基于四阶累量切片的MUSIC法研究及仿真试验

波达方向估计方法中,基于子空间的多重信号分类法(MUSIC)有很高的分辨力、估计精度及稳定性,但在高斯色噪声环境下,利用自相关的特征子空间进行处理的MUSIC算法受到很大限制.而基于四阶累量切片的特征子空间的MUSIC算法可以很好地进行处理.仿真表明,该算法在高斯色噪声下,是实现高分辨方位估计的有效方法.     

基于时域解析信号的广义MUSIC算法

波束形成是声呐信号处理的关键技术,本文提出一种新的基于宽带时域解析信号的广义MUSIC自适应波束形成算法(TAMUSIC算法).该算法将时域解析信号与改进的MUSIC算法相结合,对精确时延之后的宽带时域信号进行希尔伯特变换生成复数形式的时域解析信号,增加权向量自由度;通过增加调节指数构建新广义噪声子空间,解决了传统MUSIC算法信源数目估计不准带来的影响,提高算法鲁棒性;最后利用信号子空间和噪声子空间的正交性估计目标方位.仿真数据和海试数据处理的结果表明:TAMUSIC算法可以获得更尖锐的谱峰,提高目标的角度分辨力,增强了弱小目标的发现能力.     

PCI混响消除算法的理论和实现方法

就工作在混响限制区域的主动声纳而言,混响成为限制声纳性能发挥的主要因素之一.如何有效地抑制混响或对混响进行弱化处理,对于提高主动声纳的目标检测能力具有十分重要的理论和实际意义.采用基于信号子空间理论,即主元求逆算法(PCI)的混响估计方法,实现了混响限制区域混响和信号的分离,并提出了一个混响子空间定阶方法.实际海试数据处理结果表明,该方法可以有效的剔除接收信号中的混响,有利于改善系统在混响限制条件下的检测能力.     

基于时域解析信号的广义MUSIC算法

波束形成是声呐信号处理的关键技术,本文提出一种新的基于宽带时域解析信号的广义MUSIC自适应波束形成算法(TAMUSIC算法)。该算法将时域解析信号与改进的MUSIC算法相结合,对精确时延之后的宽带时域信号进行希尔伯特变换生成复数形式的时域解析信号,增加权向量自由度;通过增加调节指数构建新广义噪声子空间,解决了传统MUSIC算法信源数目估计不准带来的影响,提高算法鲁棒性;最后利用信号子空间和噪声子空间的正交性估计目标方位。仿真数据和海试数据处理的结果表明:TAMUSIC算法可以获得更尖锐的谱峰,提高目标的角度分辨力,增强了弱小目标的发现能力。     

基于训练序列的盲分离算法性能分析

信息最大化(Infomax)盲分离算法是一种基于神经网络的自适应算法,其主要问题是收敛速度较慢.盲分离技术(BSS)在通信中使用时有助于提高接收信噪比,提出通过一种利用通信信号的训练序列来改善Infomax算法的收敛性能的方法,并分别以相关系数和性能指数作为比较标准进行仿真,结果显示该方法能改善接收信号的信噪比,加快Infomax盲分离算法的收敛速度.     

基于两层编码的进化算法及其在控制混沌中的应用

针对RBF(Radial Basis Function)网特点,提出基于两层编码的进化算法来同时确定网络结构和参数.文中分别采用两种不同的遗传算法GA(Genetic Algorithm)和进化规划EP(Evolutionary Programming)训练网络.实验结果表明,基于这三种不同进化算法的RBF网络都能有效地控制混沌系统,其中EP的训练和控制结果最优.     

舰船高频雷达散射截面的快速精确计算

分析大型舰船类目标高频电磁散射特性对未来海战具有重要实用意义.针对当前目标高频电磁散射计算精度有限的问题,在CAD构建舰船表面模型的基础上,用多层快速多极子方法(MLFMA)对舰船类目标进行高频电磁散射截面进行分析.仿真结果表明,多层快速多级子算法能准确快速预估大型舰船目标的高频散射截面,并且具有耗时较少的特点,为高频雷达系统的研究及舰船设计提供有效的参考数据.     

基于CSM方法的水下宽带相干源方位估计

通过设计适当的聚焦(Focusing)矩阵将信号各个频带的能量聚焦到同一个参考频率上，对各子带的阵列相关矩阵进行频域平均，得到一个信号子空间，然后使用窄带高分辨算法进行方位估计。本文将该算法应用于水下宽带相干源方位估计，实现了高分辨率。     

基于接收信号信噪比预测的自适应跳频信道质量评估

针对自适应跳频通信的特点,提出基于接收信号信噪比预测算法的信道质量评估方法.在FFH/BFSK系统中采用卡尔曼滤波器、信号子空间法和误码率性能分析法进行仿真.结果表明,在0～25dB的信噪比变化范围内,估计和预测误差较小,能够对信道质量做出实时评估,可用于快速自适应跳频通信系统.     

一种改进的基于密度和网格的高维聚类算法

提出了一种改进的基于密度和网格的高维聚类算法,并对算法有效性进行了验证.该算法通过减少样本点数量的方法达到减少稠密子空间数量.在发现高维稠密子空间时,对样本库进行精简.这些样本点的求得能有效减少求解最小聚类的时间复杂度.