基于子像空间的雷达目标一维距离像识别

提出了一种基于子像空间的雷达目标一维距离像识别方法。该方法一方面通过建立目标子像空间，改善了对输入目标为库属目标的识别率；另一方面基于假设检验理论，在分类判决中引入判决门限，能够有效地对库属目标和非库属目标进行判别。模拟实验结果表明该方法的有效性。     

VTS雷达及岸基溢油雷达组合选址优化

针对实际建址时存在障碍物遮挡和雷达传递衰减的船舶交通管理系统（Vessel Traffic Service，VTS）雷达及岸基溢油雷达组合选址问题，基于空间几何方法，在三维空间中提出了障碍物遮挡判断方法，并引入衰减函数进行雷达衰减测度，以建站成本最小和水域面积覆盖率最大为目标建立多目标选址模型。根据问题设计了自适应混沌多目标粒子群算法，在满足位置约束时生成初始解，提高算法求解速度；引入混沌机制和飞蛾火焰算法的螺旋搜索机制对粒子速度及位置更新策略进行改进，增强算法的局部和全局搜索能力。通过算例验证了本文所提出的判断方法及模型的有效性。研究成果不仅深化和拓展了VTS雷达选址及溢油问题的相关研究，也为海事主管机构在进行VTS雷达站及溢油雷达选址时提供理论依据。     

舰船目标雷达回波特征信号的建模与仿真

目标建模与特征信号仿真是雷达对目标进行探测与识别的重要前提和基础。针对宽带条件下大型舰船目标的雷达特征信号难以进行实测和缩比测量的难点，采用面元法对目标的雷达散射截面（RCS）进行了有效的预估，通过多频点RCS成像方法获得目标的一维距离像特征信号。给出了具体建模和仿真计算的实例，并进行了详尽的结果分析。     

机载共形相控阵雷达二维杂波建模与分析

分析了机载预警(AEW)雷达可能采用的横柱型和竖柱型这两种基本的共形相控阵的方向图特性，提出了其阵元的放置规律，对这两种机载侧视共形相控阵雷达的杂波进行了建模，并依此模型对这两种机载共形相控阵雷达的杂波数据进行了计算机仿真，通过杂波协方差矩阵的估计求得其空-时二维杂波谱，检验了杂波模型的准确性，所做工作将对实际的共形阵具有重要的指导意义，也为进一步研究机载共形相控阵雷达信号处理和杂波抑制的技术和方法奠定了基础。     

ISAR运动补偿的快速方法

本文提出的一种新的ＩＳＡＲ运动补偿方法，是在文献［１］的复相关包给对准及相位中心对准补偿方法基础上进行改进的。这种方法减少了运动补偿的运算量，提高了距离和相位对准的精度，并能显著地改善回波信号起伏时的目标成像质量。     

宽带LFMCW扫频源的相对非线性校正方法

提出了一种利用相对非线性实现宽带LFMCW信号扫频非线性校正的方法，对该方法的原理进行了推导，并进行了计算机仿真和实际系统试验。该方法与以前的方法相比，具有不需已知延迟时间参数t     

模糊理论在雷达故障诊断中的应用研究

根据模糊数学中的可能性理论引入了“故障可能性”的概念。推导了故障可能性分布的模糊数学表达式，并对故障可能性在串联系统模型中的分布情况进行了研究。给出了基于故障可能性分布的模糊综合评判法，以及根据该方法所得出的结果。论述了其如何在雷达接收机故障诊断中获取故障诊断数据，进行故障定位等的过程和方法。     

雷达高度计系统模拟及目标信号检测

本文提出了雷达高度计的一种系统模拟方法。在已有数据和理论模型的基础上，提出了雷达回波强度的计算方法，并对这种新型高度计系统进行了计算机模拟。提出了一种目标信号检测算法，根据系统模拟结果计算出该高度计的发现概率和虚警概率，说明这种高度计可以用于各种飞机的测高。     

星载合成孔径雷达数据仿真研究

针对星载SAR原始回波数据模拟，建立了卫星姿态扰动模型，提出了一种距离迁移校正方法。同时给出了卫星姿态扰动、量化、噪声对原始回波数据产生的影响的模拟结果，以及距离迁移校正、方位加权对信号处理的模拟结果。这将有助于优化成像处理算法与SAR系统参数等方面的工作。     

软件无线电技术在通用雷达信号处理机中的应用

软件无线电概念最早是基于通信需求提出来的，而且也首先在通信领域得到应用，但软件无线电这种设计思想、新思路也完全适用于其他领域，如雷达、声纳等。本文介绍了软件无线电(SDR）的基本原理及其关键技术，针对全相参雷达的特点，提出采用雷达信号中频采样技术的实现方法，不仅使电路元器件显著减少，提高了系统的可靠性和信噪比，而且降低了相位噪声和杂散，满足了系统对雷达接收机的要求。利用软件无线电技术及其相关产品，搭建通用雷达信号处理机，最后对系统性能进行了分析和评估。     

一种基于模型的雷达超分辨方法

基于多目标及其雷达回波信号的建模,本文提出了一种实现雷达超分辨的新方法。该方法的基本思想是将空间上相距很近的多个目标的分辨转化为目标冲激响应的辨识,然后利用最小二乘方法估计目标的冲激响应函数。仿真结果表明,新的超分辨方法是十分有效的,并且具有结构简单和分辨力高等特点。     

多传感器基于证据理论的机载雷达用途识别

雷达用途识别是分析雷达型号和进行威胁评估的基础。在简要阐述D S证据理论基本概念的基础上 ,较系统地论述了基于D S证据理论的多传感器机载雷达用途识别的信息融合方法。该方法同时采用多个传感器 ,并且每个传感器进行多个周期的测量 ,然后利用多传感器多测量周期的信息 ,基于Dempster组合规则 ,采用中心式融合算法 ,对机载雷达用途进行识别。识别实例表明 ,该方法识别结果令人满意 ,使原来采用单一传感器可能存在的无法识别或误识别等现象得到了明显的改善。     

粗糙金属球体的激光散射截面的理论计算

本文提出了一种计算激光散射截面(LRCS)的方法,并用此方法计算了铝球五种表面精度的LRCS。结果表明,用这种方法近似计算LRCS是可行的。     

Radar Cross-Section Measurement Using the Near-Field Single-Frequency Angular-Diversity Technique

1.INTaODUCTIONRadarcross-sectionisaphysicalparametertorepreseDttheabilityofatargettoscsttertheelectromagneticwavefromaradar.IntheoreticalandexperimeDtalstudies,itisknownthatthehighfrequencyscatteringfromanelectricallylargetargetcanbewellapproximatelymodeledasifitisemanatedfromadiscretesetofpointsonthetargetcalledscatteringcenters[l,ZI.Thescatteringcentermodelisconceptuallyconciseanditprovidesasparseabstractionoftheactualcomplextargetfornumerousapplications.ForRCSmeasuremellt,asphericalw…     

雷达信号分选新算法研究

介绍了一种基于概率统计和信息流分析提取的改进雷达信号分选算法。主要讨论了这种算法在雷达信号分选中的应用,提出了针对特殊雷达环境的综合分选算法,通过大量实验验证了这种方法的可行性。首先讨论了信号预分选器的方案、数学模型及相关理论,验证了系统的可行性。在实现上,通过硬件电路完成对信号的采样、缓冲和滤波,也实现了其它逻辑电路。软件上通过分选算法的改进,提高了系统的性能。该分选系统可以处理常规信号、参差信号、捷变频信号、抖动信号、捷变频加参差信号、捷变频加抖动信号等多种信号类型。     

一种雷达系统效能的评估模型

本文运用层次分析法的思想,以模糊数学为工具对雷达系统效能进行了综合评估,确定了一套评价指标,建立了评估模型,以隶属度定量地给出了系统效能值,并以AN/FPS-16及AN/FPQ—13为例进行了综合评判.     

强杂波干扰背景下高分辨雷达信号的模糊检测

本文研究了强杂波干扰背景下运用模糊集合理论解决高分辨雷达信号的检测问题。文中首先分析了在高分辨雷达体制下获取稳定距离像的方法，并指出了传统匹配滤波方法的局限性。针对该问题，文中定义了四种模糊集合相似性测度，并在此基础上提出了一种模糊匹配滤波方法。基于文中定义的增量相似性测度准则对平均距离像采用模糊匹配滤波，实验结果表明该方法具有在强干扰背景下检测目标的良好能力，其性能明显优于传统匹配滤波方法。     

一种基于低分辨雷达的目标识别方法

讨论了一种基于低分辨雷达的目标(飞机)识别方法,描述了这种识别方法所依赖的硬件平台即目标回波数据采集系统的组成及工作原理,阐述了一种基于低分辨雷达的目标粗分类(目标大、中、小等粗略属性的判别)的方法,研究了低分辨条件下目标特征描述的思路, 尝试利用这些方法进行目标属性的粗分类以及进行机群目标架次的判别。现场实验表明,这 些方法是可行有效的,对于提高常规低分辨雷达的性能有着重要的意义。     

基于两次异常检测的雷达HRRP杂波稳健目标识别方法

对地目标识别中,目标回波中将不可避免的含有大量杂波,严重影响识别性能。针对该问题,提出了杂波稳健识别方法,该方法首先采用基于球形假设聚类的异常检测方法,完成小簇杂波的抑制;然后利用参数非依赖局部异常因子异常检测法对剩余散射点进行异常检测,完成点杂波的抑制;最后利用杂波抑制后的高分辨距离像进行特征提取和目标识别。本文方法对目标是否运动无要求,算法涉及参数不需要人为设定。实测数据验证表明,所提方法的识别率优于传统方法,随着信杂噪比降低识别性能稳健,且运算量较小。