【摘 要】
：
相位编码波形是雷达探测系统中一种经典的发射波形,具备相关特性好、构造简单等优点。相位编码波形集中的互补码（Complementary Code,CC）波形集和完全互补码（Complete Complementary Code,CCC）波形集,在多普勒为零时,具备完美的非周期自相关和互相关特性,使得匹配滤波结果没有距离旁瓣,对静止目标具备优异的检测性能。然而,已有的CC和CCC波形集存在着一些局限性
论文部分内容阅读
相位编码波形是雷达探测系统中一种经典的发射波形,具备相关特性好、构造简单等优点。相位编码波形集中的互补码（Complementary Code,CC）波形集和完全互补码（Complete Complementary Code,CCC）波形集,在多普勒为零时,具备完美的非周期自相关和互相关特性,使得匹配滤波结果没有距离旁瓣,对静止目标具备优异的检测性能。然而,已有的CC和CCC波形集存在着一些局限性;主要包括:第一,CC/CCC波形集对多普勒十分敏感,动目标所产生的多普勒频移会破坏其完美的自/互相关性质,引入较高的距离旁瓣,从而影响动目标检测性能。第二,CC/CCC波形集的构造需遵循严格的数学规则,可构造波形序列集的序列长度和序列个数受到严格限制,因此在实际场景中无法灵活产生。第三,CC/CCC波形集的频谱在频带范围内较为平坦,在频谱拥挤环境中,容易受到同频带信号的干扰。为解决以上问题,本文对基于雷达相位编码波形集的动目标距离旁瓣抑制展开研究,具体的研究内容包含以下三个部分:（1）从相位编码波形的基本概念入手,总结了相位编码波形的分类、信号模型及其模糊函数。此外,针对相位编码波形集中互补相位编码波形集和完全互补相位编码波形集的定义、性质、数学构造方式及其多普勒敏感性进行了分析和总结。（2）将完美CC/CCC波形集分别作为传统相控阵（Phased Array,PA）雷达和多输入多输出（Multiple Input Multiple Output,MIMO）雷达的发射波形,对基于完美CC/CCC波形集的动目标距离旁瓣抑制进行设计,以改善该相位编码波形集对动目标的检测性能。在发射端,PA雷达系统和MIMO雷达系统分别采用一阶Reed-Müller序列方法和广义普洛黑–修–莫尔斯（Generalized Prouhet-ThueMorse,GPTM）序列方法,设计具有多普勒容忍性的CC/CCC波形集,以降低由多普勒频移引起的距离旁瓣;在接收端,两系统均通过二项式设计（Binomial Design,BD）方法为各接收脉冲加上不同权重,进一步扩大目标多普勒附近的清洁区。为综合以上方式的优势,将两次处理得到的距离多普勒谱进行逐点最小化处理,该处理使得最终的距离多普勒谱具有较大的旁瓣清洁区和较高的目标分辨率。得到最终的距离多普勒谱后,采用有序恒虚警（Ordered Statistics-Constant False Alarm Rate,OS-CFAR）检测方法对动目标进行检测。仿真结果表明,本文针对完美CC/CCC波形所提出的发射和接收端旁瓣抑制方法,具有良好的距离旁瓣抑制效果,能保证较高的目标分辨率,有利于动目标的检测。（3）针对相位编码波形集常受到序列长度限制和频谱限制的问题,对相位编码波形集进行优化,以逼近完美CC/CCC波形集的自/互相关性质;同时为提高优化相位编码波形集对动目标的检测性能,进行发射和接收端旁瓣抑制处理;从而实现基于优化CC/CCC波形集的动目标距离旁瓣抑制。首先,以序列集的加权积分旁瓣电平（Weighted Integrated Sidelobe Level,WISL）为优化模型,利用循环修剪算法（Cyclic Algorithm-Pruned,CAP）设计低距离旁瓣优化CC/CCC波形集。仿真结果表明此算法可将序列集在部分位置的旁瓣抑制至几乎为零。其次,建立稀疏频谱波形集优化模型,对波形集的WISL和阻带能量进行联合优化,设计稀疏频谱优化CC/CCC波形集以提高波形在复杂频谱环境中的适用性。将此算法与遗传算法（Genetic Algorithm,GA）进行对比分析,验证了此算法良好的性能。此外,针对这两类优化波形集,进一步应用第二部分提出的旁瓣抑制方法,并对目标进行OS-CFAR检测。仿真结果表明,针对优化CC/CCC波形集的发射和接收端旁瓣抑制处理,仍然能够有效抑制距离旁瓣,保证动目标的检测性能。
其他文献
随着腔光力学的不断深入研究,复合腔光力系统得到越来越多的青睐。与典型光力系统相比,复合腔光力系统不仅可以将不同物理系统的独特优势结合起来,还可以用来揭示更多新奇的量子光学现象,并且具有更广泛的应用前景。例如,在光信号对机械振子调控方面,通过研究系统的吸收色散特性,可以实现对光力诱导透明、光力诱导吸收、光力诱导放大、快慢光以及简正模劈裂等现象的调控;在研究机械振子的量子调控方面,由于腔光力系统具有较
近年来,移动互联网技术不断发展,已成为用户工作、生活中不可或缺的一部分。物联网接入设备数量的大幅增加以及用户对于无线通信传输速率和服务质量的要求越来越高,使得频谱资源变得的日益紧张。非正交多址接入（Non Orthogonal Multiple Access,NOMA）技术的应用允许用户共享频谱资源,有效提高了频谱资源的利用率及系统的吞吐量。但日益成熟的5G通信技术相较于4G通信技术而言,通信频率
随着无线通信技术的飞速发展,无线网络的安全问题越来越受到公众的重视,但是基于无线网络的开放特性,恶意通信用户也能够正常接入无线通信网络进行非法信息传输。因此,对无线通信网络中可疑通信链路进行主动监听,已经成为监控和打击违法犯罪活动的重要手段。得益于无人机（Unmanned Aerial Vehicle,UAV）灵活部署、高机动性和良好视距（Line of Sight,Lo S）链路等优势,基于无人
在数字图像的传输过程中,数字图像（如与军事、医疗、人脸相关的数字图像等）可能携带需要防止泄漏的敏感信息。因此,数字图像信息的安全是非常重要的。为了确保数字图像信息的安全,可以使用图像加密、图像水印和图像隐写等技术。图像加密在信息传输的过程中发挥着重要作用,它是将原始图像转换为视觉上无意义的表示。目前,深度学习已经在各个领域得到了广泛应用,本文提出了两种基于深度学习与混沌系统的图像加密算法。主要研究
无线电能传输（Wireless Power Transfer,WPT）作为一种新型的供电方式,有着安全、便捷、高效等优点,广受研究和市场青睐。负载无关恒压（Constant Voltage,CV）输出或恒流（Constant Current,CC）输出是无线电能传输（WPT）的重要应用场景。在多负载WPT系统中,充电设备不止一个、充电需求不止一种、充电时充电设备会频繁的移入和移除。因此,为了应对W
正交频分复用（OFDM）波形外辐射源雷达是一种通过被动接收非协作方发射的OFDM波形信号来对目标进行跟踪或定位的双/多基地雷达。然而,此雷达的目标信息提取过程面临着弱目标被同时接收到的直达波和多径回波所淹没的问题。针对这一问题,传统信号处理方法利用雷达回波数据的稀疏性、基于压缩感知重构算法来提取弱目标信息,但这些方法需要人工设置基矩阵和正则化参数等。随着人工智能的崛起和迅速发展,许多学者开始结合深
随着人工智能和工程设计等诸多领域的发展,与之相关的优化问题也越来越复杂。因此,许多先进的群智能算法被用来解决优化问题,其中具有高灵活性和强适应性的粒子群优化算法是改进大多数优化算法的基础。然而,传统的粒子群优化算法在复杂的高维优化问题中的搜索性能较差,在迭代的过程中无法更新群体样本,使种群更容易处于局部最优状态。结合量子信息理论,研究人员对量子粒子群优化算法展开了研究。本文以现有的量子粒子群优化算
提取有效的声学特征对于提升说话人识别系统的性能至关重要,通常,频域特征可以通过梅尔滤波器组从语音信号中提取出来,并且通过改变梅尔滤波器组中的三角滤波器的个数,可以提取不同尺度的频域特征,这些特征所包含的说话人信息存在差异,所以不同尺度的频域特征之间存在互补特性。本文利用深度学习方法,主要研究了基于多尺度频域特征和并行神经网络的说话人识别方法。论文的主要工作如下:1.提出了一种基于多尺度频域特征和并
信息技术的日益发展使人们进入了大数据时代,在各种各样的数据中,图像是人们生活中最常用的一种信息载体。随着图像数据量的大量增加,亟需对图像进行高性能的去噪与生成处理以应对处理速度慢和处理效果差的问题。因此,本文结合量子计算和深度学习设计了图像去噪与生成两种算法。本文的主要工作如下:基于卷积自编码器和残差学习,提出了一种图像去噪算法。卷积自编码器的编码层采用卷积层和最大池化层交替的结构,而解码层采用卷
科学技术的日新月异带来无线通信的飞速发展,在无人机通信场景下,用户不再满足于简单的点对点交换信息的需求。各种大量计算密集型应用应运而生,给无人机通信带来许多机遇与挑战。移动边缘计算（Mobile Edge Computing,MEC）技术为无人机通信的场景寻求到技术上的创新和突破。在通信任务过大的情况下,搭载了移动边缘计算服务器的设备可以帮助通信终端卸载一部分任务至移动网络边缘,从而缓解通信压力和