基于预测信息的量测转换序贯滤波目标跟踪

针对多普勒雷达目标跟踪问题,提出了基于预测值量测转换的序贯滤波目标跟踪算法。该算法采用基于预测信息的量测转换方式解决量测与目标运动状态的非线性,其中位置量测转换采用乘性去偏、伪量测转换采用加性去偏,量测转换误差的统计特性基于预测值进行推导,并采用序贯滤波方式处理伪量测以实现目标跟踪。同时将该算法扩展到机动目标跟踪情况,综合利用了位置量测与伪量测滤波部分输出的概率组合作为该模型的更新概率,利用模型更新概率对各滤波器的状态估计结果进行加权求和获得最终估计。仿真结果表明该算法与传统的序贯滤波跟踪算法相比,具有更高的跟踪精度,其扩展方法可实现有效的机动目标跟踪。     

基于概率数据关联的雷达导引头抗速度拖引干扰算法

针对在速度拖引干扰下, 脉冲多普勒雷达导引头无法精确跟踪、制导目标的问题, 提出了基于概率数据关联的抗速度拖引干扰算法。对于雷达导引头角度测量信息和Doppler测量信息, 采用序贯扩展卡尔曼滤波算法进行目标状态估计。根据Doppler信息强非线性的特点构建了伪量测信息, 并提出了在Doppler量测更新滤波估计阶段，采用概率数据关联算法进行抗速度拖引干扰。给出了算法的推导过程, 并进行了数值仿真验证。仿真结果表明, 采用该算法能够稳定跟踪释放多重速度拖引干扰的目标, 有效抑制速度拖引干扰对制导信息估计的影响, 改善导弹的制导精度。     

基于量测转换序贯滤波的GMPHD机动目标跟踪

针对多普勒雷达杂波环境下的多机动目标跟踪, 提出了一种基于去相关无偏量测转换序贯滤波的多模型高斯概率假设密度算法。针对量测的非线性, 将位置量测进行无偏量测转换, 将多普勒量测进行去偏量测转换, 并通过序贯滤波方式提高跟踪精度。针对多目标的机动性, 在高斯混合概率假设密度(Gaussian mixture probability hypothesis density, GMPHD)中引入多模型思想对模型相关的高斯分量进行预测、更新处理。仿真结果显示, 所提算法可以在杂波环境中实现有效的机动多目标跟踪, 与无迹卡尔曼多模型GMPHD相比不仅跟踪精度提升了38.15%, 而且大大改善了算法效率; 与无迹卡尔曼最适高斯近似GMPHD相比, 在效率上有小幅度的增加, 且跟踪精度提升了36.47%。     

基于粒子滤波的弱目标检测前跟踪算法

针对低信噪比条件下弱目标的实时检测与跟踪,提出了一种基于粒子滤波,结合序贯概率比检验和固定样本长度似然比检验的递归检测前跟踪算法。粒子滤波用以解决跟踪中的非线性和非高斯问题;序贯概率比检验通过序贯累积多帧观测数据来提高信噪比,以最小时延检测到目标存在;固定样本长度似然比检验,通过选择合理的样本长度,保证持续检测到目标,且无延迟检测目标消失。仿真试验表明,该算法有着良好的检测与跟踪性能。     

集中式组网雷达的假目标欺骗干扰优化方法

针对组网雷达系统综合抗干扰能力强的问题,在集中式融合结构组网雷达背景下提出了一种假目标欺骗干扰优化方法。首先，建立了组网雷达跟踪目标的状态和量测模型,以及假目标距离和速度欺骗干扰模型,进而建立了量测偏差模型。然后，在此基础上,分别研究了单次和持续假目标欺骗干扰对组网雷达融合中心的卡尔曼滤波状态估计误差的影响。最后，通过分析假目标欺骗干扰的约束条件,提出了假目标欺骗干扰目标函数最优化的问题,并基于模拟退火算法进行了求解。仿真结果验证了假目标欺骗干扰引起的状态估计误差的表达式,以及本文方法的有效性。     

基于量测转换方法的概率数据关联算法

针对在使用雷达跟踪目标应用中,目标运动模型通常线性地建模在直角坐标系内,而量测数据由传感器获得的实际情况,提出了基于量测转换方法的概率数据关联算法。推导了该算法中相关的滤波估计、滤波误差协方差和数据关联概率,并且提出了跟踪门的确定方法。仿真结果表明了新算法的可行性和有效性。     

基于幅值信息的联合概率数据关联粒子滤波算法

针对非线性非高斯环境下多目标被动跟踪的低可观测问题,将粒子滤波、联合概率数据关联和量测的幅值信息相结合,提出了一种基于幅值信息的联合概率数据关联粒子滤波算法。将联合概率数据关联算法中的关联似然与幅值似然比相结合,利用粒子滤波算法进行跟踪滤波,用幅值量测来改善低可观测条件下的目标跟踪性能。仿真结果表明,该算法提高了数据关联的可靠性和目标跟踪的精度。     

基于随机集理论的多个声目标融合跟踪

针对杂波环境下,采用多个被动声传感器跟踪多个声目标的应用场合,建立了多个声目标跟踪的随机有限集模型,采用概率假设密度(probability hypothesis density, PHD)粒子滤波对该模型进行求解。针对PHD滤波器只适用于单传感器的问题,提出了一种实现多个声传感器融合跟踪的方法。该方法在序贯PHD滤波器的基础上进行改进,提高了目标检测率,通过仿真实验验证了该方法的有效性。     

一种改进粒子滤波器在雷达目标跟踪中的应用

在实际雷达目标跟踪系统中,雷达量测常受到闪烁噪声干扰,传统卡尔曼或扩展的卡尔曼滤波算法在闪烁噪声环境下,滤波性能将急剧下降甚至滤波发散。提出了将粒子滤波与无迹变换结合的改进粒子滤波算法UPF(uncented particle filter)应用在雷达目标跟踪中,解决了闪烁噪声情况下雷达目标跟踪问题。仿真结果表明,在高斯条件下扩展的卡尔曼算法和基于无迹变换的粒子滤波算法跟踪性能相近,但在闪烁噪声环境下,随着闪烁影响的增强,扩展的卡尔曼算法跟踪性能严重下降,而UPF算法能保持较好的跟踪精度。     

基于波形捷变的多传感器机动目标跟踪

针对现代战场中目标往往采用机动方式运动的情况,为了提高目标跟踪的准确性和精确性,结合多传感器数据融合的优点,提出了一种基于波形捷变的多传感器机动目标跟踪方法。该算法通过波形捷变来改变量测的精度。首先在现有文献的基础上,将波形捷变方式推广到二维空间,把雷达量测的克拉美罗下限（Cramer-Rao lower bound,CRLB）近似为量测误差协方差,由于该CRLB是关于发射波形参量的,从而把雷达跟踪的信号处理与数据处理结合在一起,通过波形参量的动态选择得到量测误差协方差的最小值。从而在整个雷达跟踪过程中提高信噪比（signal to noise ratio,SNR）,降低量测误差。其次,在数据处理上,采用多传感器数据融合及粒子滤波进一步提高机动目标跟踪的精度。最后,将该算法与传统的Kalman滤波、粒子滤波及只对一维空间的量测采用波形捷变的算法和交互多模型方法（interacting multiple model,IMM）进行仿真比较,仿真结果显示该算法对机动目标的跟踪精度显著提高。     

基于多特征的密集假目标干扰融合识别与抑制

密集假目标干扰通过产生大量虚假回波扰乱雷达对真实目标的有效检测和识别,由于虚假回波信号与真实信号的高度相关性,雷达很难对其进行有效识别和抑制。针对该问题,提出了基于信号数据多特征的脉冲多普勒雷达密集假目标干扰融合识别与抑制技术,通过速度量测统计分布特征提取、峰值邻域谱线抑制、谱线分布信号幅度基本概率赋值构建及D-S证据理论融合判别实现了干扰的识别与抑制,仿真验证了该方法的有效性。     

基于OS-CFAR的LFM脉压雷达多假目标干扰分析

目前，对采用恒虚警检测的线性调频脉冲压缩雷达的干扰方法,主要针对采用均值类恒虚警检测的情形,而对于专门用于多假目标检测的有序统计类恒虚警(order-statistic constant false-alarm rate, OS-CFAR)检测器,尚未有专门的干扰方法出现。针对此问题,提出了一种专门针对OS-CFAR检测的多假目标产生方法。首先根据OS-CFAR检测原理进行干扰假目标设计,在此基础上提出利用间歇采样部分转发产生多假目标的方法,然后针对OS-CFAR检测的特点对干扰参数进行设置,合理安排干扰机位置或者移频后转发,在目标的左右检测单元产生了数量、幅度、空间分布可控的多假目标。仿真结果表明,该干扰方法可以有效降低目标在雷达检测端被发现的概率。     

雷达抗自卫转发式航迹假目标欺骗干扰技术

在杂波背景下,传统的自卫转发式航迹假目标欺骗干扰识别方法的正确识别率较低,且利用单一信号特征鉴别真假目标的正确鉴别率较低。针对此问题,提出了一种新的抗自卫转发式航迹假目标欺骗干扰技术。首先,使用常规多目标跟踪算法消除杂波的影响,然后利用基于目标状态估计的角度检验和N/M逻辑准则判断雷达是否遭受自卫转发式航迹假目标欺骗干扰。若存在干扰,则提取目标信号的幅度和相位量化信息,使用多级模糊综合评判对真假目标进行联合鉴别。该技术对自卫转发式航迹假目标欺骗干扰正确识别率较高,能有效剔除形成稳定航迹的假目标。仿真结果验证了该技术的可行性和有效性。     

基于压缩感知信号重构的间歇采样转发干扰对抗方法

间歇采样转发干扰是一种针对大时宽带宽线性调频(linear frequency modulation, LFM)信号的新型相干干扰样式,通过不同的参数设置可以形成逼真多假目标以及具有压制效果的密集假目标干扰。根据间歇采样转发干扰“存储转发存储转发”的干扰特点,给出了能量函数的定义,并根据目标回波信号和干扰信号能量函数的特征差异,提出了一种提取未受干扰影响的目标回波信号数据的方法;然后将其看作目标回波信号的压缩数据,利用其与解线调处理后的目标回波信号稀疏频域之间的线性关系,构建了压缩感知最小问题求解模型;最后,利用正交匹配追踪算法重构了目标回波信号,实现了对间歇采样转发干扰的抑制。蒙特卡罗仿真结果表明:通过设置合适的阈值,所提方法可以获得较好的干扰抑制性能和较高的抗干扰成功概率,并且不仅适用于中带LFM匹配滤波体制雷达,而且适应于宽带LFM去斜体制雷达。     

捷变频雷达联合脉内频率编码抗间歇采样干扰

间歇采样转发干扰通过对雷达信号进行部分采样并迅速转发, 在当前脉冲重复周期内, 产生相干假目标串, 使得基于传统频率捷变雷达的目标检测面临严峻挑战。因此, 在频率捷变技术基础上提出一种捷变频雷达联合脉内频率编码的抗间歇采样干扰方法。针对间歇采样干扰时域不连续的特点, 通过脉内频率编码-脉间频率捷变实现子脉冲间的相互掩护。脉冲压缩后, 首先利用最大类间方差法(Otsu)自适应计算阈值并抑制干扰, 然后通过二维稀疏重构方法实现目标检测。理论分析和仿真实验证明所提方法可以有效对抗间歇采样干扰。     

对线性调频雷达的正弦加权调频干扰技术

根据线性调频雷达发射信号的特点,提出一种新的应答式干扰技术——正弦加权调频干扰,即干扰机对接收到的雷达照射信号附加正弦频率调制,然后将调频结果放大之后转发出去。阐述了利用正弦信号进行频率调制的干扰机理,分析了干扰信号的频率特性,推算了决定干扰效果的各项关键参数。理论分析证明,正弦加权调频干扰对于线性调频雷达具有显著的干扰效果,根据调制参数不同可以产生假目标欺骗干扰和覆盖干扰,且只需要较小的干扰功率。仿真实验表明了理论分析的正确性和实际应用的可行性。     

双基地MIMO雷达抗分布式干扰方法

分布式干扰是一种近距离、空间密集型干扰,单基雷达常用的超低旁瓣天线、天线旁瓣对消和旁瓣匿影等技术难以与其进行有效对抗。双基条件下,远距离的目标和近距离的干扰机必将在其相对于发射阵列或接收阵列的角度上存在较大差异。利用该现象,提出了一种双基地MIMO雷达抗分布式干扰的方法。该方法通过发射阵列多阵元正交发射的方式在目标回波及转发式干扰信号中分别嵌入了目标和干扰机相对于发射阵列的角度信息,随后在接收阵列上通过等效收、发二维空域滤波处理即可有效地滤除分布式干扰信号。数值仿真的结果证明了该方法的有效性。     

雷达与ESM综合多目标检测、跟踪与识别

为在预警监视系统中对多目标的检测、跟踪、识别过程进行统一处理,提出一种基于跳转马尔可夫系统模型高斯混合概率假设密度滤波(jump Markov system model Gaussian mixture probability hypothesis density filtering,JMS-GMPHDF)算法的雷达、电子支援措施（electronic support measures,ESM）综合多目标检测、跟踪与识别方法。该方法首先根据不同类别目标设计各自的多目标多模型高斯混合概率假设密度滤波器,并在各滤波器处理过程中同时对高斯项进行编号;然后,根据目标速度与加速度模型信息进行高斯项综合与类别判决,同时根据ESM测量信息进行型号判决;最后,通过航迹综合管理,形成具有运动状态信息以及类别、型号、航迹编号信息的确定航迹。仿真实验验证了该方法能够有效综合雷达、ESM测量数据,在进行多目标检测、跟踪的同时进行正确的类别、型号判决,并形成确定航迹。     

远距离支援干扰下双隐身飞机自卫相参干扰对单脉冲雷达影响

以复杂电磁环境下双隐身飞机自卫相参干扰对抗单脉冲雷达为研究背景,针对单脉冲雷达角欺骗问题,提出了远距离多假目标干扰下双隐身飞机自卫相参干扰模型。首先构建双隐身飞机姿态敏感性模型,提取即时雷达散射截面序列,依据目标回波与干扰信号对应关系,建立复合等效信干比模型。在此基础上,采用脱靶与有效干扰最小即时距离对双机干扰模式下雷达角跟踪误差形成评判指标。仿真表明，该组网干扰模式使雷达角跟踪误差提高696.49倍,比单一干扰模式使单脉冲雷达角跟踪误差平均提高1.07倍,检验了组网复合相参干扰样式的有效性。     

LFM脉冲雷达恒虚警检测的协同压制干扰

针对采用恒虚警检测的线性调频脉冲压缩雷达,提出多假目标联合灵巧噪声的协同压制干扰方法。首先阐述了利用卷积调制转发实现多假目标压制干扰的机理,并推导得到压制信号关键参数值,如假目标个数及干噪比。然后分析了多假目标干扰在侦测参数存在误差时的不足之处,并进一步计算进行协同干扰所需的压制噪声功率。最后对协同压制干扰的效果进行了仿真验证,仿真结果表明,该方法能够降低目标发现概率,实现对雷达检测环节的有效干扰。