章 基于卷积神经网络的脉内特征提取 |
3.1 卷积神经网络概述 |
3.2 脉内特征提取CNN网络模型 |
3.2.1 脉内特征提取网络模型 |
3.2.2 网络结构设计 |
3.2.3 网络训练算法 |
3.3 计算复杂度分析 |
3.4 实验与性能分析 |
3.4.1 数据集简介与数据预处理 |
3.4.2 网络性能验证 |
3.5 本章小结 |
第四章 脉内特征与脉间特征联合的机载雷达信号分选 |
4.1 机载雷达信号分选结构概述 |
4.2 多域参数联合预分选 |
4.2.1 聚类方法概述 |
4.2.2 优化初始聚类中心的K-Means算法 |
4.2.3 仿真分析 |
4.3 基于PRI信息的机载雷达信号主分选 |
4.3.1 PRI分选算法概述 |
4.3.2 序列检索 |
4.3.3 捷变频识别与参差鉴别 |
4.3.4 仿真分析 |
4.4 综合分选实验与结果分析 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 全文总结 |
5.2 未来展望 |
致谢 |
参考文献 |
攻读硕士期间的研究成果 |
(3)基于波形参数捷变雷达的非合作双基地雷达信号处理关键技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 非合作双基地雷达研究发展概况 |
1.2.1 非合作双基地雷达的早期历史 |
1.2.2 非合作双基地雷达的中兴期 |
1.2.3 非合作双基地雷达的快速发展期 |
1.3 非合作双基地雷达系统同步与微弱目标检测技术研究现状 |
1.3.1 系统同步技术 |
1.3.2 微弱目标检测技术 |
1.4 论文研究内容与结构安排 |
1.4.1 研究内容 |
1.4.2 结构安排 |
第二章 非合作双基地雷达基础理论和问题分析 |
2.1 引言 |
2.2 双基地雷达基础理论 |
2.2.1 目标定位原理 |
2.2.2 双基地雷达方程 |
2.2.3 探测范围分析 |
2.2.4 分辨率分析 |
2.3 非合作雷达辐射源特性分析 |
2.3.1 辐射源简介 |
2.3.2 波形参数捷变信号模糊函数分析 |
2.4 非合作双基地雷达系统简介与问题分析 |
2.4.1 系统架构 |
2.4.2 信号处理流程 |
2.4.3 问题分析 |
2.5 本章小结 |
第三章 非合作双基地雷达时频参数同步方法 |
3.1 引言 |
3.2 基于LVD的多分量LFM信号参数估计算法 |
3.2.1 算法原理 |
3.2.2 算法实现方法 |
3.2.3 仿真实验及性能分析 |
3.2.4 实测数据处理 |
3.3 基于模板匹配的非合作双基地雷达时频参数同步方法 |
3.3.1 算法流程 |
3.3.2 实测数据处理 |
3.4 本章小结 |
第四章 非合作双基地雷达捷变频信号相参积累方法 |
4.1 引言 |
4.2 非合作双基地雷达捷变频信号相参积累问题分析 |
4.2.1 信号模型 |
4.2.2 问题分析 |
4.3 基于Radon-NUFFT的相参积累算法 |
4.3.1 基于低秩矩阵逼近的NUFFT算法 |
4.3.2 Radon-NUFFT算法原理与步骤 |
4.4 仿真实验及性能分析 |
4.4.1 有效性验证 |
4.4.2 性能分析 |
4.5 本章小结 |
第五章 非合作双基地雷达时域参数捷变信号相参积累方法 |
5.1 引言 |
5.2 非合作双基地雷达时域参数捷变相参积累分析 |
5.2.1 信号模型 |
5.2.2 问题分析 |
5.3 基于IAA的非均匀采样信号频谱分析方法 |
5.3.1 IAA算法原理 |
5.3.2 IAA实现方法 |
5.3.3 仿真实验与性能分析 |
5.4 基于Radon-IAA的相参积累方法 |
5.4.1 算法流程 |
5.4.2 仿真实验 |
5.4.3 性能分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 论文主要工作及创新点 |
6.2 下一步工作展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
(4)雷达辐射源脉内特征分析与识别关键技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究与发展现状 |
1.2.1 调制识别研究现状 |
1.2.2 调制参数估计研究现状 |
1.2.3 个体识别研究现状 |
1.3 现有研究存在的问题 |
1.4 论文主要工作和结构安排 |
第二章 基于扩张残差网络的雷达辐射源调制识别 |
2.1 引言 |
2.2 雷达辐射源信号模型 |
2.3 雷达辐射源信号预处理 |
2.3.1 信号时频分析 |
2.3.2 时频图像预处理 |
2.4 特征提取与分类识别 |
2.4.1 卷积神经网络概述 |
2.4.2 扩张残差网络模型 |
2.4.3 网络训练 |
2.4.4 算法流程 |
2.5 仿真实验与结果分析 |
2.6 本章小结 |
第三章 基于功率谱和高效FRFT的 LFM信号参数估计 |
3.1 引言 |
3.2 高效FRFT实现LFM信号参数估计原理 |
3.2.1 FRFT及 LFM信号参数估计 |
3.2.2 最优旋转角度估计 |
3.3 归一化FRFT长度估计 |
3.3.1 基于功率谱分析的α1、α2选取 |
3.3.3 去中心频率 |
3.3.4 高斯平滑降噪 |
3.3.5 参数估计步骤 |
3.4 仿真实验与结果分析 |
3.5 本章小结 |
第四章 基于无意调相特性的雷达辐射源个体识别 |
4.1 引言 |
4.2 UPMOP特征曲线提取 |
4.2.1 相位观测模型 |
4.2.2 UPMOP提取流程 |
4.3 识别算法 |
4.3.1 LSTM和 FCN |
4.3.2 网络模型框架 |
4.3.3 算法流程 |
4.4 仿真实验与结果分析 |
4.5 本章小结 |
第五章 雷达辐射源脉内特征分析与识别验证系统设计 |
5.1 引言 |
5.2 系统概述 |
5.3 系统测试与分析 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 研究展望 |
致谢 |
参考文献 |
作者简历 |
(5)紧凑型高频地波雷达海面风速及目标信息提取(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 选题背景与意义 |
1.2 国内外研究现状 |
1.2.1 高频地波雷达发展概述 |
1.2.2 海面风速提取方法概述 |
1.2.3 海面目标信息提取方法概述 |
1.3 本文研究内容与结构安排 |
2 紧凑型高频雷达系统及信号处理 |
2.1 系统硬件平台简介 |
2.1.1 单极子/交叉环天线 |
2.1.2 AIS辅助信息简介 |
2.2 高频地波雷达信号处理 |
2.2.1 雷达距离方程 |
2.2.2 线性调频方式下距离与多普勒信息提取 |
2.2.3 海面目标回波特性 |
2.3 本章小结 |
3 紧凑型高频雷达风速反演 |
3.1 基于风浪经验关系的风速反演 |
3.1.1 几种风浪经验模型简介 |
3.1.2 实验结果分析 |
3.2 基于人工神经网络的风速反演 |
3.2.1 神经网络概述 |
3.2.2 风速提取神经网络构建 |
3.2.3 风速提取网络性能测试 |
3.2.4 实测结果分析 |
3.3 本章小结 |
4 紧凑型高频雷达目标检测与估角 |
4.1 恒虚警目标检测方法 |
4.2 基于时频分析的目标检测方法 |
4.2.1 时频同步提取 |
4.2.2 时频域目标检测 |
4.3 基于时频分析的到达角估计方法 |
4.3.1 MUSIC算法 |
4.3.2 时频域估角方法 |
4.4 实验结果分析 |
4.5 本章小结 |
5 总结与展望 |
5.1 工作总结 |
5.2 工作展望 |
参考文献 |
硕士期间发表科研成果目录 |
致谢 |
(6)毫米波雷达信号处理与精密测量应用研究(论文提纲范文)
致谢 |
摘要 |
abstract |
变量注释表 |
1 绪论 |
1.1 研究背景与意义 |
1.2 毫米波雷达国内外研究进展 |
1.3 主要研究内容与技术路线 |
2 毫米波雷达基本理论 |
2.1 雷达体制和探测性能 |
2.2 FMCW雷达信号调制 |
2.3 FMCW雷达测距测速原理 |
2.4 测距测速算法实现 |
2.5 本章小结 |
3 毫米波雷达精密测距算法改进研究 |
3.1 频率法粗测距误差源 |
3.2 频谱细分算法 |
3.3 谱线校正算法 |
3.4 频谱细分与谱线校正联合算法 |
3.5 本章小结 |
4 毫米波雷达三维测量研究 |
4.1 雷达三维测量原理 |
4.2 一发多收雷达测角 |
4.3 多发多收雷达三维定位 |
4.4 三维坐标转换算法改进 |
4.5 本章小结 |
5 毫米波雷达测量系统构建 |
5.1 FMCW雷达硬件系统开发 |
5.2 FMCW雷达数据采集软件开发 |
5.3 FMCW雷达测量系统测试 |
5.4 本章小结 |
6 毫米波雷达精密测量应用 |
6.1 高铁桥梁动态挠度测量背景 |
6.2 车桥振动动力学原理 |
6.3 动挠度信号的时频分析方法 |
6.4 高铁桥振动试验方案 |
6.5 振动检测结果与分析 |
6.6 本章小结 |
7 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(7)基于毫米波雷达的微动手势识别关键技术研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 基于毫米波雷达的微动手势识别系统国内外研究现状 |
1.2.2 毫米波雷达参数估计方法研究现状 |
1.2.3 毫米波雷达类目标消除方法研究现状 |
1.2.4 微动手势特征提取及识别研究现状 |
1.3 论文主要研究工作及贡献 |
1.4 论文组织结构 |
2 基于毫米波雷达的微动手势识别技术研究方案 |
2.1 整体研究方案 |
2.1.1 基于毫米波雷达的微动手势识别算法研究方案 |
2.1.2 毫米波雷达硬件平台方案 |
2.2 技术路线 |
2.2.1 微动手势“三域”参数联合估计 |
2.2.2 微动手势类目标消除 |
2.2.3 微动手势特征提取及识别 |
2.3 相关研究基础 |
2.3.1 FMCW毫米波雷达距离-速度联合估计 |
2.3.2 卷积与循环卷积神经网络研究基础 |
2.4 本章小结 |
3 微动手势距离-角度联合超分辨估计算法研究 |
3.1 引言 |
3.2 雷达信号处理流程 |
3.3 MIMO-FMCW毫米波雷达虚拟天线扩展技术 |
3.3.1 MIMO雷达虚拟天线扩展原理 |
3.3.2 MIMO雷达多路复用技术 |
3.4 基于2D-MUSIC的距离-到达角联合超分辨估计算法 |
3.4.1 信号模型 |
3.4.2 相干回波信号参数估计 |
3.4.3 仿真结果分析 |
3.5 基于Extrapolation-MUSIC距离-角度联合估计算法 |
3.5.1 信号模型 |
3.5.2 基于Burg算法的AR模型系数求解 |
3.5.3 仿真结果分析 |
3.6 实验结果分析 |
3.6.1 单目标联合参数精度测试 |
3.6.2 双目标联合参数分辨测试 |
3.6.3 微动手势目标测试 |
3.7 本章小结 |
4 微动手势类目标抑制技术研究 |
4.1 引言 |
4.2 基于2D-CFAR的类目标抑制技术 |
4.2.1 2D-CFAR类目标抑制模型 |
4.2.2 仿真实验分析 |
4.3 基于无监督降噪卷积自编码网络类目标抑制技术 |
4.3.1 无监督降噪自编码网络数学模型 |
4.3.2 无监督降噪卷积自编码网络模型 |
4.3.3 仿真实验 |
4.4 实验结果分析 |
4.5 本章小结 |
5 微动手势特征提取及识别算法研究 |
5.1 引言 |
5.2 基于3D-CNN的微动手势时序-空间联合特征提取及识别 |
5.2.1 3D卷积运算 |
5.2.2 3D-CNN网络架构分析 |
5.2.3 实验结果分析 |
5.3 基于R3DCNN-CTC的微动手势识别系统研究 |
5.3.1 R3DCNN-CTC模型分析 |
5.3.2 基于前向-后向算法的CTC目标函数计算 |
5.3.3 实验结果分析 |
5.4 本章小结 |
6 总结与展望 |
6.1 论文工作总结 |
6.2 未来展望 |
致谢 |
参考文献 |
附录 |
A.作者在攻读博士学位期间发表的论文目录 |
B.作者在攻读博士学位期间参加的科研项目及得奖情况 |
(8)雷达通信一体化系统的信号处理与识别技术研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 雷达通信一体化研究现状 |
1.2.2 辐射源识别研究现状 |
1.3 论文创新点及章节安排 |
第二章 雷达信号与通信信号的调制原理 |
2.1 引言 |
2.2 雷达调制信号 |
2.2.1 常规雷达信号 |
2.2.2 线性调频信号 |
2.2.3 非线性调频信号 |
2.2.4 二相编码信号 |
2.2.5 四相编码信号 |
2.2.6 频率编码信号 |
2.3 通信调制信号 |
2.3.1 模拟调制 |
2.3.2 数字调制 |
2.4 本章小结 |
第三章 雷达通信一体化信号处理技术研究 |
3.1 引言 |
3.2 信号分离 |
3.2.1 信号分离模型 |
3.2.2 基于FastICA的信号分离算法 |
3.2.3 仿真及结果分析 |
3.3 信号的判别与分选 |
3.3.1 通信信号与雷达信号的判别 |
3.3.2 雷达信号分选 |
3.4 通信信号调制识别 |
3.4.1 通信信号特征提取 |
3.4.2 基于Stacking-SVM的调制识别算法 |
3.4.3 仿真及结果分析 |
3.5 本章小结 |
第四章 一种改进的雷达辐射源识别方法 |
4.1 引言 |
4.2 时频分析 |
4.2.1 短时傅里叶变换 |
4.2.2 小波变换 |
4.2.3 Wigner-Ville分布 |
4.3 时频图像特征提取 |
4.3.1 时频图像预处理 |
4.3.2 基于不变矩理论的形状特征提取 |
4.3.3 基于灰度共生矩阵法提取纹理特征 |
4.4 频谱和瞬时频率相关特征提取 |
4.4.1 频谱相关特征 |
4.4.2 瞬时频率相关特征 |
4.5 分类器设计和方法流程 |
4.5.1 基于GBDT的高阶特征构造 |
4.5.2 改进的方法流程 |
4.6 仿真及结果分析 |
4.7 本章小结 |
第五章 基于多传感器融合的雷达通信一体化目标识别 |
5.1 引言 |
5.2 多传感器信息融合 |
5.3 雷达通信一体化目标识别系统设计 |
5.3.1 系统结构模型 |
5.3.2 雷达侦察信息处理 |
5.3.3 通信侦察信息处理 |
5.3.4 多传感器融合目标识别算法 |
5.4 仿真及结果分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 未来展望 |
参考文献 |
致谢 |
作者简介 |
(9)基于AIS辅助信息的便携式高频地波雷达目标探测研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景与意义 |
1.2 高频地波雷达目标探测技术发展概述 |
1.3 人工智能及机器学习技术发展概述 |
1.4 本文研究内容与结构安排 |
2 高频地波雷达系统原理 |
2.1 高频地波雷达信号处理 |
2.1.1 雷达方程 |
2.1.2 雷达波形体制 |
2.1.3 解距离与解速度 |
2.1.4 距离多普勒谱 |
2.2 高频地波雷达数据处理 |
2.3 高频地波雷达硬件平台 |
2.4 小结 |
3 高频地波雷达目标探测应用机器学习的可行性 |
3.1 AIS辅助信息简介 |
3.2 基于AIS信息的机器学习应用可行性分析 |
3.3 支持向量理论 |
3.3.1 支持向量分类 |
3.3.1.1 基本形式 |
3.3.1.2 损失因子与松弛变量 |
3.3.1.3 核函数 |
3.3.2 支持向量回归 |
3.4 小结 |
4 基于支持向量分类的目标检测研究 |
4.1 海上舰船目标特性 |
4.2 恒虚警目标检测方法 |
4.2.1 恒虚警检测原理 |
4.2.2 恒虚警检测效果 |
4.2.2.1 仿真 |
4.2.2.2 实测数据处理 |
4.3 基于支持向量分类的目标检测方法 |
4.3.1 算法介绍 |
4.3.2 检测效果 |
4.3.2.1 单日数据处理 |
4.3.2.2 泛化能力研究 |
4.3.3 算法总结 |
4.4 小结 |
5 单极子交叉环天线方向图研究 |
5.1 阵列天线的角估计方法 |
5.2 单极子交叉环天线与方向图 |
5.2.1 单极子交叉环天线 |
5.2.2 MUSIC角估计算法 |
5.2.3 方向图畸变与测量方法 |
5.3 基于AIS信息的方向图估计算法 |
5.3.1 算法介绍 |
5.3.2 方向图与角估计结果 |
5.3.2.1 2013年山东渤海湾试验 |
5.3.2.2 2014年福建平潭试验 |
5.3.2.3 2015年福建漳州试验 |
5.4 小结 |
6 基于支持向量回归的参数估计研究 |
6.1 基于支持向量回归的目标到达角估计方法 |
6.1.1 算法介绍 |
6.1.2 实测结果 |
6.2 传统目标距离估计方法 |
6.2.1 经验公式插值法介绍 |
6.2.2 插值方法仿真结果 |
6.2.3 插值方法实测结果 |
6.3 基于支持向量回归的目标距离估计方法 |
6.3.1 算法介绍 |
6.3.2 实测结果 |
6.4 基于支持向量回归的参数估计性能总结 |
6.5 小结 |
7 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
攻博期间发表的科研成果目录 |
(10)多频高频地波雷达目标检测与跟踪技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究意义 |
1.1.2 国外的研究历史及现状 |
1.1.3 国内的研究历史及现状 |
1.2 本文的工作及结构安排 |
1.2.1 多频高频地波雷达目标监测要解决的问题 |
1.2.2 文章的结构安排 |
第2章 多频高频地波雷达的波形及信号处理 |
2.1 FMICW及其信号处理 |
2.1.1 提取距离多普勒谱 |
2.1.2 解距离的DSP算法总结 |
2.1.3 一种基于时频分析解距离方法 |
2.2 变频多功能新型高频地波雷达系统简介 |
2.2.1 波形与信号处理 |
2.2.2 变频多功能新型高频地波雷达海上目标探测技术 |
本章小结 |
第3章 通道校准 |
3.1 通道校准原理 |
3.2 FMICW信号的通道特性 |
3.3 离线校准方法 |
3.4 利用辅助信息的在线校准 |
3.4.1 AIS知识辅助系统 |
3.4.2 利用辅助信息校准的方法 |
3.4.3 幅度校准 |
3.4.4 相位校准 |
本章小结 |
第4章 目标检测 |
4.1 高频地波雷达海上目标探测特性 |
4.1.1 高频地波雷达的距离方程 |
4.1.2 目标散射截面 |
4.1.3 外部噪声及干扰 |
4.1.4 电磁波沿海面传播的衰减 |
4.2 多频雷达的回波谱 |
4.2.1 典型的目标回波谱 |
4.2.2 典型的噪声谱 |
4.3 杂波消除 |
4.3.1 脉冲干扰 |
4.3.2 满屏同频干扰 |
4.3.3 带状同频干扰 |
4.3.4 一般射频干扰 |
4.4 信号增强技术 |
4.4.1 速度补偿 |
4.4.2 数字波束形成 |
4.5 恒虚警检测技术 |
4.5.1 信号的统计特性 |
4.5.2 恒虚警检测 |
4.5.3 检测方案 |
本章小结 |
第5章 参数估计 |
5.1 到达角估计 |
5.1.1 基本概念 |
5.1.2 结构类超分辨算法简介 |
5.1.3 结构类算法中的信噪比 |
5.1.4 构造样本矩阵 |
5.1.5 超分辨 |
5.1.6 判断信号源数 |
5.2 距离和径向速度估计 |
5.2.1 距离插值 |
5.2.2 径向速度换算 |
5.3 估计方案与结果统计 |
5.3.1 估计方案 |
5.3.2 结果统计 |
本章小结 |
第6章 数据融合 |
6.1 多频雷达点迹融合 |
6.1.1 整体方案选择 |
6.1.2 点迹合并式融合的一般原理 |
6.1.3 点迹融合的实施方案 |
6.2 辅助信息与雷达数据的融合 |
本章小结 |
第7章 目标跟踪 |
7.1 状态估计 |
7.1.1 卡尔曼滤波 |
7.1.2 量测方程 |
7.1.3 状态方程 |
7.1.4 交互多模型法 |
7.2 数据关联 |
7.2.1 跟踪起始与跟踪终结 |
7.2.2 跟踪维持 |
7.3 实现方案及结果 |
7.3.1 实现方案 |
7.3.2 航迹管理 |
7.3.3 关联结果及评价 |
本章小结 |
第8章 总结与展望 |
8.1 工作总结 |
8.2 研究展望 |
参考文献 |
读博期间的主要科研成果 |
后记 |
四、基于时频分析的雷达信号到达角估计(论文参考文献)
- [1]雷达信号参数侦测与脉内识别[D]. 唐燕. 电子科技大学, 2021(01)
- [2]基于卷积神经网络的机载雷达信号分选方法研究[D]. 补源源. 电子科技大学, 2021(01)
- [3]基于波形参数捷变雷达的非合作双基地雷达信号处理关键技术研究[D]. 潘嘉蒙. 国防科技大学, 2020(01)
- [4]雷达辐射源脉内特征分析与识别关键技术研究[D]. 秦鑫. 战略支援部队信息工程大学, 2020(01)
- [5]紧凑型高频地波雷达海面风速及目标信息提取[D]. 蔡佳佳. 武汉大学, 2020(03)
- [6]毫米波雷达信号处理与精密测量应用研究[D]. 罗翔. 中国矿业大学, 2020(01)
- [7]基于毫米波雷达的微动手势识别关键技术研究[D]. 张振源. 重庆邮电大学, 2019(01)
- [8]雷达通信一体化系统的信号处理与识别技术研究[D]. 昌志松. 西安电子科技大学, 2019(02)
- [9]基于AIS辅助信息的便携式高频地波雷达目标探测研究[D]. 王若琨. 武汉大学, 2018(01)
- [10]多频高频地波雷达目标检测与跟踪技术研究[D]. 黄晓静. 武汉大学, 2010(07)