导读:本文包含了雷达信号检测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:信号,号数,特征值,参数,体征,神经网络,相位。
雷达信号检测论文文献综述
羌琦,张旭东,季辉[1]（2019）在《Elman神经网络在雷达信号检测中的研究应用》一文中研究指出雷达目标信号检测是雷达研究设计中的重要环节。本文在分析了传统目标信号检测技术的基础上,利用人工神经网络具有非线性和动态特性的特点,提出了一种基于Elman神经网络的信号检测的仿真设计方法,最终得到自适应性较强的Elman信号检测网络,完成对雷达目标信号的检测。(本文来源于《价值工程》期刊2019年28期）
任枫轩,王忠勇[2]（2019）在《基采用时频区域检测的雷达信号盲分选算法》一文中研究指出为了解决欠定条件下密集雷达信号分选问题,提高雷达信号盲分选算法精度,提出了一种采用时频区域检测的雷达信号盲分选算法,首先利用短时傅立叶变换将混合信号映射至时频平面进行处理,然后通过聚类算法估计出混合矩阵,从而反解出源信号矩阵,进而估计出每一雷达源信号,能够在信号的时频平面投影相交且欠定的条件下,实现信号分选功能.仿真实验结果表明:提出的算法相比于传统的类MUSIC算法及其衍生的相关改进算法具有更高的分选精度和算法收敛性,且估计得到的源信号时域波形更优,体现了其有效性和优越性.(本文来源于《数学的实践与认识》期刊2019年12期）
陈德肯[3]（2019）在《基于雷达信号的非接触体征检测技术研究》一文中研究指出基于雷达信号的非接触体征检测是一种将通信学,生物医学和计算机学相结合的新型体征检测技术。此技术可以通过雷达信号在不接触目标体表的情况下提取人体呼吸、心跳等生命体征信息,在地震灾害搜救,家庭医疗,军事医学等多个方面,都有着广泛的应用性。而其中,超宽带雷达(Ultra Wideband,UWB)因其功耗低、抗干扰能力强、穿透力强、成本低等优点,在非接触体征检测领域展示着越来越重要的作用。首先,针对超宽带雷达接收信号中存在的严重的噪声和杂波干扰,本文利用动目标检测算法(Moving Target Detection,MTD)去除杂波干扰,用时域自相关,频域滤波,快采样均值滤波等降噪算法来滤除信号中的噪声,提高了信号的信号噪声杂波比(Signal-to-Clutter-Noise Ratio,SNCR)。其次,针对被测目标在检测中可能会缓慢移动(没有过多身体抖动)的情况,本文提出了轨迹捕捉算法,能够从雷达回波信号中捕捉出被测目标的移动轨迹,然后通过提取出的移动轨迹得到被测目标的体表振动信号;接着本文提出了基于参数估计的体征检测算法及其改进算法,能够准确地从时域体表振动信号中得到隐藏的周期参数,即被测目标的呼吸信息和心跳信息。通过仿真和实验表明,参数估计算法相比于传统的频域处理方法表现出了更优越的性能。接着,针对多目标非接触体征检测,本文提出了基于聚类的体征检测技术。此技术主要分为两种:基于距离门能量分布的多目标体征检测技术和基于距离-频域的多目标体征检测技术。前者将距离门能量信号进行处理,然后聚类得出被测多目标的具体位置,最后取出不同段的目标体表振动信号,并分别进行单目标体征检测;后者则是将原始信号的频域展开,形成距离-频率信号,然后经过一系列数据处理后并进行聚类,最终得到被测多目标各自的位置以及呼吸和心跳频率。这两种方法都表现了良好的检测准确度,但相比较而言,前者检测准确度更高,但无法处理被测多目标离雷达天线同距离的情况;而后者虽然准确度不如前者,但是在被测多目标同距离检测的情况下也能表现良好的性能。最后,根据上述研究的内容,本文搭建了一个简易可操作的实时生命体征检测系统,能够实时检测被测目标的呼吸心跳频率并展示出对应的呼吸心跳信号波形。(本文来源于《北京邮电大学》期刊2019-05-28）
杨晓红[4]（2019）在《LPI雷达信号智能检测与识别技术》一文中研究指出在当前复杂的战场环境中,LPI雷达信号因其低功率、频率捷变、大带宽以及复杂调制等技术得到了广泛的应用。传统的雷达侦察手段很难对LPI雷达信号进行有效检测与识别。为解决LPI雷达信号检测与识别的问题,本文结合人工智能,展开了对LPI雷达信号智能检测与识别技术的研究。本文分析了LPI雷达信号特点、典型工作模式以及波形参数,在此基础上,研究了基于BP神经网络的雷达信号智能检测方法;从LPI雷达信号时频特征入手,利用卷积神经网络完成了对LPI雷达信号脉内调制类型的识别;最后联合SMOTE算法和BP神经网络实现了对雷达工作模式的识别,并验证了算法的有效性。论文主要工作如下:1.研究了LPI雷达信号的智能检测方法。首先分析了常规雷达信号检测方法及其缺陷,在此基础上,对信号相关检测方法进行拓展,深入分析了单点相关函数累积点数、噪声采样点数以及信号采样点数之间相对大小关系对信号单点相关函数波形的影响,最后利用BP神经网络对信号单点相关函数波形进行识别,实现对LPI雷达的有效检测。2.研究了LPI雷达信号脉内调制类型智能识别方法。在对雷达信号脉内特征分析的基础上,分析了常规识别方法的不足,利用卷积神经网络实现了对LPI雷达信号脉内调制类型的识别并研究了卷积神经网络结构及参数对识别性能的影响,最后仿真验证该方法的有效性。3.研究了LPI雷达工作模式智能识别方法。首先对LPI雷达典型工作模式和识别参数进行分析,利用BP神经网络实现对雷达工作模式识别方法,并仿真分析雷达参数缺失对该方法的影响。在此基础上,仿真分析了由新出现雷达工作模式脉冲数少带来的训练样本数相差过大问题对BP神经网络性能的影响,为解决此问题,利用SMOTE算法生成数据,联合BP神经网络,实现了对LPI雷达工作模式的识别。(本文来源于《电子科技大学》期刊2019-04-01）
王毅,杜亚杰,付龙文,陈令新[5]（2019）在《基于LabWindows/CVI的雷达信号参数检测系统的设计与实现》一文中研究指出论文介绍了相位噪声的概念及其测量方法,针对某型导弹照射器,设计了一种基于PN9000相位噪声测量仪的自动化相位噪声测试系统,给出了构成方案,进行了工作流程分析,对主要模块和控制软件运用LabWindows/CVI进行了详细设计。实验结果表明,该系统实现了要求的指标。(本文来源于《舰船电子工程》期刊2019年02期）
冯宗盛[6]（2018）在《基于压缩感知的超宽带雷达信号检测技术研究》一文中研究指出电子侦察作为获取敌方情报的重要技术手段,是电子对抗领域中的一项关键技术。而线性调频(LFM)信号作为雷达领域常用的时变信号之一,对其进行检测和相关参数估计是电子侦察领域的重要研究内容。超宽带LFM信号因其在作战中的诸多优势而被逐渐应用,但因其所需采样率过高,在超宽带信号检测与参数估计中存在一定困难。而压缩感知(CS)理论的出现,为该问题提出了一种新的解决办法。本文研究了压缩感知理论的主要内容,包括稀疏表示、压缩采样和重构算法。从随机等效采样和AIC测量框架入手,对当前常用的模拟采样技术进行仿真与分析,实验结果表明采用上述两种方法得到的离散数据可以用于信号重构,且重构误差小。本文分析了压缩感知框架下的信号检测问题,并重点研究了基于正交匹配追踪的信号检测算法和基于最大稀疏系数位置的信号检测算法。针对上述算法在低信噪比条件下检测性能不高的问题,研究了基于观测数据特征的压缩感知信号检测算法。仿真结果表明该算法可以在低信噪比条件下获得更高的检测概率。本文借助压缩感知理论,研究了带限高斯噪声干扰下的超宽带LFM信号的检测与参数估计问题,主要做了以下工作:研究了基于冗余字典的超宽带LFM信号参数估计算法,从信噪比和压缩采样点数两个角度对算法的估计性能进行评估。针对参数估计精度要求比较高时,上述算法的计算复杂度过高的问题,研究了基于FrFT字典的超宽带LFM信号参数估计算法,通过应用两步搜索策略,提高了算法的估计精度,在一定程度上减小了运算量。(本文来源于《西安电子科技大学》期刊2018-09-01）
王珊,王辅忠[7]（2018）在《基于自适应随机共振理论的太赫兹雷达信号检测方法》一文中研究指出太赫兹雷达系统在差频信号频谱分析过程中,干扰噪声影响其测距能力.针对上述问题,提出基于自适应随机共振理论的太赫兹雷达信号检测方法,通过对含噪差频信号进行二次采样,利用自适应随机共振系统提取信号,进行尺度恢复完成测距计算.实验数据显示,不同测量距离时,相较于快速傅里叶变换法,输出信噪比的平均增益为9.684 d B,其中测量距离为1000 mm处,差频信号初始频谱值提高了64.1倍,系统信噪比增益为11.761 d B;相较于滤波法,在测量距离为1000 mm处信噪比增益最大,提高了70.56%;输入噪声强度为1—5 V之间时,输出信噪比曲线的曲率相对于滤波法降低了86.5%,其中噪声强度为5 V时信噪比增益最大,为14.018 d B.实验表明太赫兹雷达系统的测距能力大幅提高.(本文来源于《物理学报》期刊2018年16期）
余纷艳[8]（2018）在《分布式MIMO雷达信号检测相关技术研究》一文中研究指出MIMO(多输入多输出)技术在通信中已被广泛应用,它利用多天线收发阵列来抵抗多径效应,受此启发,Eran Fishler等人将MIMO理念与雷达技术结合起来,提出了MIMO雷达的概念。MIMO雷达当前主要可以分为两类:一是天线阵元集中放置的集中式MIMO雷达,这与传统的相控阵有诸多共同点,是相控阵在多天线领域的延伸;另一类为天线阵元分布式放置的分布式MIMO雷达,它将MIMO通信的特点更好地汲取和吸收了,其收发天线阵列空间充分分离,能利用空间分集增益对抗目标RCS闪烁,有效地提升系统性能,这类MIMO雷达也是本文的研究重点。本文主要针对分布式MIMO雷达系统,研究其信号检测相关技术。本文的主要工作如下:首先简要说明了MIMO雷达的背景和意义,并对MIMO雷达的国内外研究现状进行了介绍,主要包括了信号模型、波形设计、参数估计、信号检测等。接着阐述了MIMO雷达的基本原理,如目标起伏模型、MIMO雷达的特点和关键技术,并建立了集中式MIMO雷达、短基线分布式MIMO(SDMIMO)雷达和长基线分布式MIMO(LDMIMO)雷达的信号模型。然后简要介绍了目标检测的基本原理,包括N-P检测器、二元检测模型、检测器性能指标等,并针对只存在接收机内部独立噪声的理想环境,推导了相控阵、SDMIMO、LDMIMO雷达的N-P检测器,并对比分析了SDMIMO与LDMIMO雷达的检测性能,同时对比了SDMIMO雷达与相控阵雷达的检测性能。接着针对非理想环境,推导并对比分析了SDMIMO和相控阵雷达的N-P检测器。当除了存在内部噪声还存在外部杂波时,将杂波建模为复合高斯杂波模型,比较相控阵和SDMIMO雷达的抗噪声和抗杂波能力;当目标RCS散射系数并不完全独立(部分相关)时,将目标存在时的检测统计量利用伽马分布近似,并将其与忽略散射系数相关性得到的检测性能曲线和蒙特卡罗实验得到的实际性能曲线进行对照分析,验证了此方法的合理性。最后,针对杂波功率未知情况下,推导并分析了相控阵雷达、短基线分布式MIMO雷达和长基线分布式MIMO雷达的两种恒虚警检测器——单元平均恒虚警检测器和有序统计量恒虚警检测器。并针对这两种检测器,对LDMIMO、SDMIMO和相控阵雷达的检测性能进行互相对比分析。(本文来源于《东南大学》期刊2018-07-04）
赵文静,刘畅,刘文龙,金明录[9]（2018）在《K分布海杂波背景下基于最大特征值的雷达信号检测算法》一文中研究指出针对K分布海杂波背景下的恒虚警检测问题,基于信息几何的矩阵CFAR检测器具有较好的检测性能,但其计算复杂度较高,从而影响其实际应用。该文根据奈曼-皮尔逊准则,推导了似然比检测统计量与最大特征值之间的关系,进而提出了基于最大特征值的矩阵CFAR检测方法(M-MED)。最后通过对所提方法的计算复杂度及仿真实验结果的分析表明了所提方法不仅计算复杂度低且具有较好的检测性能。(本文来源于《电子与信息学报》期刊2018年09期）
孔祥明月[10]（2018）在《低信噪比MIMO雷达信号检测方法研究》一文中研究指出随着科技的不断发展,信息技术已深入各个领域,信息对抗与反对抗的斗争也更加激烈,为了适应现代化信息战的要求,在侦察、干扰、探测和通信一体化的过程中,新体制的多输入多输出(MIMO)雷达应运而生。MIMO雷达具有良好的分集特性,可在空域、频域、极化域等域分集,其发射波形的自由度很高,并且具有良好的低截获、抗干扰性能,电子对抗方难以侦察到其完整信息,因此欧洲、美洲、亚洲和澳洲等地科研人员对MIMO雷达的侦察技术研究愈发重视。本文针对以上问题,将两种体制的MIMO雷达作为研究对象,在分析了不同MIMO雷达信号各自特点的基础上,研究了MIMO雷达信号在不同变换域的特点和相关的信号检测理论,研究了低信噪比情况下MIMO雷达信号检测和信号数估计方法,通过层层的理论推导和仿真实验,验证了各种方法的有效性。主要工作为:1.研究了叁种基础MIMO雷达信号的特征和其低截获性,建立了针对集中式MIMO雷达和分布式MIMO雷达的侦察模型,分析了常用检测方法的原理和性能,为后文研究低信噪比检测方法和信号数估计奠定基础。2.分析了时域自相关检测方法的检测原理和对MIMO雷达信号的检测性能,将其推广到分数阶频域,提出了分数阶频域自相关信号检测方法,通过分数阶傅里叶变换将LFM-MIMO雷达信号带宽压缩,再通过自相关计算获取多个信号的积累增益。仿真结果表明,该方法比常规检测算法具有更好的低信噪比检测性能。3.分析了LFM-MIMO信号分数阶频域的特征,提出了基于信息熵的谱噪声抑制方法,通过计算FRFT(Fractional Fourier Transform)谱的信息熵加权矩阵来抑制噪声。仿真结果表明,谱噪声抑制算法对信号分数阶频域自相关检测方法有提升。4.研究了MIMO雷达信号数估计模型,提出了逐级解混后再进行子载波数估计的模型。分析了常规子载波数估计方法对MIMO雷达信号数估计的性能,在此基础上,研究了一种分布式MIMO雷达信号数估计方法,首先根据空域信息对时域重迭信号进行时域划分,再对划分后的时域信号进行数字空域滤波,最后对滤波后的时域信号进行信号数估计,计算出总的MIMO雷达信号数。仿真结果表明,该方法可较好的估计出分布式MIMO雷达子载波数。(本文来源于《电子科技大学》期刊2018-03-31）
雷达信号检测论文开题报告
（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：
为了解决欠定条件下密集雷达信号分选问题,提高雷达信号盲分选算法精度,提出了一种采用时频区域检测的雷达信号盲分选算法,首先利用短时傅立叶变换将混合信号映射至时频平面进行处理,然后通过聚类算法估计出混合矩阵,从而反解出源信号矩阵,进而估计出每一雷达源信号,能够在信号的时频平面投影相交且欠定的条件下,实现信号分选功能.仿真实验结果表明:提出的算法相比于传统的类MUSIC算法及其衍生的相关改进算法具有更高的分选精度和算法收敛性,且估计得到的源信号时域波形更优,体现了其有效性和优越性.
（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。
雷达信号检测论文参考文献
[1].羌琦,张旭东,季辉.Elman神经网络在雷达信号检测中的研究应用[J].价值工程.2019
[2].任枫轩,王忠勇.基采用时频区域检测的雷达信号盲分选算法[J].数学的实践与认识.2019
[3].陈德肯.基于雷达信号的非接触体征检测技术研究[D].北京邮电大学.2019
[4].杨晓红.LPI雷达信号智能检测与识别技术[D].电子科技大学.2019
[5].王毅,杜亚杰,付龙文,陈令新.基于LabWindows/CVI的雷达信号参数检测系统的设计与实现[J].舰船电子工程.2019
[6].冯宗盛.基于压缩感知的超宽带雷达信号检测技术研究[D].西安电子科技大学.2018
[7].王珊,王辅忠.基于自适应随机共振理论的太赫兹雷达信号检测方法[J].物理学报.2018
[8].余纷艳.分布式MIMO雷达信号检测相关技术研究[D].东南大学.2018
[9].赵文静,刘畅,刘文龙,金明录.K分布海杂波背景下基于最大特征值的雷达信号检测算法[J].电子与信息学报.2018
[10].孔祥明月.低信噪比MIMO雷达信号检测方法研究[D].电子科技大学.2018
论文知识图
