静态网站用什么做最快单页面seo搜索引擎优化
matlab信号分选系统算法
针对得到的脉冲流PDW进行信号分选，包括重频恒定、重频抖动、重频参差和重频滑变四种脉间调制类型。
这里我们先进行数据的仿真，后续边仿真边分享思路：首先根据信号类型，分别产生重频恒定、重频抖动、重频参差和重频滑变共四部雷达，雷达参数如下
DOA（角度）：35°、45°、50°、20°；
PRI （脉冲重复周期）：100us、33.33us、20us、14.3us；
PW（脉宽）：4us、10us、2us、12us；
FC（载频）：32.5GHz、40GHz、92GHz、20GHz；
重频类型：重频恒定（1）、重频抖动（2）、重频参差（3）、重频滑变（4）
注：产生的过程中加入了10dB的信噪比，同时加入了10%的虚假脉冲，并且考虑了5%的脉冲丢失情况，此次仿真时长为0.04s，共6461个脉冲（包含虚假脉冲）
如图为四部雷达得到的TOA序列图
信号分选方法
整体信号分选系统部分按照处理先后顺序分为预分选、重频恒定判定、参差校验、抖动滑变判定四个部分。
（1）预分选
预分选的目的主要是根据脉冲PDW中角度（DOA）、脉宽（PW）以及载频（Fc）对脉冲流进行稀释，减少后续分选的难度。
预分选采用动态聚类算法进行稀释处理，选择动态聚类的原因是由于真实情况下我们是无法预先知道电磁环境中存在具体几部雷达
根据预处理算法可以得到聚类后的4部雷达序列，将其打包，并存下各自脉冲的PDW信息，方便后续进行脉间分选，从结果可以看出，聚类后将6461个脉冲分为了4类
（2）重频恒定判定
重频恒定的分选采用SDIF算法，SDIF算法对恒定PRI具有较好的分选效果，同时针对重频参差信号可以将其分选出多个重频恒定的子序列，方便后续进行融合处理。
大体算法是SDIF，但中间有很多细节，比较复杂，有空再分享
通过算法分别对（1）中每一类进行重频恒定判定，可以得到如下结果
结果中，第一列表示序号，第二列表示类型，1为重频恒定，第三列表示PRI，第四列表示DOA、第五列表示PW，第六列表示FC，第七列表示在（1）中预分选结果中第几类中分选出的；从结果可以分析出，第1、2、3均从第三类中分选出的，而且其各个参数都十分接近，这表明经过重频恒定将三参差信号判定成了三部重频恒定的信号，而唯一一部重频恒定的信号此时以及分选出来了，目前只差抖动和滑变两部雷达。
（3）参差校验
重频恒定的分选采用SDIF算法，SDIF算法对恒定PRI具有较好的分选效果，同时针对重频参差信号可以将其分选出多个重频恒定的子序列，方便后续进行融合处理。
经过（2）步骤后，存在一部三参差雷达被拆散的结果，此时需要将其进行合并，得到参差雷达，这里主要的思路其实就是匹配，在（2）中结果将各参数接近的信号进行合并，然后重新聚类，得到子参差PRI，完成参差信号的分选。
仿真结果如下：
结果中，前7列含义与（2）中相同，第8列表示参差个数，为0就是不是参差，第9列开始分别表示各参差PRI。
从结果中分析，三参差子PRI相加，即与第3列PRI一致，此时完成了重频恒定和重频参差的分选。
（4）抖动滑变判定
重频抖动与重频滑变信号一般PRI覆盖范围较大，SDIF算法已经无法适用，这里采用改进的PRI变换法进行分选，该算法的好处是能够消除谐波的影响。
分别对剩余脉冲进行修正PRI变换法，可以得到两次PRI变换结果如图所示
从图中可以看出，第一张图为抖动信号的PRI变换图，第二张图为滑变信号的PRI变换图，在算法中，需要根据信号的形式计算其数据分布判断是抖动还是滑变，同时需要考虑一些虚假信号的排除，比如图二中谐波的排除，这需要进行序列搜索算法的处理，当连续搜索超过一定阈值时，才认为当前PRI成立。
最终，可以得到全部信号分选结果如下图
结果中，当类型为抖动或滑变时，第8列表示最小PRI，第9列表示最大PRI