导读:本文包含了噪声雷达论文开题报告文献综述及选题提纲参考文献，主要关键词:强噪声条件下,激光雷达,图像降噪,小波变换
噪声雷达论文文献综述
毛烨,陈亮[1]（2019）在《强噪声条件下激光雷达强度图像降噪方法研究》一文中研究指出针对传统的激光雷达强度图像降噪方法中,普遍存在着降噪效果不理想、峰值信噪比较低等问题,为了提高激光雷达图像峰值信噪比,从而实现激光雷达图像降噪,提出基于小波域混合模型的激光雷达强度图像降噪方法。分析激光雷达图像中噪声的特点,将其进行对数变换,利用小波变换对图像进行边缘检测,以得到激光雷达强度图像噪声所在位置为依据;利用自适应阈值对激光雷达强度图像变换后的小波系数进行分类,将双变量模型和空间自适应统计模型相结合实现对激光雷达强度图像降噪。实验结果表明,所提方法图像降噪效果较为理想、峰值信噪比较高,所提方法的峰值信噪比比另外两种方法高出10. 93和16. 13。(本文来源于《激光杂志》期刊2019年11期）
杨宏宇,王峰岩[2]（2019）在《基于深度卷积神经网络的气象雷达噪声图像语义分割方法》一文中研究指出针对新一代多普勒气象雷达的散射回波图像受非降雨等噪声回波干扰导致精细化短时气象预报准确度降低的问题,该文提出一种基于深度卷积神经网络(DCNN)的气象雷达噪声图像语义分割方法。首先,设计一种深度卷积神经网络模型(DCNNM),利用MJDATA数据集的训练集数据进行训练,通过前向传播过程提取特征,将图像高维全局语义信息与局部特征细节融合;然后,利用训练误差值反向传播迭代更新网络参数,实现模型的收敛效果最优化;最后,通过该模型对气象雷达图像数据进行分割处理。实验结果表明,该文方法对气象雷达图像的去噪效果较好,与光流法、全卷积网络(FCN)等方法相比,该文方法对气象雷达图像中真实回波和噪声回波的识别准确率高,图像的像素精度较高。(本文来源于《电子与信息学报》期刊2019年10期）
张军,梁英,路小月,王勇,樊经纬[3]（2019）在《雷达散射计低噪声脉冲行波管放大器电源研制》一文中研究指出本文提出并实现了一种降低脉冲行波管放大器噪声的设计方案,解决了深空探测脉冲行波管放大器一直存在的阴极纹波噪声大、脉内及脉间噪声功率谱密度较差、低重频脉宽调制难以实现等技术难点。该方案首先利用脉宽调制(PWM)技术控制的有源滤波器来降低卫星母线脉冲电流波动,进而减小电流对器件的冲击延长使用寿命;其次在升压电路后级使用基于比例积分微分(PID)调节的线性稳压器,来进一步地减小阴极纹波噪声;调制器电路使用多级悬浮调制器隔离技术及展频电路,实现降低纹波噪声和低重频脉宽调制的功能。基于以上设计,实现了脉冲行波管放大器噪声功率谱密度低于-90dBm/Hz,产品杂波抑制度低于-75dBc。将其用于相关型号散射计分系统的鉴定与验收试验,相关性能指标达到了国际水平,实现风速测量优于1.8m/s的指标,成为国内首台空间应用的高可靠、长寿命脉冲行波管放大器。(本文来源于《真空电子技术》期刊2019年04期）
朱德政,李健,杨阳,刘鲸,孟清[4]（2019）在《无源功分网络与模数转换器对雷达接收系统噪声的影响》一文中研究指出对无源功分网络及模数转换器(ADC)在雷达接收系统中的噪声影响做出详细的理论分析和公式推导,提出ADC在链路指标计算时的简化模型,并以直采链路为例,针对不同的工作状态和可能发生的故障情况,对含有无源功分网络及ADC的接收系统链路进行增益与噪声理论推导和测试验证,明确无源功分网络及ADC对系统噪声的影响与贡献,使得在接收系统出现故障时,能够进行快速、准确的故障定位。(本文来源于《现代雷达》期刊2019年07期）
孙越[5]（2019）在《Alpha噪声下雷达辐射源信号识别与参数估计方法研究》一文中研究指出目前,各国之间的战争从以往的军事对抗逐渐演变到现在的电子对抗。在电子对抗这场没有硝烟的战火中,对战方的电子侦查设备起到了关键性的作用,而电子侦查系统所依仗的关键信息就是雷达辐射源信号的识别与参数估计。本文对多种雷达信号识别过程中存在的问题展开研究,目的是在复杂的噪声环境中依然能获得有用的电子情报信息。在电子战中常见的雷达辐射源信号有:线性调频(Linear Frequency Modulation,LFM)信号、跳频信号以及二相位编码(Binary Phase Shift Keying,BPSK)信号等。本文主要针对上述叁种信号进行识别与参数估计的方法展开研究。在以往跳频信号、LFM信号以及BPSK信号处理过程中,通常用高斯分布来对背景噪声进行模拟。然而在实际信号传播过程中存在着非高斯分布的干扰,其中一类噪声具有很强的脉冲特性比如雷达电波,低频大气噪声等,诸多学者研究发现Alpha稳定分布能够描述此类强脉冲特性的噪声,在这类脉冲噪声背景下,常规的基于高斯分布的处理方法性能退化甚至失效。针对此问题,本文将Alpha稳定分布噪声下多种雷达信号的识别与参数估计问题作为研究的重点,主要工作如下:首先通过短时傅立叶变换(Short-Time Fourier Transform,STFT)和魏格纳威利分布(Wigner-Ville Distribution,WVD)这两种时频分析方法分别对叁种雷达信号进行时频分析,其次在背景噪声中分别加入Alpha噪声和高斯噪声,通过对比发现在Alpha噪声的背景下这两种方法性能完全失效。为了在Alpha噪声下可以对雷达信号进行有效的分析,本文采用分数低阶矩(Fractional Lower Order Moment,FLOM)的方法。基于Alpha噪声下的分数低阶魏格纳威利分布(FLO-WVD)和分数低阶短时傅里叶变换(FLO-STFT)的理论,研究了LFM信号、跳频信号以及BPSK信号的识别问题,仿真实验分析表明,该方法可以很好的实现在Alpha噪声背景下对叁种雷达辐射源信号的识别。最后针对LFM信号的时频图像以及传统霍夫(Hough)变换理论,采用FLOWVD-Hough变换算法以及FLOSTFT-Hough变换算法对LFM信号进行参数估计;利用跳频信号时频图像,进行了峰值序列的提取,将提取出来的新序列与快速傅里叶变换相结合,来对跳频信号进行参数估计;针对BPSK信号,通过FLO-STFT对其瞬时频率进行提取,通过设定门限值来处理瞬时频率,进而对BPSK信号进行参数估计。通过仿真分析表明上述方法均能在Alpha噪声下对叁种雷达信号的参数做出有效的估计。(本文来源于《吉林大学》期刊2019-06-01）
董思妍[6]（2019）在《相关噪声背景下MIMO雷达目标检测的随机矩阵方法研究》一文中研究指出与传统雷达系统相比,多输入多输出(MIMO)雷达可以利用多天线发射分集并由多天线接收回波信号,使目标检测性能得到明显提高。目前,MIMO雷达目标检测方法主要有广义似然比检测(GLRT)、恒虚警率检测、匹配滤波器检测等,这些方法尽管不同程度地提高了检测性能,然而仍存在如下主要缺陷:(1)假设快拍数远远多于阵元数,当阵元数较大、与快拍数相差不多时不再适用;(2)需要已知或事先估计噪声方差等信息,然而在快拍数不足的情况下其估计将带来较大的误差;(3)通常将噪声模型简化为理想的白噪声,而实际环境中,由于各阵元间互耦、过采样等因素的影响,往往造成噪声之间存在相关性,如果仍采用白噪声背景下的检测方法和对应的判决阈值,将导致检测性能严重下降。针对上述问题,本文以随机矩阵理论(RMT)和正则相关技术(CCT)为数学工具,对相关噪声背景下MIMO雷达的目标检测方法展开了深入研究。针对发射分集MIMO雷达系统,并考虑接收阵元数与快拍数在同一数量级,首先研究了白噪声背景下目标检测的随机矩阵方法,在此基础上,分别提出了空间相关噪声和空-时相关噪声背景下目标检测的随机矩阵方法,适用于大阵列系统。本文的研究工作得到国家自然科学基金“基于大维随机矩阵理论的MIMO雷达稳健目标检测与估计”(项目编号:61371158)的资助。本文的创新性工作如下:提出一种空间相关噪声背景下基于CCT的MIMO雷达目标检测方法。该方法采用两个分开的子阵作为MIMO雷达接收阵列,假定每个子阵阵元之间的噪声存在空间相关性,构建了双子阵接收信号模型。进而,基于GLRT准则和两子阵之间的正则相关因子构造了检测统计量,并结合RMT中的Tracy-Widom(TW)第二分布推导了判决阈值表达式。仿真结果表明,该方法在存在空间相关噪声和大阵列情况下,与传统的条件数(CN)算法相比检测性能更优。提出空-时相关噪声背景下基于RMT的MIMO雷达目标检测方法。首先利用相关系数矩阵生成空-时相关噪声模型,然后将接收信号归一化样本协方差矩阵的最大特征值(ME)作为检测统计量,并利用RMT中的TW分布,提出一种空-时相关噪声背景下MIMO雷达目标检测方法——TW-ME算法,该方法将TW第二分布作为接收信号归一化样本协方差矩阵最大特征值的渐近分布,在空-时相关噪声背景下推导了其判决阈值与虚警率之间的关系。进一步,对TW-ME算法进行了改进,将半圆律和M-P律结合,同时运用Stieltjes变换,对判决阈值中的参数进行修正,得到了新的阈值。仿真结果验证了改进的TW-ME算法具有更优越的检测性能。(本文来源于《吉林大学》期刊2019-06-01）
车晓男[7]（2019）在《Alpha噪声背景下双基地MIMO雷达目标角度估计方法研究》一文中研究指出多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达是雷达探测领域上的研究热点,它是将MIMO技术和雷达系统结合在一起形成的一种新兴雷达。双基地MIMO雷达目标角度估计算法中的噪声假设大都是基于高斯噪声背景下进行研究的,但在大量的信号处理实践中发现,这种基于二阶矩和高阶累计量的信号处理方法鲁棒性很差。研究表明,双基地MIMO雷达所处的噪声环境中,不单单只存在高斯噪声,而且大量地存在着非高斯冲击噪声。Nikas明确指出:Alpha稳定分布可以用于此类噪声的数据建模。冲击噪声对目标角度估计算法的危害极大,传统基于二阶矩和高阶累积量的信号处理方法性能严重下降甚至失效。针对这一问题,论文围绕着a噪声背景下的双基地MIMO雷达的目标角度估计问题,进行了如下研究:1.基于分数低阶矩和归一化相关的双基地MIMO雷达角度估计方法针对冲击噪声背景下双基地MIMO雷达的DOA-DOD联合估计问题,研究了分数低阶矩理论和归一化相关理论,并提出了两种算法:FLOM Unitary-ESPRIT算法和归一化相关Unitary-ESPRIT算法。通过计算机仿真,在冲击噪声背景下,本文提出的两种算法都能够正确地估计出波达方向角(Direction of Arrival,DOA)和波离方向角(Direction of Departure,DOD),并能够实现角度参数自动配对。2.基于降维Root-MUSIC的双基地MIMO雷达角度估计方法针对2D-MUSIC算法需要二维谱峰搜索,计算复杂度高的问题,研究了一种在冲击噪声背景下的降维Root-MUSIC角度估计方法。该算法不需要谱峰搜索,算法复杂度低,角度估计精度高,能够实现角度参数自动配对,并且可以扩展到其他的阵列。通过计算机仿真验证了该算法的有效性。3.基于单位圆变换的双基地MIMO雷达角度估计方法在特征指数α的值域在0＜α＜1范围时,基于分数低阶矩的信号处理方法性能退化严重,不能有效地抑制冲击噪声影响。针对这一问题,研究了单位圆变换的基础理论,并提出基于单位圆变换的最小范数MUSIC角度估计算法,该方法不仅保留了信号的相位信息,而且能有效地抑制冲击噪声。最后,通过计算机仿真验证了算法在强冲击噪声环境下可以有效地估计目标角度并有较好的角度估计性能。(本文来源于《吉林大学》期刊2019-06-01）
邵楠,秦建峰,步志超[8]（2019）在《用Burst技术改善CINRAD/SA天气雷达相位噪声》一文中研究指出为了改善系统相位噪声及地物杂波抑制能力,对国内部分CINRAD/SA天气雷达实施了Burst技术改造,以减少和消除发射信号相位抖动的影响。为了检验CINRAD/SA天气雷达在Burst技术改造后相位噪声及地物杂波抑制能力的改善效果,采用理论分析、性能测试和回波数据分析等方法对性能进行了测试。检验结果表明,Burst技术改造后CINRAD/SA天气雷达系统的相位噪声降低约0.05°,地物杂波抑制能力提高到55dB以上,相位噪声及地物杂波抑制能力改善较明显,可作为其他型号天气雷达技术改造的良好借鉴。(本文来源于《气象科技》期刊2019年02期）
郭明伟,仪名星,温云鹏[9]（2019）在《多频噪声双基地MIMO雷达相参信号处理算法》一文中研究指出多频噪声多输入多输出(MIMO)雷达各发射天线发射不同频率噪声信号,所以同一目标的不同频率回波有不同的多普勒频率。为了将各频率回波信号进行相参合成处理,充分发挥MIMO噪声雷达在目标检测性能上的优势。基于Keystone变换技术,提出一种适合多频噪声MIMO雷达的相参处理算法。所提算法对不同频率的回波信号进行重采样,即Keystone变换,使得不同频率的回波具有相同的多普勒频率,然后进行相参合成检测处理。(本文来源于《电子信息对抗技术》期刊2019年02期）
黄斌,赵玉胜,崔学林,匡昌武,井高飞[10]（2019）在《天气雷达低噪声放大器的仿真设计》一文中研究指出低噪声放大器的性能是天气雷达的重要指标之一。为提高天气雷达的性能,以中心频率在2.73GHz的天气雷达为根据,采用叁级级联的放大结构,设计出高增益、低噪声的放大器。通过Advanced Design System软件对放大器的稳定系数、噪声系数、增益和驻波比进行仿真设计。最终设计出增益大于37dB,噪声小于0.8dB,输入输出驻波比小于2的放大器。仿真结果表明,设计的低噪声放大器比现用天气雷达的低噪声放大器的性能更好。(本文来源于《国外电子测量技术》期刊2019年03期）
噪声雷达论文开题报告
（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：
针对新一代多普勒气象雷达的散射回波图像受非降雨等噪声回波干扰导致精细化短时气象预报准确度降低的问题,该文提出一种基于深度卷积神经网络(DCNN)的气象雷达噪声图像语义分割方法。首先,设计一种深度卷积神经网络模型(DCNNM),利用MJDATA数据集的训练集数据进行训练,通过前向传播过程提取特征,将图像高维全局语义信息与局部特征细节融合;然后,利用训练误差值反向传播迭代更新网络参数,实现模型的收敛效果最优化;最后,通过该模型对气象雷达图像数据进行分割处理。实验结果表明,该文方法对气象雷达图像的去噪效果较好,与光流法、全卷积网络(FCN)等方法相比,该文方法对气象雷达图像中真实回波和噪声回波的识别准确率高,图像的像素精度较高。
（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。
噪声雷达论文参考文献
[1].毛烨,陈亮.强噪声条件下激光雷达强度图像降噪方法研究[J].激光杂志.2019
[2].杨宏宇,王峰岩.基于深度卷积神经网络的气象雷达噪声图像语义分割方法[J].电子与信息学报.2019
[3].张军,梁英,路小月,王勇,樊经纬.雷达散射计低噪声脉冲行波管放大器电源研制[J].真空电子技术.2019
[4].朱德政,李健,杨阳,刘鲸,孟清.无源功分网络与模数转换器对雷达接收系统噪声的影响[J].现代雷达.2019
[5].孙越.Alpha噪声下雷达辐射源信号识别与参数估计方法研究[D].吉林大学.2019
[6].董思妍.相关噪声背景下MIMO雷达目标检测的随机矩阵方法研究[D].吉林大学.2019
[7].车晓男.Alpha噪声背景下双基地MIMO雷达目标角度估计方法研究[D].吉林大学.2019
[8].邵楠,秦建峰,步志超.用Burst技术改善CINRAD/SA天气雷达相位噪声[J].气象科技.2019
[9].郭明伟,仪名星,温云鹏.多频噪声双基地MIMO雷达相参信号处理算法[J].电子信息对抗技术.2019
[10].黄斌,赵玉胜,崔学林,匡昌武,井高飞.天气雷达低噪声放大器的仿真设计[J].国外电子测量技术.2019