密集信号环境下的分选技术研究

《密集信号环境下的分选技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、电子科技大学硕士学位论文摘要在电子对抗领域，信号分选与跟踪算法的研究是一个非常重要的问题。基于平面变换技术的信号分选和基于神经网络模型的人工智能系统是近年来涌现出的比较有创新性的思路，但是这两种方法需要的前提条件在实时信号分选中较难满足，所以其在实际中的应用受到限制。目前，在工程中使用较广的是累积差值直方图法(CDIF)和序列差值直方图法(SDIF)。本文对这几种方法进行了介绍和仿真对比分析。电子战的信号环境日趋复杂，高占空比，高密度是我们所面临的信号环境的特殊性。在这种信号环境下，脉冲丢失概率会比通常的信号环境大大增加。在脉冲丢失概率较大的

2、情况下，由于脉冲信息的丢失和改变，致使传统分选算法的正确率显著下降。因此，针对这样的信号环境，我们应该重新寻求解决问题的方法。本文在这方面作了一些研究，其工作内容和成果概述如下：1．构建了一个实时预分选系统，改进优化了基于概率统计思想的分选算法。2．针对脉冲丢失概率较大的情况，提出了还原TOA差值的两步校验修正算法和CDIF直方图修正算法。仿真结果表明，两步校验修正算法和CDIF直方图修正算法能把错误的前后脉冲时间间隔还原到正确值上，有效的补充出由于脉冲重叠而造成的丢失的脉冲信息。同时，本分选系统能取得较好的分选效果，并且计算简单，物理意义明

3、确，这对于实时性要求高的场合是有利的。3．讨论了系统实现的具体方案，对系统功能进行了分模块设计，并用VHDL语言和c语言对该分选系统的各模块进行了编程实现，并对系统实时性进行了仿真和分析。关键词：信号分选，脉冲丢失概率，脉冲重复间隔电子科技大学硕士学位论文AbstractSignalsortingisaveryimportantprobleminelectroniccountermeasures．Planetransformationandartificialintelligencesystembasedonneuralnetworkaren

4、ovelwaysappearedinseveralyears．Butitisdifficulttosatisfytheconditionsofthesetwomethodsinpracticalapplication．Nowadays，cumulativedifferencehistogram(CDIF)andsequentialdifferencehistogram(SDIF)areusedwidelyinengineering—orientedapplication．Inthisthesis，thesemethodsareintroduc

5、ed，simulatedandcompared．Thespecialradarsignalenvironmentwefaceinelectronicwarfareishighpulse-densityandhighpulse—losingprobability．Underthiskindofenvironment，duetolosingandchangingofpulseinformation，thevalidityoftheconventionalsortingalgorithmsfallsalot．Thisthesisiswellrese

6、archedforsignalsortingunderthiskindofsignalenvironment．Areal-timesignalsortingsystemisdesignedandthesortingalgorithmbasedontheprobabilitystatisticsisimproved．Besides，thetwo-stepTOAdifferencecorrectingalgorithmandtheCDIFcorrectingalgorithmarepresented．Thefeasibilityofthissor

7、tingsystemandthealgorithmsisverifiedbylotsofsimulatedexperiments．Itiseasytoimplementthesystemandthealgorithmbecauseoftheirdirectarchitecture，whichishighlyadvantageoustoreal-timesorting．Atlast，thesystemisimplementedbyprogrammingwithVHDLlanguageandClanguage．Keywords：SignalSor

8、ting，Pulse-LosingProbability，PulseRepeatIntervalII独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工