一种密集信号环境下雷达脉冲分选方法

针对电子战所面临的高密度,占空比大,脉冲重叠丢失率高的信号环境,构建了一个实时的脉冲信号预分选系统,改进了基于概率统计的分选算法,并提出一个剔除TOA倍数及加和关系的算法,通过试验证明了该系统和算法的可行性。通过硬件电路进行了具体实现,该系统能实时的对雷达脉冲序列进行分选,并在密集的信号环境下具有良好的分选正确率。     

阵元分集与SVD降噪

针对高距离分辨（ＨＲＲ）雷达系统,提出了一种抑制噪声的方法。该方法引入辅助阵元接收目标回波形成测量矩阵,首先对该矩阵作奇异值分解（ＳＶＤ）,建立信号子空间和噪声子空间,然后对信号进行估计并重构出噪声受抑的测量矩阵,在重构矩阵中进行同相相加,降低噪声电平,以提高噪声背景下雷达检测和识别能力。     

改进最优聚类中心雷达目标识别法

最优聚类中心法是一种有效的雷达目标一维距离像识别方法,但当训练数据较少时,该方法的识别性能急剧下降。其原因是该算法在利用少量数据进行训练时易产生“病态”矩阵,“病态”矩阵直接参与运算,导致错误识别结果。因此,该文提出了一种改进最优聚类中心法,主要思想是把“病态”矩阵进行“良态”化处理后再参与运算,以得到正确的识别结果,从而使该算法在训练数据较少时仍能保持较高识别率。仿真实验结果表明该方法的有效性。