摘要:针对非高斯噪声下的弱小目标检测问题，提出了一种基于高斯混合模型的伯努利检测前跟踪算法。该算法基于伯努利检测前跟踪滤波器，将非高斯噪声分布用高斯混合模型进行近似拟合，推导了对应的似然比函数形式,并用粒子滤波近似实现。仿真结果表明，该算法可在非高斯噪声下进行目标的有效检测与估计。

摘要:分析了相控阵天线阵元的主要相位误差源，给出了相控阵天线差波束指向误差与天线阵元相位误差之间的关系式。仿真结果表明，该关系式能够用于准确计算相控阵天线差波束指向误差，可为高波束指向精度相控阵天线设计提供参考。

摘要:针对虚假脉冲及脉冲重叠导致的信号分选增批问题，提出了一种基于极化辅助自组织映射（polarization auxiliary self-organizing map，PASOM）神经网络的雷达信号分选方法。该分选方法在利用常规参数进行分选的基础上增加极化特征进行辅助分选；然后分别采用改进K均值（K-means）聚类算法和改进模糊C均值（fuzzy C-means，FCM）聚类算法基于极化特征进行聚类分选。仿真结果表明：在多径效应条件下，与基于自组织映射（self-organizing map，SOM）神经网络的分选方法相比，基于PASOM神经网络的分选方法的分选正确率可以提高10%，增批抑制率可达到80%以上；在脉冲重叠条件下，改进的FCM算法具有更好的聚类分选效果。

摘要:针对时频重叠的多周期脉冲雷达混合信号分选难的问题，提出了一种基于奇异值分解(singular value decomposition，SVD)的信号脉冲周期估计算法，将获取的周期估计值作为代数分选的先验信息，依次构建欠定方程组，并利用最小范数原理求解各周期脉冲雷达信号一个周期内的信号。仿真结果表明，所提代数分选算法能够实现时频重叠多周期脉冲信号的周期估计，且当信噪比高于-2 dB时，可有效提取各周期信号的脉内信息。该算法原理简单，软硬件可实现性强，具有较强的理论指导意义。

摘要:针对合成孔径雷达与多普勒波束锐化技术无法实现弹载雷达平台前视区域成像的问题，提出了一种单脉冲前视成像方法，介绍了其信号处理流程。该方法在成像过程中引入了单脉冲技术，实现了前视区域二维高分辨成像；在此基础上，针对实际鉴角曲线与理论曲线存在误差导致成像结果出现方位向“散焦”的问题，提出了一种采用回波数据作为样本估计鉴角曲线的自聚焦算法；最后设计了暗室实验验证系统,完成了自聚焦单脉冲前视成像实验。仿真和实验结果表明，所提的自聚焦单脉冲前视成像方法能够有效缩小目标成像的方位向宽度，目标的方位向成像剖面宽度约可缩小至波束宽度的1/9。

摘要:提出了一种基于参考信号复用的非合作宽带微波信号多通道光纤稳相传输系统。该系统通过测量基于波分复用（wavelength division multiplexing，WDM)的参考信号在传输链路上往返相位的变化实现时延变化的测量，随后通过比例-积分-微分（proportional-integral-derivative,PID）算法反馈控制可变光延迟线(variable optical delay line,VODL)进行时延抖动的实时补偿,最后利用光开关的快速切换实现基于单个参考光链路的微波信号多通道光纤稳相传输。实验结果表明：该系统可以实现X波段的宽带信号和单频信号的稳相传输，当信号在长度为1 km的光纤中传输时，常温下传输时延抖动的均方根值约为0.3 ps；在1 min的光开关切换周期下，可实现两条传输链路上微波信号的稳相传输。

摘要:为了解决传统双环比例-积分-微分（proportional integral derivative，PID）控制器稳态性能难以满足激光通信高精度光束对准需求的问题，以星载激光通信粗跟踪伺服控制系统作为研究对象，对其控制策略进行研究。首先分析了粗跟踪伺服控制系统的工作原理，建立了控制系统的传递函数模型；然后针对传统双环PID控制策略的不足，分析了粗跟踪机构的跟踪误差产生的原因，并提出了一种基于前馈控制器的粗跟踪伺服复合控制策略。仿真和实验结果表明，该复合控制策略能够有效改善系统性能、显著降低稳态误差，并能够很好地保证激光通信链路的稳定性和持续性。

摘要:针对目标样本标签数据稀缺的条件下合成孔径雷达（synthetic aperture radar，SAR）图像与光学图像的融合检测问题，提出一种基于视觉转换器（vision transformer，ViT）的域自适应（domain adaptation，DA）SAR图像多源融合目标检测算法。首先通过基于对比学习的非配对图像到图像转换（contrastive learning for unpaired image-to-image translation，CUT）交叉生成SAR和光学的伪图像，构建了SAR-光学数据集；然后选择半监督域自适应YOLO（semi-supervised domain adaptive YOLO，SSDA-YOLO）模型作为目标检测基线模型，设计了基于单头自注意力机制（single-head self-attention，SHSA）的特征提取模块和特征聚合-扩散金字塔网络（focusing-diffusion pyramid network，FDPN）对基线模型进行改进，提高了模型的检测能力；最后基于改进后的目标检测模型对构建的SAR-光学数据集进行了消融实验，并对实验结果进行了分析，验证了所提算法的有效性。实验结果表明：所提算法在增加少量参数量的前提下，相较于基线模型实现了检测性能的提升。所提算法在多源融合领域具有广泛的应用前景。

摘要:针对目标识别和探测等领域对目标时域响应快速获取的需求,提出了一种基于扫频雷达散射截面积（radar cross section，RCS）数据的目标时域响应转换方法。首先根据入射信号的波形参数设计相匹配的扫频参数，然后利用频域电磁散射建模或测试等手段获取目标的宽带散射特性，最后通过对扫频数据进行变换域信号处理，获取目标的时域响应。对典型圆柱组合体目标进行时域响应仿真实验，仿真结果表明，基于传统频域建模方法及扫频测量系统，所提方法能够实现任意波形入射信号下目标时域响应的快速获取。