一、基于DSP的无源时差定位信号聚类分选算法(论文文献综述)
张文婷[1](2021)在《时差定位关键技术研究》文中提出近年来,我国周边区域争端不断,安全形势较为严峻,对无源定位技术的需求日益迫切。无源定位依据接收站的数量可以划分为单站无源定位和多站无源定位,其中多站无源定位定位精度较高且定位速度较快,因此得到了更广泛的应用。在多站无源定位中,多站无源时差定位具有作用距离远、隐蔽性好等优点,对于提高系统在电子战环境下的生存能力具有重要作用。现今电子战中,辐射源的密度越来越高,多观测站可能同时接收到多个辐射源信号,如何在交错的多个辐射源信号中分选出属于同一个辐射源的信号并精确地匹配不同观测站之间的脉冲序列,是实现高精度无源时差定位的前提与基础,也是多站无源时差定位领域的重点研究方向之一。本文针对于多辐射源多观测站的时差定位问题,讨论了信号分选与脉冲配对的若干技术:首先,详细介绍了三站时差定位的基本原理,同时利用解的存在性仿真分析了不同布站场景下算法的可观测性,接着利用几何稀释精度和克拉美罗界分析了三站时差定位的定位误差,并在此基础上对时差定位的最优布站进行了建模分析,进一步讨论了其约束条件以及目标函数。其次,详细介绍了K-means与DBSCAN两种聚类算法的基础知识,并分析了每一种聚类分选算法的特点,针对各自算法的特性引入了相关算法进行改进:在K-means算法中引入遗传算法、模拟退火算法及变异算子改进了其易陷入局部最优的缺点,使用FANN-DBSCAN算法解决了DBSCAN算法对参数敏感的问题。最后在雷达信号分选场景下对改进后的聚类算法进行了仿真实验并分析了算法性能。最后,根据建立的多站时差定位数学模型,讨论了多站脉冲匹配时脉冲跨周期情况的影响因素,并对辐射源位置以及PRI这两个因素对脉冲配对跨周期数的影响进行了仿真分析。根据其特性提出了一种仅需TOA与PRI参数的脉冲配对算法,并对其实现流程进行了详细推导,最后对该算法进行了仿真实验,结果表明该方法可以有效筛选绝大部分的假目标位置,运算复杂度低且易于实现。
侯欢[2](2021)在《分布式雷达信号分选与识别》文中研究表明雷达电子侦察中,信号分选与识别是电子战分析识别信息、判断危险等级的前提。信号分选与识别是根据接收的多部交错辐射源参数信息,分析其规律,把脉冲按应属辐射源进行分组。分组完成后,进一步对单部辐射源识别、定位、干扰等。雷达辐射源的种类多,体制丰富,工作模式多变,雷达信号分选方法出现新难点。本文首先研究了传统单站的信号预分选和PRI主分选方法。针对复杂电磁环境,传统的单站分选方法不是很稳健,容易出现增批和漏批的现象。本文研究了基于双站、三站的信号分选方法,分析其不足,提出基于四站的分布式多站信号分选方法。然后对分选后的单个辐射源,提出基于长短时记忆网络(LSTM)网络的PRI类型识别算法。本文的主要工作如下:(1)首先研究单站基于脉冲多参数的信号预分选,并仿真基于FART的RF、PW、DOA多参数分选方法。然后研究基于脉冲到达时间(TOA)的PRI信号主分选算法并仿真:CDIF、SDIF、PRI变换法。(2)针对复杂电磁环境,打破常规基于单站分选思路,改进基于脉冲到达时间差(TDOA)的双站、三站,提出四站的分布式雷达信号分选方法。首先,根据同一部辐射源脉冲到达不同接收站TDOA相同,研究了基于双站TDOA的脉冲分组方法。结果表明双站分选可对交错混叠的脉冲流初步实现脉冲分组。其次,改进三站分选方法,提取主站分别与两从站组成的时差序列中相同主站到达脉冲个数大于零的两组时差集合,构建TDOA相关矩阵,分析相关性。实验证明该方法可有效剔除一部分虚假时差对。最后提出基于四站TDOA组,根据估计位置的最小二乘解,计算残差的方法,进一步剔除虚假TDOA组。并且可设置合理阈值剔除虚假TDOA组。仿真结果表明,该方法可剔除重频混叠信号的虚假TDOA组。(3)研究已经分选出的单部辐射源脉冲,针对常规信号、丢失脉冲信号、干扰脉冲信号三种情况,提出了基于LSTM网络的PRI类型识别。首先,构建常规、参差、抖动、上滑变、下滑PRI类型数据集。其次,搭建基于linux系统中pytorch深度学习框架的环境,并建立LSTM网络自动提取特征。观察损失函数和准确率、训练集和验证集随训练周期变化情况并绘制实时曲线图。最后,根据准确率、精确率、召回率、F1分数等指标评价LSTM网络的识别效果。理论和研究表明,PRI类型识别准确度高,并对丢失脉冲、干扰脉冲不敏感,具有实用意义。
范晓蕾[3](2021)在《基于信道化的雷达信号分选研究及DSP实现》文中研究说明在日益复杂的电磁环境中,信号分选问题一直受到人们的关注。随着信号密度愈发密集,种类逐步增加,参数也变换越快,基于载频,脉宽等这些常规参数的传统分选方法也显得愈发吃力。在现代电子战环境中,各个参数变化的复杂性,往往会导致信号调制纷乱,交叠严重,造成威胁程度越来越高。从这种鳞集繁复的电磁环境中正确识别和分选出各种雷达信号则是电子侦察中不可或缺的一环。为了提高接收机的灵敏度,在信号分选之前首先利用了信道化技术进行预处理。针对窄过渡带信道化结构复杂度高的问题,提出了一种具有NTB的内插FRM统一调制滤波器组(IFRM-UMFB)结构,该结构通过对两个屏蔽滤波器进行N倍内插,进一步降低了FRM滤波器组的计算复杂度,并与经典FRM方法对比,在宽带数字接收机为八信道条件下减少了26.5%的乘法器使用数量,降低了复杂度。为了使分选的准确性能更高,分别对传统聚类以及分选算法进行优化。针对复杂电磁环境下传统聚类存在的难以掌握聚类种类的数量以及随机聚类中心的选取容易使结果无法做到全局最优问题,提出取消预先设定的聚类种类,根据欧氏距离来对初始聚类中心逐步加以确定。通过对多部不同类型雷达信号进行实验,验证了其正确性以及对每个聚类种类正确率均在95%以上。在主分选阶段,针对传统分选中对抖动信号处理能力有限的问题,对SDIF分选出序列差后剩余的数据进行抖动分析;又采用滑窗思想,降低了杂波干扰造成的漏警概率。最后将两种改进算法结合以仿真分析,对固定、参差及抖动等不同类型雷达信号分别进行测试,验证其分选结果准确率高,性能优良。为了弥补复杂电磁环境下的脉冲分析缺陷,提高脉冲分析能力和信号分选的可靠性,将分选和识别在时域和调制域多参数融合,在传统分选加入调制域参数来分选,并给出实例进行验证,验证了多参数分选方法的正确性以及调制域参数以达到更细微的分选。最后,在硬件平台利用K-Means聚类和SDIF分选算法对多种不同类型雷达信号进行实测并验证。试验结果表明这种综合分选方法以及硬件平台的实现具有良好的正确分选性能且满足指标要求。
刘智鑫[4](2020)在《高速机动辐射源目标无源定位关键技术研究》文中指出现代高科技局部战争的实践表明,如何隐蔽、高效、准确地获取战场态势至关重要。鉴于此,无源定位逐渐成为电磁态势感知和目标信息获取的重要手段之一。近年来,部署在我国周边的敌方空中军事目标日益增多,严重威胁国家安全,对该类高速机动辐射源进行无源侦察,提升我国空天防御能力,成为信息保障的迫切需求。本文根据高速机动辐射源特点,充分利用其动态性和非线性信息,对多站信号分选与配对、动态常规信号的定位参数估计、动态跳频信号的定位参数估计以及目标定位测速等难点问题展开深入研究,完善及丰富了无源定位理论体系,为动目标多站无源定位中的信号分选、参数估计、定位解算提供理论支撑。论文的主要工作如下:1、针对现有多站分选方法虚警、漏警率高,对超低重频脉冲分选正确率低,且不具备稳健单脉冲分选能力的问题,提出了约束准则下的扩展时差直方图脉冲分选配对方法。该方法在获取时差直方图前引入关于脉冲对参数的约束准则,大幅降低无关脉冲配对机会,从根本上减少虚假时差和噪声时差,提高有效时差占比;而后采用扩展和递归算子依次提取各辐射源脉冲序列并完成配对。仿真实验表明,该方法有效提高了复杂电磁环境下脉冲分选的正确率,大幅改善了以往分选高重频和超低重频辐射源虚警率、漏警率高的问题,实现了对脉冲数极少的超低重频和单脉冲的准确分选与配对。2、针对现有高动态条件下定位参数估计算法性能损失严重、抗噪性弱、计算复杂度高的问题,本文提出了基于频域对称自相关和变尺度傅里叶变换(SFT)的距离差(RD)和距离差变化率(RDR)联合估计算法。算法无搜索过程,计算复杂度低。对于存在复杂运动特性的高速机动辐射源,由于接收信号动态性提升,需考虑高阶参量二阶距离差变化率(SRDR)。为此,本文从高效率和高精度两个角度出发,分别提出了基于二阶Keystone变换(SKT)和吕分布(LVD),以及基于SKT和非均匀傅里叶变换(NUFFT)的RD、RDR和SRDR联合估计算法。两算法均能有效解决高速机动目标复杂距离徙动校正与多普勒徙动补偿的问题,且未使用恒定延迟相关操作,抗噪性明显优于现有算法。前者计算复杂度低,能够良好平衡复杂度与性能之间的矛盾关系;后者估计性能较优,但复杂度有所上升,实际应用中可根据需求进行算法选择。3、针对现有跳频信号的定位参数估计算法高动态场景适应性弱、且频差跳变,信号可利用长度有限,制约估计精度的不足,本文建立了跳频信号的时变基线观测量估计模型,提出了基于频率翻转变换(FRT)和SFT的RD和RDR联合估计算法。算法利用FRT消除由跳频引起的随机相位,而后借助SFT对齐信号包络和相位,充分积累所有脉冲,提升估计性能。对于侦察高速机动跳频辐射源,需要同时面临高动态特性和随机多普勒徙动现象。为此,本文提出了基于SFT和变尺度非均匀傅里叶变换(SNUFFT)的跳频信号RD、RDR和SRDR联合估计算法。算法借助变频互相关函数解决了随机多普勒徙动影响信号相参性的问题;而后利用SFT和SNUFFT校正距离徙动,并对信号能量聚焦,完成参数估计。仿真结果表明,该算法能够适应高动态跳频场景,且估计性能显着优于现有算法。此外,所提算法均能在无载频先验信息的条件下估计RD、RDR和SRDR,可直接用于定位解算,而非估计传统的时差、频差和频差变化率,有效解决了跳频信号中频差和频差变化率不唯一,从而难以精准估计的问题。4、针对传统定位算法稳健性不足,高阶观测量利用不充分,且迭代过程易陷入局部最优的问题,本文提出了联合RD、RDR和SRDR的目标定位测速解析算法。算法遵循两步加权最小二乘的基本框架,通过引入辅助参数,线性化定位方程,借助加权最小二乘初步求解;而后利用辅助参数与目标状态信息之间的函数关系,再次构建线性方程并二次求解,进一步提高定位精度。在此基础上,扩展定位模型,设计了存在站址误差条件下的目标定位测速解析算法,同时给出了该场景下的定位克拉美罗下界。理论分析与实验结果表明,算法无矩阵秩亏现象,消除了传统算法的不稳健区域,且将SRDR纳入解算,无迭代过程,在保证算法收敛性的同时大幅提升了动目标定位测速精度。
张国梁[5](2020)在《雷达信号快速分选和聚类算法研究》文中进行了进一步梳理雷达信号快速分选和聚类算法研究一直都是电子对抗领域的重要研究方向,已在国内外众多学者的潜心钻研下取得重大进展。但随着雷达系统的快速发展,雷达信号分选所处的环境变得复杂,对雷达信号分选构成了严峻的考验。精确和高效是分选技术的关键点,本文秉承精确和高效的宗旨,针对雷达信号快速分选和聚类算法研究开展如下工作:1.对当前雷达信号分选所面临的复杂环境进行描述,对分选的有效特征参数进行说明。并对在目前复杂的分选环境下利用有效分选特征参数的雷达信号分选系统进行总体介绍,给出了其工作流程。2.对基于脉冲重复间隔(PRI,Pulse Repetition Interval)这一重要特征参数的分选算法进行对比分析和改进,加速了分选进程,提高了算法在脉冲抖动条件下的分选能力。3.针对雷达参数快速变化和分选精度难以提高的问题,以作为分选关键环节的聚类算法为基础,提出了多参数联合聚类分选算法。该算法设置预分选模块,解决了传统分选系统中脉冲密度过大造成的分选精度下降及计算压力沉重的问题;算法包含脉间调制类型识别,解决了不同脉间调制类型的雷达信号难以被分选的问题;算法引入Hopkins统计量作为参数聚类趋势的衡量指标,实现分选参数的自动过滤选择。最终通过仿真实验对该算法进行了验证和效果评估。4.利用DSP(Digital Signal Processor)多核特性对多参数联合聚类分选算法进行了从脉内分析、参数估计到分选的快速实现。
王诗鑫[6](2020)在《雷达信号协同分布侦察理论研究》文中指出雷达侦察是雷达对抗的基础和前提,其获取情报的多少及可靠程度直接关系着作战决策的制定和作战效能的好坏。随着军事技术的发展,对抗双方向着体系化发展,协同侦察逐渐成为国内外军事领域关注的焦点。本文重点研究了协同侦察领域当中的信号检测与时频参数估计,空域参数估计,分布式数据融合算法及多侦察站协同定位与跟踪。本文具体内容总结如下:1.研究了雷达侦察领域的信号检测方法与信号时频参数的估计方法。分析了常规检测方法,基于FrFT检测方法,基于分数阶自相关的检测方法。针对FrFT与分数阶自相关算法具有“栅栏效应”和搜索步长限制的问题,提出了基于分数阶傅里叶变换与分数阶自相关插值的参数估计算法,改善了搜索间隔带来的“栅栏效应”,提高了估计的精度。2.研究了雷达信号空域参数估计方法。从压缩感知理论出发,阐述了压缩感知理论和DOA与多普勒频率估计之间联系,分析了两种重要的稀疏重构方法。最后,提出了一种2D-DOA与多普勒频率联合估计方法。该方法借助L型阵列与分割观测模型,构建新的信号接收模型,分步重构稀疏信号得到DOA与多普勒频率的联合估计,同时解决L阵型下的DOA的配对问题,无需大量采样数据,运算量较小。3.研究了分布式侦察数据融合算法。分别是基于信噪比的加权融合算法,协方差加权融合算法,基于支持度矩阵的加权融合算法。将前文所提出参数估计算法与这些融合算法相结合,实验结果验证了三种融合算法都能明显提高参数估计精度,提升系统的精确性和可靠性。4.研究了多侦察站协同定位及跟踪算法。首先介绍了无源时差定位和无源测向定位的基本原理以及相关经典定位算法,对影响定位性能的各因素进行了分析。然后介绍了非线性滤波算法—扩展卡尔曼滤波与无迹卡尔曼滤波,分别结合角度信息与时差信息对目标进行跟踪。最后,采用分布式数据融合算法,将局部滤波结果进行数据融合,获得了更好的跟踪精度
刘楯[7](2020)在《多站时差定位的站址布局优化与直接定位算法研究》文中研究指明随着电子侦察和对抗技术的不断发展,作为有源雷达有效补充手段的无源定位系统得到了快速发展,向着定位速度更快、定位精度更高的方向发展。论文围绕着多站时差定位方法的基本原理、多站时差定位误差分析、多站时差定位站址布局方式分析以及基于时延的直接定位方法等方面展开研究。针对当前无源多站时差定位方法所存在的一些问题提出对应的解决方案,通过仿真实验验证其的有效性。主要研究内容为:首先,对常用的传统多站时差定位算法进行介绍,分析了牛顿迭代算法与Chan算法。对传统多站时差定位算法中常用的牛顿迭代算法进行改进,提出一种结合人工蜂群算法的多站时差定位方法,解决牛顿迭代算法的迭代初始值设置问题,利用人工蜂群算法进行初步求解,得到目标初始估计位置,将其作为牛顿迭代算法的迭代初始值,进行更加精确的位置估计。推导了多站时差定位的GDOP,分析了影响定位精度的主要因素。仿真结果表明,所提出的定位方法可有效解决牛顿迭代算法的初始值设置问题,可稳健获得定位结果。其次,针对多站时差定位精度影响因素中的站址布局方式,将多站时差定位系统与无人机编队相结合进行研究。结合定位精度影响因素的研究结果可知,在时差、站址等测量误差不变时,通过改变无人机编队的站址布局方式可有效提升无源时差定位精度。提出了一种改进的樽海鞘群算法,将其应用于无人机编队的站址布局进行优化。通过优化无人机编队的站址布局方式,实现目标所在区域的平均定位误差最小化。仿真结果表明,该方法可提升解决无人机编队的站址优化问题时的寻优成功率,所得到的站址布局方式的定位精度也优于传统多站时差定位中的站址布局方式。然后,针对无源多站时差定位中的传统两步法存在的信息损失,参数测量精度限制定位精度等缺陷,研究了基于最大似然估计的直接定位算法,采用改进樽海鞘群算法进行求解。该方法可以降低计算量,提升定位速度,在低信噪比条件下,可以提高多站无源定位的精度。进行多目标的无源定位时,多站直接定位方法可以有效避免传统两步法多站时差定位过程中所要进行的多目标信号测量参数数据关联问题。仿真结果表明,相较于传统两步法多站时差定位,本方法可以有效提高低信噪比条件下的定位精度,避免多目标定位时的数据关联工作。最后,采用DSP加FPGA架构,基于芯片TMS320C6678平台实现了基于牛顿迭代算法的多站时差定位算法。通过片上定位算法测试实验,验证了优化后的站址布局方式可有效提升多站时差定位系统的定位精度。
符逸[8](2020)在《脉冲雷达信号分选算法研究及DSP实现》文中进行了进一步梳理近年来,随着高新技术的不断发展,越来越多的新技术应用到电子对抗之中,使得电子对抗的环境日益复杂。电子侦察作为电子对抗的重要组成部分之一,是电子战中获胜的先决条件。电子侦察的主要目的就是通过截获敌方电子设备发送的信号,对其进行进一步分析和处理,从而得到该设备的相关参数。雷达信号分选作为电子侦察中至关重要的一环,是电子侦察的基础与核心。新的雷达体制的出现以及硬件运行速度的不断提升,使得雷达信号分选的难度越来越大。为了应对新的考验与挑战,需要不断创新,从而进一步提升雷达信号分选的准确性,确保在电子对抗中占据主导地位。因此本文首先对工程应用中常用的几种基于脉冲重复间隔(Pulse Repetition Interval,PRI)的雷达信号分选算法进行研究和分析,然后提出了一种基于周期鉴别的改进SDIF算法,并进行了DSP实现。具体研究内容如下:1.对工程应用上常用的雷达信号分选算法进行了对比分析,包括动态关联算法,累积差值直方图算法,序列差值直方图算法以及PRI变换算法。通过对不同信号分选算法的流程进行实现与仿真,阐述了各算法的适用场景及其优势和劣势。2.对于目前的一种能够对抗SDIF分选算法的参差雷达,本文分析了其参差设计原理,并进行了仿真实现,证明该种雷达可以扰乱正常的SDIF分选流程,从而导致目标增批。针对该种参差雷达,本文在传统SDIF算法的基础上做出了改进,提出了一种基于周期鉴别的改进SDIF算法,仿真结果表明本文提出的算法可以有效分选该种雷达。3.基于TI公司的TMS320C6678多核DSP硬件分选平台,对改进的SDIF算法进行了实现,给出了整机硬件测试结果及性能评估结果,从而进一步说明了本文算法的准确性及实时性。
陈涛[9](2020)在《基于数据场与云模型的雷达信号分选算法研究》文中研究表明未来战争的主流形态是利用电子战的形式进行的信息化战争,雷达信号分选作为电子侦察的一个重要组成部分,很大程度关系到电子战是否能够发挥作用,最终影响着战争的走向。但是科学技术水平的不断提升和发展,雷达的数量急剧增加,雷达体制越来越丰富,雷达电磁环境也愈来愈复杂多变,这些现象会导致雷达参数信息相近或变化,雷达信号分布会密集交叠,杂波干扰等,给雷达信号分选技术提出了更高的要求。本文从雷达信号分选这迫切需求的角度出发,主要研究了复杂电磁环境下的雷达信号分选技术,主要研究内容体现在以下几个方面:首先分析和了解雷达信号分选所处的复杂电磁环境,并对整体雷达信号分选的系统构造及其各自的功能进行阐述,介绍了雷达信号分选所需要的特征参数,并对好几个传统的雷达信号分选算法进行详细的解读和分析。其次主要是介绍数据场聚类和决策图聚类算法的理论基础并对两种聚类算法都做了不同的改进,提高了算法的聚类效果。数据场是根据数据对象在场中的势值自动实现数据对象的聚类,并利用势值函数值处理孤立的噪声点,决策图是依据数据对象的局部密度值和到最近大密度点的距离来判断聚类中心和聚类数目。之后将数据场和决策图进行联合聚类,利用势值和到最近大密度点的距离来实现聚类,仿真结果显示联合聚类的聚类准确率更高。然后针对脉冲的漏选和错选现象,利用云模型建模对数据对象进行评估,改善脉冲的漏选和错选现象。并对SDIF算法进行改进,消除不能处理抖动信号的弊端,实现雷达信号的主分选功能。最后将云模型与改进的SDIF算法进行联合仿真,仿真结果显示在雷达参数信息相近交叠、脉冲干扰的条件下,联合分选能够取得更佳的分选结果。
刘斌[10](2020)在《雷达信号智能分选及威胁等级评估》文中研究指明随着电子侦察所面临的环境愈发复杂。一方面,环境中存在着的大量雷达辐射源导致空域、频域、时域脉冲信号交叠严重;另一方面,环境中存在着大量新型复杂脉间调制雷达,其参数复杂多变,功能随战场应用灵活切换,对如今雷达信号分选系统提出了新的挑战。雷达信号分选也需要根据战场环境不断地进行发展及创新,以适应未来电子战战场。本文针对复杂电子侦察环境下信号分选所面临问题主要完成了以下内容:第一,对传统预分选流程进行改进,提出特征重要性估计算法,自适应选择高可分特征进行分选,完成分选流程,并进行了仿真验证;第二,将脉冲描述字与深度学习网络结合进行特征提取,并利用已知雷达库结合半监督理论,实现新型分选流程;第三,对分选得到的辐射源结果进行威胁等级评估;最后对特征重要性估计分选算法及威胁等级评估算法进行基于DSP6678的系统实现,满足工程设计要求。针对环境中存在的大量交叠脉冲信号,以及传统预分选采用固定特征顺序进行多参数预分选,无法自适应环境进行处理等问题。本文通过求取特征信息熵及互信息值的方法估计脉冲描述字特征对分类的影响程度,自适应地选择出高重要性的特征进行动态Kmeans预分选。之后结合基于PRI的主分选算法完成脉冲去交错,并通过脉间类型识别给出分选识别结果。针对传统脉冲描述字特征无法结合深度学习网络导致难以对雷达辐射源进行深度特征挖掘等问题。本文对传统脉冲描述字进行研究,提出单脉冲的思想,并利用已知雷达库,结合半监督理论实现信号分选。使用雷达库进行特征匹配对脉冲序列中已知雷达脉冲进行标签化,对脉冲描述字进行重要性估计得出重要高可分特征集。对该特征集进行特征重构形成单脉冲特征矩阵。通过使用稀疏自编码器对单脉冲特征进行编码,对编码特征进行半监督聚类。最后对分类结果进行脉间调制类型识别,并将识别结果加入到分选雷达库中。通过仿真实验验证该方案可有效完成分选流程。针对辐射源脉冲信号分选后,需要快速准确地对分选后目标进行威胁程度评估,并对估计后的高威胁雷达进行快速打击处理。本文针对传统模糊专家评价模式只能固定表达是与否两种决策状态,引入直觉模糊集的概念。对分选后的辐射源参数进行隶属度、非隶属度、犹豫度三种评估。在原有层次分析法的基础上,通过对指标和准则进行直觉模糊数评价,并构建隶属度函数对辐射源参数进行威胁分析。最后对辐射源目标威胁等级进行仿真评估,验证了该方案的有效性。针对在电子侦察环境中信号分选需要实时性进行处理等问题。本文将基于特征重要性估计的信号分选算法及威胁等级评估算法在DSP6678架构下,完成算法硬件实现,并完成上位机数据交互,算法逻辑控制、各组件通信等功能。最终对整个系统进行测试,满足指标要求,完成预期功能。
二、基于DSP的无源时差定位信号聚类分选算法(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DSP的无源时差定位信号聚类分选算法(论文提纲范文)
(1)时差定位关键技术研究(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 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 无源时差定位研究现状 |
1.2.2 雷达信号分选研究现状 |
1.2.3 雷达脉冲配对研究现状 |
1.3 论文的主要工作和结构安排 |
1.3.1 论文的主要工作 |
1.3.2 论文的结构安排 |
第二章 无源时差定位相关理论 |
2.1 引言 |
2.2 时差定位算法原理 |
2.3 时差定位的可观测性 |
2.4 时差定位的误差分析 |
2.4.1 几何稀释精度 |
2.4.2 克拉美罗界 |
2.5 三站时差定位最优布站分析 |
2.5.1 优化布站约束条件 |
2.5.2 优化布站目标函数 |
2.6 本章小结 |
第三章 多辐射源信号分选 |
3.1 引言 |
3.2 K-means聚类算法及其改进算法 |
3.2.1 K-means聚类算法 |
3.2.2 遗传算法和模拟退火改进的K-means聚类 |
3.3 DBSCAN聚类算法及其改进算法 |
3.3.1 DBSCAN聚类算法 |
3.3.2 自适应FANN-DBSCAN算法 |
3.4 雷达信号分选仿真实验 |
3.5 本章小结 |
第四章 多站观测跨周期脉冲配对 |
4.1 引言 |
4.2 多站观测脉冲配对建模 |
4.3 脉冲跨周期数影响因素分析 |
4.3.1 PRI对跨周期数影响 |
4.3.2 辐射源位置对跨周期数影响 |
4.4 脉冲配对及目标位置确定 |
4.4.1 脉冲配对方法推导 |
4.4.2 脉冲配对方法仿真分析 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
作者简介 |
(2)分布式雷达信号分选与识别(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 研究背景和意义 |
1.2 国内外研究现状 |
1.3 本文主要内容及组织结构 |
第二章 雷达信号分选与识别技术概述 |
2.1 引言 |
2.2 雷达信号分选概述 |
2.3 基于多参数的预分选 |
2.3.1 脉冲参数特征 |
2.3.2 基于FART分选算法 |
2.4 基于单参数PRI的主分选 |
2.4.1 CDIF算法 |
2.4.2 SDIF算法 |
2.4.3 PRI变换算法 |
2.5 雷达信号PRI类型识别概述 |
2.6 本章小结 |
第三章 分布式雷达信号分选研究 |
3.1 引言 |
3.2 双站分选方法 |
3.2.1 双站分选原理 |
3.2.2 仿真及结果分析 |
3.3 三站分选方法 |
3.3.1 三站分选原理 |
3.3.2 仿真及结果分析 |
3.4 四站分选方法 |
3.4.1 四站分选原理 |
3.4.2 仿真及结果分析 |
3.5 本章小结 |
第四章 基于LSTM网络的PRI类型识别 |
4.1 引言 |
4.2 PRI类型与特性分析 |
4.2.2 常规PRI信号 |
4.2.3 抖动PRI信号 |
4.2.4 参差PRI信号 |
4.2.5 滑变PRI信号 |
4.3 循环神经网络概述 |
4.3.1 循环神经网络概述 |
4.3.2 长短期记忆网络(LSTM)模型 |
4.4 基于LSTM网络PRI类型识别流程 |
4.5 仿真及结果分析 |
4.5.2 常规信号实验 |
4.5.3 丢失脉冲实验 |
4.5.4 干扰脉冲实验 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
作者简介 |
(3)基于信道化的雷达信号分选研究及DSP实现(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 信号分选国内外发展现状和趋势 |
1.2.1 传统分选研究现状 |
1.2.2 聚类分选研究现状 |
1.2.3 基于脉内参数分选研究现状 |
1.3 文章研究工作和内容安排 |
第2章 基于信道化雷达信号分选算法 |
2.1 基于IFRM-UMFB滤波器的信道化接收机结构 |
2.1.1 经典FRM方法 |
2.1.2 基于IFRM-UMFB滤波器的信道化接收机结构 |
2.1.3 结构仿真 |
2.2 基于PRI变换的分选算法 |
2.3 差直方图算法PRI分选 |
2.3.1 累积差值直方图法 |
2.3.2 序列差值直方图法 |
2.4 本章小结 |
第3章 改进聚类算法和SDIF分选算法优化 |
3.1 传统聚类算法分析及改进 |
3.1.1 K-Means算法原理分析 |
3.1.2 K-Means算法不足及改进 |
3.1.3 改进K-Means算法流程及仿真 |
3.2 传统SDIF算法分析 |
3.2.1 SDIF算法原理分析 |
3.2.2 SDIF存在的不足 |
3.3 传统SDIF分选算法优化 |
3.3.1 抖动分析 |
3.3.2 基于滑窗的PRI验证 |
3.3.3 优化SDIF分选算法流程 |
3.3.4 优化SDIF算法仿真及分析 |
3.4 优化K-Means聚类和SDIF算法 |
3.4.1 优化K-Means聚类和SDIF算法流程 |
3.4.2 优化K-Means聚类和SDIF算法验证与分析 |
3.5 本章小结 |
第4章 基于脉内特征参数的信号分选研究 |
4.1 常见雷达信号脉内特征分析 |
4.1.1 频率调制 |
4.1.2 相位编码信号 |
4.1.3 复合调制信号 |
4.2 基于瞬时频率的脉内特征信号分选 |
4.2.1 基于相位差分的瞬时频率 |
4.2.2 基于瞬时频率的信号分选分析 |
4.3 基于脉内调制特征的信号分选研究 |
4.4 本章小结 |
第5章 信号分选算法的DSP实现 |
5.1 信号分选系统硬件平台设计 |
5.2 信号分选实现流程 |
5.3 DSP配置及固化实现 |
5.3.1 DSP芯片基本配置 |
5.3.2 DSP固化流程 |
5.4 DSP分选算法测试 |
5.5 本章小结 |
结论 |
参考文献 |
硕士学位期间发表的论文和取得的科研成果 |
致谢 |
(4)高速机动辐射源目标无源定位关键技术研究(论文提纲范文)
摘要 |
Abstract |
主要缩略词术语表 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 无源定位系统的发展历史 |
1.2.2 信号分选方法研究现状 |
1.2.3 参数估计算法研究现状 |
1.2.4 无源定位算法研究现状 |
1.3 关键问题与本文主要工作 |
1.3.1 关键问题与研究思路 |
1.3.2 本文主要工作与结构 |
第二章 辐射源目标无源定位基本原理 |
2.1 引言 |
2.2 无源定位系统信号处理流程 |
2.3 传统准静止目标无源定位原理 |
2.3.1 静态接收信号模型与参数估计方法 |
2.3.2 定位模型 |
2.4 高速机动目标无源定位原理 |
2.4.1 动态接收信号模型 |
2.4.2 动态信号参数估计的难点问题 |
2.4.3 定位模型 |
2.5 本章小结 |
第三章 多站脉冲分选与配对 |
3.1 引言 |
3.2 多目标时差直方图数学模型 |
3.3 约束准则下扩展时差直方图脉冲分选配对方法 |
3.3.1 引入约束准则 |
3.3.2 构建扩展时差直方图 |
3.3.3 算法步骤总结 |
3.4 仿真实验分析 |
3.4.1 方法有效性验证 |
3.4.2 分选正确率对比 |
3.4.3 分选实时性对比 |
3.5 本章小结 |
第四章 常规信号的定位参数估计 |
4.1 引言 |
4.2 高速匀速目标的定位参数估计 |
4.2.1 接收信号模型 |
4.2.2 基于FSAF-SFT的距离差和距离差变化率联合估计算法 |
4.2.3 算法实现 |
4.2.4 计算复杂度分析 |
4.2.5 仿真实验分析 |
4.3 高速机动目标的定位参数估计 |
4.3.1 接收信号模型 |
4.3.2 基于SKT-LVD的快速定位参数估计算法 |
4.3.3 基于SKT-NUFFT的高精度定位参数估计算法 |
4.4 本章小结 |
第五章 跳频信号的定位参数估计 |
5.1 引言 |
5.2 高速跳频辐射源目标的定位参数估计 |
5.2.1 算法原理 |
5.2.2 算法流程 |
5.2.3 计算复杂度分析 |
5.2.4 仿真实验分析 |
5.3 高速机动跳频辐射源目标的定位参数估计 |
5.3.1 算法原理 |
5.3.2 算法流程 |
5.3.3 计算复杂度分析 |
5.3.4 仿真实验分析 |
5.4 本章小结 |
第六章 目标高精度稳健定位与测速 |
6.1 引言 |
6.2 联合距离差、距离差变化率和二阶距离差变化率的目标稳健定位测速算法 |
6.2.1 算法原理 |
6.2.2 理论性能分析 |
6.2.3 仿真实验分析 |
6.3 存在站址误差时的目标稳健定位测速算法 |
6.3.1 定位模型 |
6.3.2 定位CRLB分析 |
6.3.3 算法原理 |
6.3.4 理论性能分析 |
6.3.5 仿真实验分析 |
6.4 目标位置、速度和加速度的联合求解 |
6.4.1 定位模型 |
6.4.2 定位CRLB分析 |
6.4.3 算法原理 |
6.4.4 仿真实验分析 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 全文总结 |
7.2 工作展望 |
致谢 |
参考文献 |
作者信息 |
(5)雷达信号快速分选和聚类算法研究(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 国内外研究现状 |
1.3 本文的主要研究内容 |
1.4 本论文的结构安排 |
第二章 雷达信号分选概述 |
2.1 雷达信号分选的复杂环境 |
2.2 雷达信号分选的特征参数 |
2.2.1 时域特征参数 |
2.2.2 频域特征参数 |
2.2.3 空域特征参数 |
2.3 雷达信号分选系统简介 |
2.4 本章小结 |
第三章 基于PRI的雷达信号分选算法 |
3.1 典型雷达信号的PRI特性及其描述 |
3.1.1 常规雷达信号 |
3.1.2 抖动雷达信号 |
3.1.3 参差雷达信号 |
3.1.4 滑变雷达信号 |
3.2 动态扩展关联法 |
3.2.1 算法原理 |
3.2.2 仿真验证及分析 |
3.3 直方图法 |
3.3.1 累积差值直方图算法(CDIF) |
3.3.2 序列差值直方图算法(SDIF) |
3.3.3 仿真验证及分析 |
3.4 PRI变换法 |
3.4.1 传统PRI变换法 |
3.4.2 修正PRI变换法 |
3.4.3 仿真验证及分析 |
3.5 本章小结 |
第四章 多参数联合聚类分选算法 |
4.1 分选场景设置和总体流程 |
4.2 分选功能模块 |
4.2.1 DOA一级聚类分选 |
4.2.2 调制方式二级分选 |
4.2.3 CF三级聚类分选 |
4.2.4 基于PRI分选算法 |
4.2.5 脉间调制类型判断 |
4.2.6 使用Hopkins筛选特征聚类 |
4.3 仿真试验结果 |
4.3.1 仿真验证流程 |
4.3.2 分选效果评估 |
4.4 本章小结 |
第五章 基于DSP平台的雷达信号分选算法实现 |
5.1 DSP硬件平台及编程环境介绍 |
5.1.1 DSP选型介绍 |
5.1.2 CCS编程环境 |
5.2 雷达信号分选的DSP实现方案 |
5.2.1 脉内分析部分 |
5.2.2 信号分选部分 |
5.3 系统测试结果 |
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 |
(6)雷达信号协同分布侦察理论研究(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 国内外研究历史与现状 |
1.3 主要内容和结构安排 |
第二章 目标信号检测与时频参数估计 |
2.1 目标信号检测方法 |
2.1.1 常规检测方法 |
2.1.2 基于分数阶自相关的检测方法 |
2.2 目标信号时频参数测量 |
2.3 基于FrFT与 FA插值的参数估计方法 |
2.3.1 残差项分析 |
2.3.2 旋转角度a的插值 |
2.3.3 U的修正插值 |
2.3.4 插值迭代算法的参数估计流程 |
2.3.5 仿真分析 |
2.4 本章小结 |
第三章 目标信号空域参数估计 |
3.1 传统测向技术 |
3.2 压缩感知理论 |
3.2.1 压缩感知基本原理 |
3.2.2 压缩感知和DOA与多普勒频率估计之间的联系 |
3.3 常见稀疏重构算法 |
3.3.1 凸优化算法 |
3.3.2 贝叶斯压缩感知重构算法 |
3.3.3 仿真分析 |
3.4 L阵型下二维DOA与多普勒频率联合估计方法 |
3.4.1 信号接收模型 |
3.4.2 稀疏信号重构方法 |
3.4.3 角度配对 |
3.4.4 L阵型下2D-DOA与多普勒频率联合估计流程 |
3.4.5 仿真分析 |
3.5 本章小结 |
第四章 分布式侦察数据融合算法 |
4.1 基于信噪比加权的融合算法 |
4.2 协方差加权融合算法 |
4.3 基于支持度矩阵的融合算法 |
4.4 仿真分析 |
4.5 本章小节 |
第五章 多侦察站协同定位及目标跟踪 |
5.1 无源测向定位方法 |
5.1.1 测向定位基本原理 |
5.1.2 定位精度分析 |
5.1.3 仿真分析 |
5.2 无源时差定位方法 |
5.2.1 Chan算法 |
5.2.2 泰勒级数展开法 |
5.2.3 定位精度分析 |
5.2.4 仿真分析 |
5.3 非线性滤波算法 |
5.3.1 扩展卡尔曼滤波算法 |
5.3.2 无迹卡尔曼滤波 |
5.3.3 仿真分析 |
5.4 分布式数据融合跟踪算法 |
5.5 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 |
攻硕期间取得的研究成果 |
(7)多站时差定位的站址布局优化与直接定位算法研究(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 |
1.2.1 无源定位系统发展现状 |
1.2.2 无源定位算法研究现状 |
1.2.3 直接定位算法研究现状 |
1.3 本文主要研究内容与章节安排 |
第2章 传统多站时差定位 |
2.1 引言 |
2.2 四站时差定位 |
2.2.1 牛顿迭代算法 |
2.2.2 Chan算法 |
2.2.3 基于人工蜂群的时差定位 |
2.3 多站时差定位精度分析 |
2.4 仿真结果与分析 |
2.4.1 定位算法仿真 |
2.4.2 定位精度影响因素仿真 |
2.5 本章小结 |
第3章 站址布局优化分析 |
3.1 引言 |
3.2 时差定位站址布局优化模型 |
3.3 SSA介绍 |
3.3.1 算法描述 |
3.3.2 SSA步骤 |
3.4 SSA的改进算法 |
3.4.1 反向学习策略 |
3.4.2 SSA改进方案 |
3.4.3 SSA改进后运算步骤 |
3.5 仿真结果与分析 |
3.5.1 OSSA与其它算法性能对比 |
3.5.2 SSA、OSSA性能对比 |
3.5.3 站址布局优化效果对比 |
3.6 本章小结 |
第4章 多站直接定位算法研究 |
4.1 引言 |
4.2 信号模型 |
4.3 最大似然直接定位算法 |
4.4 多目标直接定位 |
4.5 仿真结果与分析 |
4.6 本章小结 |
第5章 多站时差定位系统实现 |
5.1 多站无源时差定位系统硬件方案设计 |
5.2 多站无源定位系统软件方案设计 |
5.3 多站时差定位算法DSP软件实现 |
5.3.1 EMIF初始化 |
5.3.2 GPIO中断初始化配置 |
5.3.3 多站时差定位算法实现 |
5.3.4 Bootloader与程序烧写 |
5.4 多站时差定位系统测试 |
5.4.1 测试步骤 |
5.4.2 测试结果与分析 |
5.5 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 |
(8)脉冲雷达信号分选算法研究及DSP实现(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 国内外研究发展现状 |
1.3 主要内容及结构安排 |
第2章 雷达信号分选技术概述 |
2.1 雷达信号分选参数 |
2.2 常见的脉冲调制类型 |
2.3 雷达信号分选工作流程 |
2.4 本章小结 |
第3章 基于脉冲重复间隔的雷达信号分选算法 |
3.0 动态关联算法 |
3.1 累积差值直方图算法 |
3.2 序列差值直方图算法 |
3.3 PRI变换算法 |
3.4 仿真分析 |
3.4.1 动态关联算法仿真实验 |
3.4.2 CDIF与 SDIF对比仿真分析 |
3.4.3 PRI变换算法仿真分析 |
3.5 本章小结 |
第4章 基于等差鉴别的改进SDIF算法研究 |
4.1 抗SDIF算法脉冲重复间隔参差设计 |
4.1.1 参差分析 |
4.1.2 参差设计方案 |
4.2 基于等差鉴别的改进SDIF分选算法设计 |
4.3 仿真验证 |
4.3.1 抗SDIF算法脉冲重复间隔参差设计仿真实验 |
4.3.2 基于等差鉴别的改进的SDIF分选算法仿真实验 |
4.4 本章小结 |
第5章 DSP实现及性能评估 |
5.1 硬件平台搭建 |
5.2 雷达信号分选的DSP实现方案 |
5.2.1 DSP工作流程 |
5.2.2 DSP与 FPGA通信接口 |
5.2.3 DSP软件实现 |
5.3 硬件平台性能测试 |
5.4 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 |
(9)基于数据场与云模型的雷达信号分选算法研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 基于PRI的雷达信号分选方法研究现状 |
1.2.2 利用聚类算法进行雷达信号分选研究现状 |
1.3 论文主要研究内容及章节安排 |
第2章 雷达信号分选基本原理 |
2.1 雷达信号分选的复杂环境 |
2.2 雷达信号分选系统 |
2.3 雷达信号分选的特征参数 |
2.3.1 雷达信号时域特征参数 |
2.3.2 雷达信号频域特征参数 |
2.3.3 雷达信号空域特征参数 |
2.3.4 雷达信号其他特征参数 |
2.4 传统分选算法 |
2.4.1 动态扩展关联法 |
2.4.2 直方图算法 |
2.4.3 PRI变换法 |
2.5 本章小结 |
第3章 基于数据场和决策图的雷达信号聚类算法 |
3.1 引言 |
3.2 数据场 |
3.2.1 数据场引入 |
3.2.2 数据场的衡量指标 |
3.2.3 数据场聚类 |
3.2.4 数据场改进 |
3.2.5 数据场聚类算法 |
3.3 决策图 |
3.2.1 决策图引入 |
3.2.2 决策图的聚类 |
3.2.3 改进的决策图 |
3.4 数据场联合决策图 |
3.5 数据场联合决策图聚类算法仿真对比 |
3.6 本章小结 |
第4章 基于云模型和改进的SDIF的雷达信号分选算法 |
4.1 云模型 |
4.1.1 云模型的基本概念 |
4.1.2 云模型隶属度 |
4.1.3 云模型评估准则 |
4.2 改进的SDIF算法 |
4.2.1 基于交叠PRI箱的抖动雷达信号处理 |
4.2.2 滑窗PRI验证 |
4.2.3 改进SDIF算法流程 |
4.2.4 改进SDIF算法仿真验证 |
4.3 云模型和改进的SDIF算法联合分选 |
4.3.1 频率捷变雷达信号校验 |
4.3.2 云模型和改进的SDIF算法联合算法分选流程 |
4.3.3 云模型和改进的SDIF算法联合算法仿真 |
4.4 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 |
(10)雷达信号智能分选及威胁等级评估(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题研究的目的及意义 |
1.2 国内外研究发展现状 |
1.2.1 雷达信号分选 |
1.2.2 辐射源威胁等级评估 |
1.3 主要研究内容 |
1.4 本文结构安排 |
第2章 基于特征重要性估计的雷达信号分选方法 |
2.1 传统预+主分选聚类结构 |
2.1.1 适用雷达脉间调制类型 |
2.1.2 动态K-means预分选算法 |
2.1.3 序列差值直方图算法(SDIF) |
2.2 特征重要性改进分选聚类 |
2.2.1 PDW特征信息熵 |
2.2.2 PDW特征集互信息 |
2.2.3 PDW特征重要性估计 |
2.3 仿真实验分析 |
2.3.1 密集雷达脉冲信号分选 |
2.3.2 混合复杂脉间调制雷达分选 |
2.4 本章小结 |
第3章 基于单脉冲半监督编码特征分选算法 |
3.1 算法理论基础 |
3.1.1 自编码器 |
3.1.2 稀疏自编码器 |
3.1.3 半监督FCM分类器 |
3.2 单脉冲特征分选聚类 |
3.3 仿真实验分析 |
3.3.1 脉冲标签化 |
3.3.2 单脉冲特征编码 |
3.3.3 半监督聚类 |
3.4 本章小结 |
第4章 基于直觉模糊层次分析法的雷达威胁等级评估 |
4.1 算法理论基础 |
4.1.1 层次分析法 |
4.1.2 直觉模糊决策 |
4.2 辐射源参数层次结构 |
4.3 辐射源直觉模糊层次结构及流程 |
4.4 仿真实验分析 |
4.5 本章小结 |
第5章 DSP实现 |
5.1 DSP介绍 |
5.2 DSP工作流程 |
5.3 算法实现 |
5.4 系统测试结果 |
5.4.1 测试平台 |
5.4.2 测试结果 |
5.4.3 外场测试 |
5.5 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DSP的无源时差定位信号聚类分选算法(论文参考文献)
- [1]时差定位关键技术研究[D]. 张文婷. 西安电子科技大学, 2021
- [2]分布式雷达信号分选与识别[D]. 侯欢. 西安电子科技大学, 2021
- [3]基于信道化的雷达信号分选研究及DSP实现[D]. 范晓蕾. 哈尔滨工程大学, 2021
- [4]高速机动辐射源目标无源定位关键技术研究[D]. 刘智鑫. 战略支援部队信息工程大学, 2020(01)
- [5]雷达信号快速分选和聚类算法研究[D]. 张国梁. 电子科技大学, 2020(07)
- [6]雷达信号协同分布侦察理论研究[D]. 王诗鑫. 电子科技大学, 2020(07)
- [7]多站时差定位的站址布局优化与直接定位算法研究[D]. 刘楯. 哈尔滨工程大学, 2020(05)
- [8]脉冲雷达信号分选算法研究及DSP实现[D]. 符逸. 哈尔滨工程大学, 2020(05)
- [9]基于数据场与云模型的雷达信号分选算法研究[D]. 陈涛. 哈尔滨工程大学, 2020(05)
- [10]雷达信号智能分选及威胁等级评估[D]. 刘斌. 哈尔滨工程大学, 2020(05)