基于AD8361的无线传感器网络节点测距电路设计

本文提出基于AD8361芯片,通过对信号强度进行检测,来实现节点间测距的新应用方法,并利用相应的定位算法进行节点定位。该测距方式具有成本低,可靠性强,应用广泛等特点,具有良好的应用和推广前景。     

相位编码信号码速率估计的最优小波尺度选择

研究了小波变换应用于相位编码信号码速率估计的尺度选择问题,提出了一种最优小波尺度选择方法。以相位跳变的最佳检测为依据建立了最优小波尺度选择函数,然后结合功率谱平滑载频估计和信号编码形式完成最优小波尺度的选取,最后通过叠加模值频谱完成信号码速率估计。仿真实验表明,所提出的尺度选择方法将二相编码信号和四相编码信号的码速率估计信噪比门限分别降低了1 dB和3 dB。     

免疫克隆选择算法在雷达信号时频原子分解中的应用

针对传统时频原子在雷达信号分解中计算复杂度比较高的问题,提出了一种基于免疫克隆选择算法的时频原子快速分解方法。首先将Chirplet原子库分解为小原子库,然后并行地在每一个小原子库中搜索最佳原子,搜索过程建模为多参数寻优问题,通过免疫克隆选择算法的克隆、变异、记忆、替换等操作求解最优值,最后比较每一个小原子库中的最佳原子,将相似度最大的原子作为分解的最佳原子。仿真实验表明,该方法能够用较少的时频原子表示信号,在大幅减少时频原子搜索时间的同时,有效地抑制了噪声和交叉项的干扰。     

基于多尺度残差网络和小波变换的LPI雷达信号识别

针对复杂战场电磁环境下的低截获概率（Low Probability of Intercept,LPI）雷达信号识别问题,提出了一种基于小波变换和多尺度残差网络的识别方法。首先利用离散小波变换提取LPI雷达信号的时频特征;然后利用多尺度残差网络的多层特征提取网络对输入信号进行深层自主学习,以获取原信号时频数据的分布式特征,从而实现对雷达信号的识别预测。在不同信噪比条件下对不同调制样式信号进行实验,证明了所提方法的可行性与有效性,以及较高的识别率和泛化能力。     

类别不平衡条件下的雷达信号识别

在实际电子侦察过程中，由于各种原因，侦收到的不同类型信号数量相差很大，类别之间严重不平衡，常规方法在这种数据集下训练得到的分类器不能有效识别少数类。针对这一问题，首先采用栈式自编码器对中频数据进行降维和特征提取；然后在降维后的特征空间内通过多种过采样方法生成新的少数类样本，使数据集重新平衡，并利用再平衡后的数据集训练支持向量机分类器；最后采用F分数和受试者工作特征（Receiver Operating Characteristic,ROC）曲线两种评价方法对分类效果进行评价。实验结果表明，通过过采样处理，分类器对少数类的识别性能有所提升。     

用于正弦波频率估计的修正Kay算法

Kay算法能够估计出采样点较少的正弦波频率，但低信噪比下估计性能不佳。针对此问题，提出了修正Kay算法。首先基于最大似然估计准则，推导了观测信号模值与相位的条件概率密度函数，进而重建了Kay算法的相位差噪声矢量协方差矩阵与权值矩阵。实验结果表明，修正算法能够有效估计正弦波信号频率，与Kay算法相比，抗噪性更强。