一、基于高阶累积量的探地雷达信号处理(论文文献综述)
孟祥豪,赵海旭,梁言[1](2021)在《一种基于对角积分双谱的复合调制LPI雷达信号识别方法》文中研究指明LPI雷达信号由于采用复杂调制方式而具备低截获性能,在新体制雷达中被广泛应用。针对采用复杂调制方式的LPI雷达信号识别问题,提出一种基于对角积分双谱的信号识别方法。首先,对复合调制LPI雷达信号进行建模分析,给出了不同调制信号在双谱特征上的差异。然后,针对提取双谱特征计算量较大的问题,提出一种利用双谱特征中的对角积分双谱进行复合调制LPI雷达信号识别的方法,通过降维处理降低了计算量。最后,通过仿真实验验证了方法的有效性和可行性,实验表明,在信噪比为10 dB的条件下,该方法对复合调制LPI雷达信号的识别准确率在95%以上。
贾远航[2](2021)在《空间步进频雷达煤层近场目标参数估计方法研究》文中研究表明随着社会经济的不断发展,所需要的能源消耗也越发增加,煤炭资源作为重要的社会资源消耗之一,其开采的安全性和有效性越来越受到关注,在开采过程中能够及时得到煤层中物质信息可以有效的提高开采的安全性和有效性。探地雷达具有较好的穿透性和较快的探测速度,被广泛的用于井下煤层探测。传统的冲激脉冲雷达和单站时间步进频连续波雷达在煤层异质体探测中存在空间分辨率差、时间利用率低的问题,而多输入多输出的空间步进频雷达在接收端可以获得较大的带宽和孔径,具有较高的空间分辨率,因此,研究多输入多输出空间步进频雷达应用于煤层介质中的异质体探测具有十分重要的意义。论文首先研究了空间步进频雷达的远场信号模型,利用发射信号的正交特性在接收端通过匹配分离将发射的各频点信号分离,建立接收信号模型。然后在煤层介质的基础上,根据近场模型的几何形状计算异质体相对于阵列的位置关系,得到距离和角度联合的近场等效接收信号模型。进一步,针对煤层异质体在少快拍和低信噪比情况下估计精度较低的问题,提出了基于2D-lq-SAMV稀疏恢复算法的距离-角度二维功率谱估计方法。仿真结果表明,所提的2D-lq-SAMV算法能准确的实现目标距离-角度的二维参数估计,相对于2D-MUSIC、NF-IAA和2D-SAMV算法,该方法在少快拍和低信噪比情况下具有较高的估计精度。最后,针对煤层介质中存在邻近强弱不同异质体时估计性能下降的问题,提出了 2D-lq-SAMV-CRELAX联合算法实现邻近强弱异质体的二维参数联合估计。仿真结果表明,相比于2D-RELAX算法,所提的2D-lq-SAMV-CRELAX算法能够有效的改善邻近强弱异质体的参数估计性能,更好的提高弱目标的参数估计准确度。
漆静晨[3](2021)在《二次雷达信号高精度测向方法研究》文中研究指明对于一般信号,到达角(Direction of Arrival,DOA)估计算法已有大量的研究,但对于有特殊波形的信号而言,传统DOA估计方法无法达到最优测向性能。相比于一次雷达信号,二次雷达信号以短时脉冲的形式传递信息,其信号格式更为复杂,传统的测向方法难以满足二次雷达信号的测向需要。本文针对一种典型的二次雷达信号——敌我识别(Identification of Friend or Foe,IFF)信号的测向问题研究了针对性的算法,主要内容如下:1.从IFF的信号模型出发,详细介绍了二次雷达的信号特点、工作模型和信号格式,整理分析了不同类型的IFF信号波形,并简要推导了不同信号模型下的理论性能界。2.针对IFF前导脉冲信号波形已知的情况,采用解耦最大似然(Maximum Likelihood Estimation,MLE)方法测向,并与未知信号模型下的传统波束形成(Conditional Beamformer,CBF)方法进行对比。仿真实验结果表明,已知信号波形能有效提高IFF前导信号的测向精度。3.本文针对IFF数据脉冲信号调制参数已知的情况,提出了基于信号重建的IFF测向方法。该方法通过解调-重建过程充分利用已知信息,使得IFF数据脉冲信号的DOA估计的均方根误差(Root Mean Squared Error,RMSE)低于CBF方法的测向误差,且在信噪比较高时可以逼近解耦MLE方法的测向结果。4.本文针对IFF信号部分波形已知的情况,提出了基于联合解调测向的IFF测向方法。该方法首先识别接收信号类型并提取脉冲波形,然后将前导脉冲和数据脉冲信号分开处理,最后重建信号波形并完成IFF信号的DOA估计。仿真实验验证了该算法的有效性,在较高信噪比下,基于联合解调测向算法的DOA估计结果可逼近已知信号波形、未知复幅度情况下的DOA估计结果,能够满足高精度测向需求。
高忻[4](2020)在《复杂电磁环境下的信号分选与识别关键技术研究与实现》文中指出在通信行业迅速发展的今天,无线数字信号的体制不断更新,各种不同的调制方式也不断产生,通信环境变得越发纷繁复杂。无线频谱检测和侦听面临多种复杂信号的叠加和交织,如何高效地进行复杂电磁环境下的各种不同调制类型的无线数字信号的自动识别成为研究热点。在无线电频谱监测和侦听环境中充斥着各种通信信号、雷达信号、救生信号等等。在空间中不同类型的信号相互干扰,因此,复杂电磁环境下的无线数字调制信号的自动识别无论在民用还是军用都十分普遍。在无线数字信号的调制中,应用较为广泛的有MASK(M-Ary Amplitude Shift Keying)、MFSK(M-Ary Frequency-Shift Keying)、MPSK(M-ary Phase Shift Keying)、MQAM(M-ary Quadrature Amplitude Modulation)调制。因此这四种类型信号的分选识别是本文的重点。本文对各种数字调制算法进行了研究与仿真,联合多种算法并通过Simulink以及FPGA实现了能够识别四种信号的算法。本文主要分为如下四个部分:首先阐述了无线频谱检测和无线侦听的关键技术发展,叙述了信号分选识别解调的整个过程,阐述了信号预处理的基本内容以及无线数字信号识别的研究现状。指出如今的无线数字信号识别主要分为基于模式识别、基于决策论以及基于深度学习三大类。其次,研究分析目前已有的各种有关调制识别的基本方法,其中包括:基于信号时域特征参数提取的算法、基于信号幅度矩的算法、基于信号小波变换的算法,基于信号高阶累积量的MPSK信号识别算法以及基于最大似然估计的算法、对各种方法进行仿真。对信号的仿真结果进行比较,分析目前各种方法的优缺点。然后,论文提出了取长补短整合高阶累积量、时域特征参数以及幅度矩的算法,共同对无线数字信号进行识别的算法。验证算法的理论可行性并使用Simulink对算法进行实现仿真实验。最终得到仿真结果能够对2ASK、4ASK、2FSK、4FSK、2PSK、4PSK、16QAM、64QAM这八种不同调制类型信号进行有效识别。使用FPGA对算法进行实现,搭建实验系统。最后使用FPGA无线数字信号分选识别系统对八种不同类型的调制信号进行识别测试。得出测试结果并验证结论。
郭帅[5](2020)在《外辐射源雷达干扰与杂波抑制算法研究》文中指出随着雷达对抗技术的飞速发展,传统雷达技术正面临着电磁干扰、低空突防、隐身飞机和高速反辐射导弹等各方面挑战。各国研究机构不断发展新体制雷达技术以应对以上“四大威胁”的挑战,外辐射源雷达便是新体制雷达中具有巨大发展潜力的一员。外辐射源雷达(又称为无源双基地雷达)系统本身不辐射电磁信号而是利用空间中已经存在的非合作辐射源信号对潜在目标进行被动探测。外辐射源雷达凭借双基体制和静默接收等特点在抗干扰、抗反辐射导弹、反隐身目标、反低空突袭和无电磁污染等方面具有得天独厚的优势,因此在全世界范围内掀起了外辐射源雷达目标检测技术的研究热潮。外辐射源雷达依靠非合作辐射源进行被动探测,所以雷达系统所处的电磁环境往往十分复杂。在实际应用场景中,外辐射源雷达信号处理通常面临主瓣同频干扰和参考信号含多径杂波等棘手问题。由于主瓣同频干扰与目标回波在时域、频域和空域上均不可分,传统方法很难有效地抑制主瓣同频干扰,导致外辐射源雷达系统在该波束的主瓣方向上形成探测盲区。此外,外辐射源雷达系统在实际应用场景中还面临着参考信号中含有多径杂波的问题。经地物反射后的直达波沿多径信道进行传播,导致接收到的参考信号不仅含有直达波还包含多径杂波成分,含有多径杂波成分的参考信号为后续信号处理带来严重影响。针对以上问题,本文围绕着外辐射源雷达主瓣同频干扰和参考信号含多径杂波等具体问题展开研究。具体研究工作如下:1、本文首先研究和分析了盲分离处理和盲均衡处理的问题模型。理论研究分析表明,外辐射源雷达信号处理中亟待解决的主瓣同频干扰和多径杂波抑制等棘手问题与盲信号处理模型相匹配。本文以此为基础寻找盲信号处理与外辐射源雷达信号处理相结合的切入点,将广泛应用于通信领域的盲信号处理思想应用于外辐射源雷达干扰与杂波抑制处理中,从而解决外辐射源雷达系统中主瓣同频干扰抑制和参考信号多径杂波抑制等具体问题。2、由于回波通道中主瓣同频干扰与目标回波在时域、频域和空域上均不可分,所以常规算法难以有效抑制主瓣同频干扰。针对回波通道的主瓣同频干扰抑制问题,本文首先建立了主瓣同频干扰与目标回波等成分的混合模型,并提出了一种基于独立分量分析的主瓣同频干扰抑制算法。首先利用特征波束方法对主瓣同频干扰进行判定,然后利用主分量分析算法对回波信号进行白化和压缩处理,提取回波信号的干扰主成分。随后应用独立分量分析算法对提取的干扰主成分进行分离处理从而获得主瓣同频干扰的时域样本。最后利用扩展相消算法根据分离的主瓣同频干扰时域样本构造正交投影矩阵,消除回波信号中的主瓣同频干扰成分。本文利用仿真实验对所提主瓣同频干扰抑制算法的性能进行有效验证。3、当外辐射源雷达参考信号中含有多径杂波时,不纯净参考信号与目标回波相匹配形成的虚假目标会提高雷达系统的虚警概率。基于非合作辐射源信号模值恒定的特性,本文考虑利用恒模算法对参考信号进行盲均衡处理,在不需要任何训练样本的情况下抑制参考信号中多径杂波成分。然而传统恒模算法对雷达系统中时延较大的多径杂波抑制性能较差,因此本文提出改进恒模算法来抑制参考信号中多径杂波成分。本文所提算法通过引入高阶统计量约束来改进目标函数,并通过归一化处理来优化权值迭代过程,提高本文所提算法的收敛性能。本文利用仿真实验对所提多径杂波抑制算法的性能进行有效验证。4、由于机载接收平台运动,机载外辐射源雷达不纯净参考信号中的多径杂波不仅具有时间延迟而且具有多普勒频率,传统盲均衡算法并不适用机载外辐射源雷达系统。针对机载外辐射源雷达参考信号不纯净问题,本文提出基于循环平稳特性的改进盲均衡算法来抑制不纯净参考信号中具有多普勒频率的多径杂波成分。为约束均衡输出的多普勒频率,本文所提算法基于循环平稳特性构造改进算法的目标函数,并利用复值BP神经网络来求解此约束优化问题。本文利用仿真实验对所提改进盲均衡算法的性能进行有效验证。
毛翔宁[6](2020)在《2.4GHz频段信号识别与定位技术研究》文中研究说明2.4GHz频段为世界通用的公开频段,目前广泛应用于家用、商用和工业等领域。2.4GHz频段具有公开和无需授权的特性,同时存在多种常用无线信号。这种情况大大影响了用户的使用体验,同时带来不安全因素,因而需要对2.4GHz频段上存在的常见信号进行识别与定位。信号识别技术诞生至今,学术界和工业界已发展出一套成熟的体系,可以满足绝大多数情况的需求;然而,现有信号识别技术对于采样过程要求很高,带来大量的系统开销,对整个系统是一个巨大的挑战。因而,本文提出了一种高速高识别率低开销的信号识别与定位算法,同时引入支持向量机理论,进一步提升了识别性能。本文完成的主要工作包括:首先,对2.4GHz频段常见信号进行了归纳与分析,对常见信号的种类与参数进行了介绍和分析。其次,针对现有信号识别算法进行了理论分析和仿真验证。现有算法主要是通过提取信号幅度、频率、相位等调制相关参数信息或信号的高阶累积量信息,构建分类器,完成信号的调制识别。本文对现有算法原理进行了分析和仿真。然后,提出了一种基于信号帧长度与频谱的信号识别算法。本文分析论证了现有算法难以实际利用于2.4GHz频段信号识别,并提出了新的识别算法。所提算法以信号的帧长度和频谱特征为识别特征构建分类器,可以有效识别2.4GHz频段常见信号种类,识别率高达90%以上,部分信号识别率可达100%。所提算法适应性强,计算复杂度低,利于对信号进行实时监测和分类。进而,提出了基于支持向量机的信号分类算法。支持向量机作为一种新兴的智能模式识别算法,被广泛应用于各种分类场景。本文利用支持向量机理论,以部分特征参数为训练样本,训练分类平面,进一步提升了信号识别率。最后,提出了基于接收信号强度指示(Received Signal Strength Indicator,RSSI)的三角定位与质心算法,实现了信号源的准确定位。基于RSSI的三角定位算法具有计算开销低和定位精确度较高的优点。本文引入质心算法,进一步提升了定位精确度。
陈柯宇[7](2019)在《信号参数估计及其无线安全应用研究》文中提出一直以来,数字通信信号的调制识别和参数估计都是通信领域的研究热点,在传统的民用和军事领域都发挥着重要的作用。随着无线技术的高速发展,5G推动着物联网等产业的兴起,产生出更多更复杂的通信场景,如车联网,智慧城市,智能家居等,传统的信号参数估计技术可能作为攻击手段对其安全性产生威胁,信息安全作为通信的基础和前提,凸显出前所未有的重要性。本文对信号的调制识别、参数估计和汽车雷达安全进行了研究,主要工作如下:在高斯白噪声的信道环境下,研究了基于高阶累积量和基于循环谱的调制识别方法。识别对象为BPSK、QPSK、8PSK、OQPSK、UQPSK、MSK等6种调制信号。介绍了高阶累积量方法的基本原理,给出了各数字调制信号的高阶累积量理论值,并设定特征参数,根据特征参数进行分类识别,仿真得到了各信号的识别率。介绍了循环谱方法的基本原理,分析了循环谱特征,对各数字信号进行了循环谱及四次方谱仿真,并根据谱线差异构造特征参数,对识别性能进行仿真评估。针对调频连续波雷达,设计了一种基于差分包络检波的FMCW信号参数估计方法,首先对信号采样并进行差分运算,得到包络线性变化的序列,再通过希尔伯特变换提取序列的包络,最后对包络数据进行计算可估计得到调频信号周期、正调频率、负调频率、调频区间最小频率和调频区间最大频率等参数。研究表明,该方法在无噪声和较高信噪比条件下可对FMCW信号进行有效的参数估计。针对FMCW雷达设计了一种中和欺骗的攻击方式。首先给出了FMCW雷达攻击模型,阐述了攻击的三个阶段。然后在频域和时域对汽车雷达受攻击前后的接收信号进行表示,对中和信号和欺骗信号的表达式进行推导。为了减小参数估计误差对中和效果的影响,设计了一种相差补偿方案,并进行了仿真验证。最后,针对所设计的FMCW信号参数估计方法及中和欺骗攻击方式设计了一种防护措施。研究表明,针对FMCW雷达的中和欺骗攻击是理论可行的,会对汽车雷达和汽车的安全性产生影响。
汪阳[8](2019)在《基于MIMO雷达的多目标角度估计算法研究》文中研究说明角度估计是目标探测中的关键环节,实现高精度的角度估计有助于后续对目标进行定位和跟踪。MIMO雷达具有空间、频率和波形分集特性,还可以利用发射波形的正交性实现虚拟孔径的扩展,从而提高角度估计的精度。然而,由于实际电磁环境的复杂性,MIMO雷达进行目标角度估计时面临着多径相干信号和高斯色噪声等干扰,而且经典角度估计算法的计算复杂度高、实时性差。上述问题制约了MIMO雷达的DOA估计算法的实际应用。为此,本文针对这三个问题展开深入研究,主要的创新性工作包括:针对多径环境下相干信源造成的测向算法失效问题,分析研究了基于空间平滑稀疏重构的MIMO雷达角度估计方法。首先对多径效应进行建模分析,构建多径环境下MIMO雷达接收信号模型,然后通过接收端匹配滤波实现虚拟孔径扩展,并利用输出信号构造虚拟前后向空间平滑矩阵,从而将协方差矩阵恢复为满秩。随后将协方差矩阵矢量化和稀疏表示,利用信源空域稀疏性,将角度估计问题转化为稀疏信号的恢复问题,通过凸优化工具包求解得到目标角度,最后通过仿真验证了算法的有效性。针对高斯色噪声导致的经典测向算法性能下降问题,提出了基于信号子空间正交投影变换的校正角度估计算法。首先分析高斯色噪声下空间差分算法和高阶累积量算法的局限性,随后基于信号子空间构造正交投影算子,估计出噪声协方差矩阵并予以剔除,从而消除高斯色噪声的影响,利用校正后的信号协方差矩阵再进行一次DOA估计,实现高斯色噪声下的精确测向。与基于导向矢量构造正交投影算法相比,该算法在保证测角精度不变的前提下减少了一次DOA估计,因而计算复杂度更低,算法的实时性更好。最后通过仿真证明了算法的有效性。针对基于MIMO雷达的MUSIC算法复杂度高、实时性差的问题,研究了MIMO雷达降复杂度角度估计算法。首先构建单基地MIMO雷达信号模型,通过降维变换消除MIMO雷达匹配滤波后产生的重复虚拟阵元,随后利用波束空间处理进一步降低计算复杂度。针对MIMO雷达DOD和DOA联合估计时二维MUSIC算法需要二维谱峰搜索、计算复杂度高,且在低信噪比条件下估计精度差的问题,将时间反转技术应用于MIMO雷达,利用其聚焦特性实现接收信号能量的倍增。结合TR MIMO雷达接收信号特点,利用实值方法将复数域的运算转化为实数域运算,降低了算法复杂度。随后进行DOD估计并代入二维空间谱函数中,估计出DOA,从而将二维谱峰搜索转化为两个一维谱峰搜索,且实现了DOD与DOA自动匹配。
赵永霞[9](2019)在《辐射源信号调制方式识别方法研究》文中指出辐射源信号调制识别技术是当前无线电监测、军事电子侦察等领域的关键问题之一。其目的是对复杂电磁环境中的各类信号调制方式进行分析与识别,为提高无线电用户的使用安全和保密提供可靠保障,也为军事防御系统提供有效的支持信息。本文主要研究复杂电磁环境中辐射源信号的调制方式识别方法,研究内容包括信号预处理、调制特征提取以及有监督学习。本文的主要工作和取得的研究成果如下:在信号预处理方面,提出了一种基于极限学习机(ELM)的信号降噪算法。该算法运用ELM能够将非线性问题转换为线性问题解决的能力,实现信号降噪。本文将ELM应用于信号降噪算法中,可在低信噪比条件下有效地实现信号降噪。在特征融合方面,提出了一种基于功率谱和高阶累积量特征的融合识别算法。该算法运用特征融合的思想,将功率谱的细微特征和高阶累积量特征融合,较好地解决了复杂电磁环境下的信号识别问题。在特征提取方面,提出了一种基于独立准则特征的信号识别算法。该算法将希尔伯特-施密特成分分析法应用于信号的调制识别中。相对于高阶累积量特征提取方法,该特征提取方法无需已知信号的先验载波信息,较好地解决了非协作系统中的信号识别问题。在分类器方面,针对决策树分类器的阈值固定的局限性,研究了基于有监督学习的信号调制识别算法,包括随机森林和极限学习机。给出了两种分类器的结构,实现了信号的调制识别,并从识别准确率和时间复杂度两个方面对两种分类器进行了对比分析。
孙富礼[10](2019)在《LPI雷达信号的特征分析与参数估计》文中研究表明在现代电子战中,低截获概率(Low Probablity of Intercept,LPI)雷达由于采用了大时宽大带宽的复杂调制信号以及进行功率管理等一系列技术手段,有效提高了雷达的战场生存能力,近年来得到了广泛应用。电子侦察接收机需要在没有先验信息的复杂电磁环境中截获敌方辐射源的信号,并对其进行特征分析、检测识别及参数估计,为后续的电子干扰和攻击等对抗措施提供基础。LPI雷达的存在对非合作方的电子侦察造成了极大的困难,针对LPI雷达侦察信号处理的理论及算法研究具有重要的现实意义。本文在总结前人工作的基础上,对典型的LPI雷达信号的分析处理进行了研究,主要内容如下:本文首先从LPI雷达及截获因子的定义出发,分析了影响雷达截获概率的因素,总结了 LPI雷达的特点及提高雷达低截获性能的技术手段。然后介绍了几种经典的LPI雷达信号,包括线性调频信号、相位编码信号、频率编码信号以及复合调制信号,先建立信号模型,通过其时域波形图及频谱图分析了这几种LPI雷达信号的特性。研究了短时傅里叶变换、维格纳-威尔分布和小波变换等时频分析方法,由于维格纳-威尔分布存在交叉项干扰,又研究了改进的伪维格纳-威尔分布和平滑伪维格纳-威尔分布,有效消除了交叉项影响。研究了一种基于信号3dB带宽和时域累加瞬时自相关的典型LPI雷达信号的调制类型识别方法,具有一定的抗噪性能,可应用于实际工程中。其次,研究了典型LPI雷达信号的参数估计。针对线性调频信号,利用插值补偿改进了基于分数阶傅里叶变换的参数估计算法,并对分数阶域峰值点采用分步搜索的方法,有效提高了参数估计的精度;根据编码类信号具有的循环平稳特性,研究了基于循环谱相关的相位编码信号的参数估计算法;针对复合调制信号的参数估计,在基于信号重构和滤波预处理的基础上,研究了优化分数阶傅里叶变换与循环谱相关组合的参数估计算法,有效提高了参数估计的精度,并且通过仿真实验验证了算法的稳定性。最后,针对雷达信号的瞬时幅度、相位和频率等脉内特征信息的提取,研究了一种坐标旋转数字计算机(Coordinated Rotation Digital Computer,CORDIC)方法。研究了利用圆周CORDIC算法的矢量模式提取信号脉内特征的迭代算法。利用CORDIC算法的流水型迭代结构提取信号瞬时幅度和相位,再基于瞬时相位差法提取信号的瞬时频率。在FPGA电路设计过程中分析并解决了相位卷绕等问题,设计采用Verilog语言完成电路描述,并在FPGA平台上验证了电路的正确性。
二、基于高阶累积量的探地雷达信号处理(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、基于高阶累积量的探地雷达信号处理(论文提纲范文)
(2)空间步进频雷达煤层近场目标参数估计方法研究(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 探地雷达的发展与现状 |
1.2.2 目标参数估计的发展与现状 |
1.3 论文主要内容及章节安排 |
2 空间步进频雷达信号模型 |
2.1 信号模型 |
2.1.1 远场信号模型 |
2.1.2 近场信号模型 |
2.2 电磁波在介质中的传播速度 |
2.3 本章小结 |
3 基于少快拍和低信噪比的二维参数估计方法 |
3.1 稀疏恢复的基本原理 |
3.2 近场目标参数估计方法 |
3.2.1 基于四阶累积量的参数估计方法 |
3.2.2 二维多重信号分类算法 |
3.2.3 近场迭代自适应算法 |
3.2.4 稀疏渐进最小方差准则算法 |
3.2.5 基于2D-l_q-SAMV的二维参数联合估计方法 |
3.3 仿真结果与性能分析 |
3.4 本章小结 |
4 基于邻近强弱异质体的二维参数估计方法 |
4.1 2D-RELAX算法 |
4.2 2D-l_q-SAMV-CRELAX联合算法 |
4.3 仿真结果与性能分析 |
4.4 本章小结 |
5 总结与展望 |
5.1 论文内容总结 |
5.2 工作展望 |
致谢 |
参考文献 |
附录 |
攻读学位期间发表的论文 |
在校期间参与的科研项目 |
(3)二次雷达信号高精度测向方法研究(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 研究现状 |
1.2.1 敌我识别系统研究现状 |
1.2.2 测向方法研究现状 |
1.2.3 Mark系统IFF信号测向技术研究现状 |
1.3 本论文的结构安排 |
第二章 IFF信号模型与DOA估计理论性能分析 |
2.1 IFF信号测向问题模型 |
2.1.1 IFF单通道信号模型 |
2.1.2 IFF多通道信号模型 |
2.2 DOA估计的CRLB |
2.2.1 随机信号模型,信号未知的DOA估计CRLB |
2.2.2 确定信号模型,信号波形已知、复幅度未知的DOA估计CRLB |
2.2.3 脉冲信号模型,信号波形未知的DOA估计CRLB |
2.3 IFF信号产生的仿真实验 |
2.3.1 Mark XIIA Mode5 询问信号仿真 |
2.3.2 Mark XIIA Level1 应答信号仿真 |
2.3.3 Mark XIIA Level2 应答信号仿真 |
2.4 本章小结 |
第三章 基于已知波形的IFF测向方法 |
3.1 基于已知波形测向的问题描述 |
3.2 基于已知波形的IFF前导脉冲信号测向方法 |
3.2.1 基于未知信号模型的测向方法 |
3.2.2 基于已知波形、未知复幅度的测向方法 |
3.3 基于前导脉冲的IFF测向方法仿真实验 |
3.4 本章小结 |
第四章 基于已知参数的IFF测向方法 |
4.1 基于已知参数测向的问题描述 |
4.2 基于空域滤波的信号预处理方法 |
4.3 基于差分解调的MSK脉冲解调方法 |
4.3.1 MSK信号差分解调算法的误码率分析 |
4.4 基于信号重建的IFF信号测向方法 |
4.5 基于信号重建的IFF信号测向方法仿真实验 |
4.6 本章小结 |
第五章 基于已知部分波形的IFF测向方法 |
5.1 基于已知部分波形测向的问题描述 |
5.2 基于高阶累积量的IFF信号检测识别方法 |
5.2.1 基于高阶累积量的脉冲始末点检测方法 |
5.2.2 基于信号格式的IFF信号识别方法 |
5.3 基于联合解调测向的IFF测向方法 |
5.4 基于高阶累积量的脉冲始末点检测识别方法仿真实验 |
5.5 基于联合解调测向的IFF测向方法仿真实验 |
5.6 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 |
(4)复杂电磁环境下的信号分选与识别关键技术研究与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景和研究意义 |
1.2 国内外研究现状 |
1.2.1 信号预处理研究现状 |
1.2.2 无线信号信号识别研究现状 |
1.2.3 信号调制识别技术研究现状 |
1.2.4 无线信号分选识别的实现技术 |
1.3 论文总体结构以及章节安排 |
第二章 信号的调制识别技术 |
2.1 根据时域特征参数提取进行信号识别 |
2.1.1 五个时域特征参数 |
2.1.2 理论门限值的选取 |
2.2 基于幅度矩进行信号识别 |
2.2.1 幅度矩特征参数 |
2.2.2 基于幅度矩进行信号识别的识别过程 |
2.2.3 基于幅度矩进行信号识别的Matlab仿真 |
2.3 基于小波变换进行信号识别 |
2.3.1 小波变换定义 |
2.3.2 小波变换在信号识别中的应用 |
2.3.3 基于小波变换的信号识别 |
2.4 基于高阶累积量的MPSK信号类内识别 |
2.4.1 高阶累积量以及MPSK信号特征 |
2.4.2 使用高阶累积量分选识别MPSK信号 |
2.4.3 使用高阶累积量分选识别MPSK信号的matlab仿真 |
2.5 基于最大似然估计的方法进行信号调制识别 |
2.6 本章小结 |
第三章 信号分选的Simulink及 FPGA实现 |
3.1 无线数字信号分选算法 |
3.1.1 高阶累积量识别模块识别流程 |
3.1.1.1 不同调制类型无线数字信号特征 |
3.1.1.2 使用高阶累积量分选无线数字信号 |
3.1.2 时域特征参数识别模块识别流程以及matlab仿真 |
3.1.3 幅度矩识别模块识别流程 |
3.2 通信信号分选算法的Simulink实现 |
3.2.1 使用Simulink产生各种调制类型信号 |
3.2.2 高阶累积量识别模块各个部分的Simulink实现 |
3.2.3 高阶累积量识别模块整体Simulink实现 |
3.2.4 时域特征参数识别模块的Simulink实现 |
3.2.5 幅度矩识别模块的Simulink实现 |
3.3 通信信号分选算法的Simulink仿真结果 |
3.3.1 高阶累积量识别模块的Simulink仿真结果 |
3.3.2 时域特征参数识别模块的Simulink仿真结果 |
3.3.3 幅度矩识别模块的Simulink仿真结果 |
3.4 通信信号分选算法的FPGA模块设计 |
3.4.1 XILINX VIRTEX7 FPGA开发板以及VIVADO系统简介 |
3.4.2 将高阶累积量Simulink模块转换为FPGA模块 |
3.4.2.1 均值模块的实现 |
3.4.2.2 高阶累积量运算的FPGA实现与浮点运算的对照 |
3.4.3 VIVADO系统进行高阶累积量算法实现 |
3.4.3.1 资源消耗 |
3.4.3.2 仿真结果对照 |
3.4.4 时域特征参数Simulink模块转为FPGA模块 |
3.4.4.1 时域特征参数运算的FPGA实现与浮点运算的对照 |
3.4.4.2 除法模块设计 |
3.4.5 VIVADO系统进行时域特征参数算法实现 |
3.4.5.1 资源消耗 |
3.4.5.2 仿真结果对照 |
3.5 本章小结 |
第四章 信号分选识别FPGA实验测试 |
4.1 八种调制方式信号的产生 |
4.1.1 MASK信号的产生以及分析 |
4.1.2 MFSK信号的产生 |
4.1.3 MPSK信号的产生 |
4.1.4 MQAM信号的产生 |
4.2 测试系统结构 |
4.3 测试结果与分析 |
4.3.1 参数值测试 |
4.3.2 识别率测试 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得成果 |
(5)外辐射源雷达干扰与杂波抑制算法研究(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 外辐射源雷达技术研究进展 |
1.2.1 国外研究进展 |
1.2.2 国内研究进展 |
1.3 盲信号处理研究进展 |
1.4 本文主要工作及内容安排 |
第二章 外辐射源雷达与盲信号理论基础 |
2.1 引言 |
2.2 外辐射源雷达信号处理理论基础 |
2.2.1 杂波时域相消处理 |
2.2.2 距离-多普勒二维相干处理 |
2.3 盲信号处理理论基础 |
2.3.1 主分量分析 |
2.3.2 独立分量分析 |
2.3.3 盲均衡处理 |
2.4 机载外辐射源雷达理论基础 |
2.4.1 空时杂波特性分析 |
2.4.2 空时自适应处理 |
2.4.3 降维STAP算法 |
2.5 本章小结 |
第三章 基于独立分量分析的主瓣同频干扰抑制算法研究 |
3.1 引言 |
3.2 回波信号模型及回波信号混合模型 |
3.2.1 回波信号模型 |
3.2.2 回波信号混合模型 |
3.3 基于ICA的主瓣同频干扰抑制算法 |
3.3.1 基于PCA预处理 |
3.3.2 基于ICA主瓣同频干扰分离 |
3.4 仿真实验与分析 |
3.5 本章小结 |
第四章 基于改进恒模算法的多径杂波抑制算法研究 |
4.1 引言 |
4.2 含多径杂波的参考信号模型及影响分析 |
4.2.1 参考信号模型 |
4.2.2 多径杂波影响分析 |
4.3 基于改进恒模算法的参考信号多径杂波抑制算法 |
4.3.1 高阶统计量 |
4.3.2 改进恒模算法 |
4.4 仿真实验与分析 |
4.5 本章小结 |
第五章 机载外辐射源雷达参考信号盲均衡算法研究 |
5.1 引言 |
5.2 不纯净参考信号模型及影响分析 |
5.2.1 不纯净参考信号模型 |
5.2.2 空时杂波信号模型 |
5.2.3 不纯净参考信号影响分析 |
5.3 基于循环平稳特性的改进盲均衡算法 |
5.3.1 不纯净参考信号的循环平稳特性分析 |
5.3.2 复值BP神经网络 |
5.3.3 基于循环平稳特性的改进盲均衡算法 |
5.4 仿真实验与分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 本文工作总结 |
6.2 工作展望 |
参考文献 |
致谢 |
作者简介 |
(6)2.4GHz频段信号识别与定位技术研究(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 常用信号识别算法简介 |
1.2.1 基于信号瞬时特征的识别算法 |
1.2.2 基于高阶累计量的识别算法 |
1.2.3 基于其他特征的信号识别算法 |
1.3 信号源定位算法简介 |
1.3.1 RSS算法 |
1.3.2 指纹定位 |
1.3.3 基于TOA的定位 |
1.3.4 基于AOA的定位 |
1.4 分类器结构概述 |
1.5 论文结构及内容 |
第二章 常用分类特征及其仿真 |
2.1 直接基于信号本身物理性质的特征值 |
2.2 基于高阶累积量的信号识别方法 |
2.3 本章小结 |
第三章 基于时长与频谱的信号识别算法 |
3.1 2.4GHZ频段常见信号简介 |
3.1.1 蓝牙 |
3.1.2 802.15.4 信号 |
3.1.3 视频摄像机 |
3.1.4 无绳电话 |
3.1.5 脉冲雷达信号 |
3.1.6 微波炉 |
3.1.7 WI-FI信号 |
3.2 基于时长的信号识别算法 |
3.3 基于带宽的信号识别算法 |
3.4 基于帧长度与时频域特征的分类器构建 |
3.5 基于功率谱瀑布图的信号识别算法 |
3.6 基于支持向量机的信号识别算法 |
3.6.1 支持向量机分类算法数学原理 |
3.6.2 基于支持向量机的2.4GHz频段信号识别算法 |
3.7 本章小结 |
第四章 定位算法 |
4.1 定位算法 |
4.1.1 RSSI移动定位 |
4.1.2 Log-Normal模型 |
4.1.3 最大似然估计定位算法 |
4.1.4 最小二乘法定位算法 |
4.1.5 三角质心法 |
4.2 定位算法的实现 |
4.3 本章小结 |
第五章 测试系统 |
5.1 系统组成 |
5.2 信号识别 |
5.3 信号源定位系统 |
5.4 实验结果 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
研究生期间的研究成果 |
(7)信号参数估计及其无线安全应用研究(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 |
1.2 研究现状 |
1.2.1 调制识别研究现状 |
1.2.2 信号参数估计研究现状 |
1.2.3 无线安全研究现状 |
1.3 主要工作和结构安排 |
第二章 数字信号调制识别方法 |
2.1 基于高阶累积量的数字信号调制识别 |
2.1.1 高阶累积量和高阶矩 |
2.1.2 识别流程设计 |
2.1.3 仿真分析 |
2.2 基于循环谱的数字信号调制识别 |
2.2.1 循环谱分析方法 |
2.2.2 循环谱及四次方谱仿真 |
2.2.3 识别率仿真分析 |
2.3 本章小结 |
第三章FMCW雷达原理及其信号参数估计 |
3.1 FMCW雷达系统框架 |
3.2 线性调频测距原理 |
3.3 FMCW雷达信号分析 |
3.3.1 回波信号分析 |
3.3.2 差频信号分析 |
3.4 FMCW雷达信号参数估计 |
3.4.1 基于差分包络检波的FMCW信号参数估计方法 |
3.4.2 仿真分析 |
3.5 本章小结 |
第四章 针对FMCW雷达的攻击设计与防护 |
4.1 汽车电子控制系统与传感器安全威胁 |
4.2 针对FMCW雷达的攻击模型 |
4.3 FMCW雷达攻击原理 |
4.4 中和信号和欺骗信号的设计 |
4.4.1 忽略处理时延的信号设计 |
4.4.2 有处理时延下的信号设计 |
4.5 相差补偿设计 |
4.6 仿真分析 |
4.7 安全防护 |
4.8 本章小结 |
第五章 总结和展望 |
5.1 研究总结 |
5.2 研究展望 |
参考文献 |
致谢 |
作者简介 |
(8)基于MIMO雷达的多目标角度估计算法研究(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 研究的背景与意义 |
1.2 国内外研究现状 |
1.2.1 MIMO雷达常规目标角度估计 |
1.2.2 MIMO雷达相干目标角度估计 |
1.2.3 高斯色噪声下MIMO雷达角度估计算法 |
1.2.4 MIMO雷达降复杂度角度估计算法 |
1.3 论文框架结构与章节内容 |
第二章 MIMO雷达角度估计基本理论 |
2.1 引言 |
2.2 MIMO雷达基本结构 |
2.2.1 单基地MIMO雷达模型 |
2.2.2 双基地MIMO雷达模型 |
2.3 MIMO雷达角度估计算法 |
2.3.1 PM算法 |
2.3.2 MUSIC算法 |
2.3.3 ESPRIT算法 |
2.3.4 CS算法 |
2.4 本章小结 |
第三章 多径环境下MIMO雷达角度估计算法研究 |
3.1 引言 |
3.2 多径环境下MIMO雷达接收信号模型 |
3.2.1 多径效应建模分析 |
3.2.2 MIMO雷达接收信号模型 |
3.3 基于虚拟矩阵空间平滑稀疏重构的MIMO雷达角度估计算法 |
3.3.1 算法原理 |
3.3.2 算法性能分析 |
3.3.3 仿真分析 |
3.4 本章小结 |
第四章 高斯色噪声下MIMO雷达角度估计算法研究 |
4.1 引言 |
4.2 高斯色噪声下经典测向算法 |
4.2.1 空间差分算法 |
4.2.2 高阶累积量算法 |
4.3 高斯色噪声下基于信号子空间的正交投影校正角度估计算法 |
4.3.1 高斯色噪声对测向的影响分析 |
4.3.2 基于信号子空间的正交投影校正算法 |
4.3.3 仿真分析 |
4.4 本章小结 |
第五章 基于降复杂度MUSIC的 MIMO雷达角度估计算法研究 |
5.1 引言 |
5.2 基于降维变换的单基地MIMO雷达DOA估计算法 |
5.2.1 MIMO雷达接收信号降维变换 |
5.2.2 波束空间变换与角度估计 |
5.2.3 仿真分析 |
5.3 基于实值MUSIC算法的TR MIMO雷达DOD和 DOA联合估计 |
5.3.1 双基地TR MIMO雷达信号模型 |
5.3.2 常规MUSIC的 MIMO雷达DOD和 DOA联合估计算法 |
5.3.3 TR MIMO雷达二维角度估计算法及复杂度分析 |
5.3.4 实验仿真 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 不足与展望 |
参考文献 |
致谢 |
作者简介 |
(9)辐射源信号调制方式识别方法研究(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 信号调制方式识别研究现状 |
1.2.1 基于假设检验的调制识别 |
1.2.2 基于特征提取的调制识别 |
1.3 论文研究内容和章节安排 |
第二章 信号调制识别基础理论 |
2.1 引言 |
2.2 调制信号数学模型 |
2.2.1 常用模拟调制信号 |
2.2.2 常用数字调制信号 |
2.3 信号降噪算法 |
2.3.1 常用信号降噪算法 |
2.3.2 基于ELM的信号降噪算法 |
2.4 调制信号特征分析 |
2.4.1 信号瞬时特征分析 |
2.4.2 信号高阶累积量特征分析 |
2.4.3 信号高次方谱特征分析 |
2.5 小结 |
第三章 基于功率谱和高阶累积量特征融合的信号调制识别 |
3.1 引言 |
3.2 信号功率谱特征提取 |
3.3 信号高阶累积量特征提取 |
3.4 特征融合识别算法 |
3.5 仿真实验与分析 |
3.6 本章小结 |
第四章 基于独立准则特征的信号调制识别 |
4.1 引言 |
4.2 独立准则特征 |
4.2.1 希尔伯特-施密特独立准则 |
4.2.2 希尔伯特-施密特成分分析 |
4.3 信号HSCA特征参数提取 |
4.4 信号识别算法流程 |
4.5 仿真实验与分析 |
4.6 本章小结 |
第五章 基于有监督学习的信号调制识别对比研究 |
5.1 引言 |
5.2 基于随机森林分类器的调制识别 |
5.2.1 决策树分类原理 |
5.2.2 随机森林分类原理 |
5.2.3 调制识别算法与仿真 |
5.3 基于ELM分类器的调制识别 |
5.3.1 单隐层前馈神经网络原理 |
5.3.2 ELM分类原理 |
5.3.3 调制识别算法与仿真 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 未来与展望 |
参考文献 |
致谢 |
作者简介 |
(10)LPI雷达信号的特征分析与参数估计(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 论文的主要内容及结构 |
第2章 LPI雷达技术及典型LPI雷达信号模型 |
2.1 LPI雷达技术 |
2.1.1 截获因子 |
2.1.2 低截获概率技术 |
2.2 典型的低截获概率雷达信号 |
2.2.1 线性调频信号 |
2.2.2 相位编码信号 |
2.2.3 频率编码信号 |
2.2.4 复合调制信号 |
2.3 本章小结 |
第3章 LPI雷达信号的特征分析与调制类型识别 |
3.1 LPI雷达信号的时频特征分析 |
3.1.1 短时傅里叶变换 |
3.1.2 维格纳-威尔分布 |
3.1.3 小波变换 |
3.2 典型LPI雷达信号的调制类型识别 |
3.2.1 基于时域累加瞬时自相关的调相信号识别算法 |
3.2.2 雷达信号脉内调制类型识别分析 |
3.3 本章小结 |
第4章 典型LPI雷达信号的参数估计 |
4.1 LFM信号的参数估计 |
4.1.1 FRFT的定义及其离散化实现 |
4.1.2 基于FRFT的LFM信号的参数估计及误差分析 |
4.1.3 基于插值优化的FRFT实现LFM信号的参数估计 |
4.1.4 参数估计仿真实验及结果分析 |
4.2 相位编码信号的参数估计 |
4.2.1 循环谱相关函数 |
4.2.2 相位编码信号参数估计原理 |
4.2.3 参数估计仿真实验及结果分析 |
4.3 LFM-BPSK复合调制信号的参数估计 |
4.3.1 LFM-BPSK信号参数估计原理 |
4.3.2 参数估计仿真实验及结果分析 |
4.4 本章小结 |
第5章 基于CORDIC算法的脉内特征提取及FPGA实现 |
5.1 CORDIC算法信号脉内特征提取原理 |
5.1.1 圆周CORDIC算法原理 |
5.1.2 矢量模式提取信号的瞬时幅度、相位与频率 |
5.2 流水型CORDIC电路在FPGA上的实现 |
5.2.1 CORDIC算法迭代结构分析 |
5.2.2 CORDIC算法的FPGA实现 |
5.2.3 设计验证与分析 |
5.3 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表的论文和取得的科研成果 |
致谢 |
四、基于高阶累积量的探地雷达信号处理(论文参考文献)
- [1]一种基于对角积分双谱的复合调制LPI雷达信号识别方法[J]. 孟祥豪,赵海旭,梁言. 航天电子对抗, 2021(05)
- [2]空间步进频雷达煤层近场目标参数估计方法研究[D]. 贾远航. 西安科技大学, 2021(02)
- [3]二次雷达信号高精度测向方法研究[D]. 漆静晨. 电子科技大学, 2021(01)
- [4]复杂电磁环境下的信号分选与识别关键技术研究与实现[D]. 高忻. 电子科技大学, 2020(03)
- [5]外辐射源雷达干扰与杂波抑制算法研究[D]. 郭帅. 西安电子科技大学, 2020(05)
- [6]2.4GHz频段信号识别与定位技术研究[D]. 毛翔宁. 电子科技大学, 2020(07)
- [7]信号参数估计及其无线安全应用研究[D]. 陈柯宇. 西安电子科技大学, 2019(02)
- [8]基于MIMO雷达的多目标角度估计算法研究[D]. 汪阳. 西安电子科技大学, 2019(08)
- [9]辐射源信号调制方式识别方法研究[D]. 赵永霞. 西安电子科技大学, 2019(02)
- [10]LPI雷达信号的特征分析与参数估计[D]. 孙富礼. 哈尔滨工程大学, 2019(04)