针对正交频分复用(orthogonal frequency division multiplexing,OFDM)雷达通信一体化信号中的通信信息影响其探测性能的问题,提出一种基于预编码的OFDM雷达通信一体化信号形式。利用具有较好相关特性的伪随机序列对一体化信号的通信信息进行预编码,以提高一体化信号的模糊函数性能,进而提升其探测能力。特别地,选取m序列、gold序列和Kasami序列进行预编码,并分析了扩展因子的影响和这3种序列的特点和适用环境。仿真结果表明,取相同扩展因子时,分别采用这3种序列进行预编码,不同程度地增加了OFDM一体化信号的峰值旁瓣比,将提升OFDM一体化信号的目标检测能力。
应对孪生网络单目标跟踪算法在跟踪中遇到背景杂乱、相似物影响、遮挡等复杂场景的问题导致跟踪系统精度和成功率下降的问题,提出一种融合坐标注意力机制和模板更新的跟踪算法MCUSiamRPN(MobileNet coordinate attention and updating of template SiamRPN).在SiamRPN算法基础上,采用改进的MobileNetV3为特征提取网络,多层特征信息分别送入坐标注意力模块,进行特征融合,丰富语义信息;设计了一种自适应模板更新模块,结合初始模板和当前帧的模板用于估计下一帧的最佳模板更新模板信息.在OTB100和UAV123两个数据集上进行测试,结果显示:相比于基准算法SiamRPN,精度分别提升了5.3%和3.7%;成功率分别提升了3.7%和5.2%,验证了该算法的有效性.
针对低信噪比条件下正交频分复用(orthogonal frequency division multiplexing,OFDM)系统利用MUSIC算法(multiple signal classification)进行时延估计时,特征值分解得到的信号子空间和噪声子空间不能完全正交导致算法性能下降的问题,提出一种基于子空间加权的时延估计算法——WMUSIC算法(weighted multiple signal classification)。算法对信道频域响应估计的协方差矩阵进行特征分解,利用噪声特征值的幂级数对噪声子空间进行加权处理,同时采用信号特征值的倒数对信号子空间进行加权处理,以修正MUSIC算法的伪谱,通过谱峰搜索得到时延估计值。仿真结果表明,与MUSIC算法相比,WMUSIC算法具有更高的时延估计精度,在信噪比为-8 dB时,估计精度在两径条件下提升71.46%,三径条件下提升19.48%。WMUSIC算法有效解决了低信噪比条件下MUSIC算法伪谱谱峰存在混叠导致谱峰搜索误差较大的问题,可以完成较为准确的时延估计任务,提高了低信噪比条件下OFDM系统的时延估计性能。
