高阶空间多分量非平稳信号分解理论与方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61871307
  • 项目类别:
    面上项目
  • 资助金额:
    67.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0111.信号理论与信号处理
  • 结题年份:
    2022
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2022-12-31

项目摘要

In the illuminating area, there are more than one targets or reflection points. Radar echoes are composed of multiple non-stationary components, which are located at the same frequency band, without spacial information, and received by the same antenna simultaneously. To analyze every target, multi-component non-stationary signal decomposition method attracts plenty of attention, and will be the premise of the meticulous processing of the radar signal. This project aims at solving the poor resolution, the aliasing frequency of the decomposed component, and the decomposition of the components with crossing instantaneous frequencies in time-frequency decomposition. To show the difference between the instantaneous frequencies and instantaneous frequency rates, the time-high order parameter representation is considered, including time-frequency representation and time-frequency rate representation. 1)For the components with crossing instantaneous frequencies, we propose a time-frequency rate decomposition method. 2) For the components with close instantaneous frequencies, we propose a time-frequency decomposition method, without aliasing frequency. 3) By combining the two signal decomposition methods in the time-high order parameter representation, a signal decomposition system is obtained and provides the every component in sense of time or frequency adaptively. The decomposition system will be a base for the signal target detection and recognition in complex scene. It is expected to publish over 20 high quality papers, apply for over 8 patents, and train over 10 Ph.D. or Master students.
雷达回波信号通常是同时从同一个天线、同一频段进入接收系统的多个不包含空间信息的非平稳信号。为了实现多目标信息的有效利用,多分量非平稳信号分解理论研究得到高度重视,成为现代雷达精细化处理的前提。本项目针对时频分解中面临分辨率差、分解分量存在模糊频率、时频域交叉的信号分量难以分离等难题,分析多分量非平稳信号在高阶空间中的表现,基于非平稳信号分量在瞬时调频率函数上的差别,提出时间-调频率域信号分解方法以精确地分解时频域交叉的分量;基于非平稳信号分量在瞬时频率函数上的差别,提出基于WVD的无模糊信号分解方法以精确、无模糊地分解时频域距离较近的分量。综合利用时间-调频率分解方法和时频分解方法,形成一套系统的多分量非平稳信号分解理论与方法,自适应地得到各信号分量的时域或频域波形,为复杂场景下目标回波检测与识别奠定基础。发表高水平论文20篇以上;申请国家发明专利8项以上;培养博士、硕士研究生10人以上。

结项摘要

雷达回波信号通常是同时从同一个天线、同一频段进入接收系统的多个不包含空间信息的非平稳信号。为了实现多目标信息的有效利用,多分量非平稳信号分解理论研究得到高度重视,成为现代雷达精细化处理的前提。本项目针对时频分解中面临分辨率差、分解分量存在模糊频率、时频域交叉的信号分量难以分离等难题,分析多分量非平稳信号在高阶空间中的表现,基于非平稳信号分量在瞬时调频率函数上的差别,提出时间-调频率域信号分解方法以精确地分解时频域交叉的分量;基于非平稳信号分量在瞬时频率函数上的差别,提出基于WVD的无模糊信号分解方法以精确、无模糊地分解时频域距离较近的分量。综合利用时间-调频率分解方法和时频分解方法,形成一套系统的多分量非平稳信号分解理论与方法,自适应地得到各信号分量的时域或频域波形,为复杂场景下目标回波检测与识别奠定基础。发表高水平论文10余篇以上;申请国家发明专利8项以上;培养博士、硕士研究生10人以上。

项目成果

期刊论文数量(19)
专著数量(0)
科研奖励数量(1)
会议论文数量(1)
专利数量(10)
Real Aperture Radar Forward-Looking Imaging based on Variational Bayesian in Presence of Outliers
存在异常值时基于变分贝叶斯的实孔径雷达前视成像
  • DOI:
    10.1109/tgrs.2022.3203807
  • 发表时间:
    2022
  • 期刊:
    IEEE Transactions on Geoscience and Remote Sensing
  • 影响因子:
    8.2
  • 作者:
    Weixin Li;Ming Li;Lei Zuo;Hongmeng Chen;Yan Wu
  • 通讯作者:
    Yan Wu
Joint Radar Scheduling and Beampattern Design for Multitarget Tracking in Netted Colocated MIMO Radar Systems
组网共置 MIMO 雷达系统中多目标跟踪的联合雷达调度和波束方向图设计
  • DOI:
    10.1109/lsp.2021.3108675
  • 发表时间:
    2021
  • 期刊:
    IEEE SIGNAL PROCESSING LETTERS
  • 影响因子:
    3.9
  • 作者:
    Sun Hao;Li Ming;Zuo Lei;Zhang Peng
  • 通讯作者:
    Zhang Peng
时频域分解海面回波及慢速微弱目标检测
  • DOI:
    10.19665/j.issn1001-2400.2019.05.012
  • 发表时间:
    2019
  • 期刊:
    西安电子科技大学学报
  • 影响因子:
    --
  • 作者:
    左磊;产秀秀;禄晓飞;李明
  • 通讯作者:
    李明
Fast Parameter Estimation Method for Maneuvering Target by Using Non-uniformly Resampling Reducing Order Technique
非均匀重采样降阶技术的机动目标参数快速估计方法
  • DOI:
    10.1016/j.sigpro.2019.03.006
  • 发表时间:
    2019
  • 期刊:
    Signal Processing
  • 影响因子:
    4.4
  • 作者:
    Runqing Cao;Ming Li;Lei Zuo;Hao Sun
  • 通讯作者:
    Hao Sun
Resource Allocation for Multitarget Tracking and Data Reduction in Radar Network With Sensor Location Uncertainty
具有传感器位置不确定性的雷达网络中多目标跟踪和数据缩减的资源分配
  • DOI:
    10.1109/tsp.2021.3101018
  • 发表时间:
    2021
  • 期刊:
    IEEE TRANSACTIONS ON SIGNAL PROCESSING
  • 影响因子:
    5.4
  • 作者:
    Sun Hao;Li Ming;Zuo Lei;Zhang Peng
  • 通讯作者:
    Zhang Peng

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

洋流干扰下的多自主水面无人船最优覆盖控制
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    西北工业大学学报
  • 影响因子:
    --
  • 作者:
    严卫生;左磊;崔荣鑫;陈伟
  • 通讯作者:
    陈伟
基于APES的超分辨广域成像算法
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    系统工程与电子技术
  • 影响因子:
    --
  • 作者:
    李明;卢云龙;左磊;张鹏
  • 通讯作者:
    张鹏
基于基追踪—Moore-Penrose 逆矩阵算法的稀疏信号重构
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    电子与信息学报
  • 影响因子:
    --
  • 作者:
    张晓伟;李明;左磊
  • 通讯作者:
    左磊
基于奇异谱分析的抗DRFM有源欺骗干扰
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    电子与信息学报
  • 影响因子:
    --
  • 作者:
    李明;陈洪猛;王泽玉;左磊
  • 通讯作者:
    左磊
不同n-6/n-3多不饱和脂肪酸比值对断奶仔猪生长性能和免疫反应的影响
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    中国畜牧杂志
  • 影响因子:
    --
  • 作者:
    赖长华;李藏兰;左磊
  • 通讯作者:
    左磊

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

左磊的其他基金

基于空域联合时频分解的海面慢速小目标检测新方法
  • 批准号:
    61501342
  • 批准年份:
    2015
  • 资助金额:
    21.0 万元
  • 项目类别:
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码