机载雷达、红外、电子支援措施协同跟踪与管理

针对辐射限制下的目标跟踪问题,提出了一种机载雷达、红外传感器(infrared search and track, IRST)、电子支援措施(electronic support measure, ESM)协同跟踪与管理的方法。针对雷达、红外、ESM量测时间不一致的特点,采用顺序处理结构的多传感器集中式融合方式对目标进行跟踪,利用跟踪过程中的预测协方差与预定门限进行比较控制雷达辐射,并分析了红外、ESM不同间歇时间、不同控制门限与雷达辐射时间的相对关系。研究结论有助于提高作战飞机的抗侦察和抗干扰能力,从而提升整体的生存能力。     

杂波环境下可移动主被动传感器长时调度方法

针对杂波环境下的多目标跟踪问题, 基于可移动主被动传感器系统, 提出了一种辐射控制的长时调度方法。首先, 建立调度模型, 对多目标运动状态和量测结果、传感器调度动作等进行数学描述; 同时, 基于雷达工作原理和截获概率的思想, 提出改进的辐射风险量化方法。随后, 利用高斯混合概率假设密度滤波算法预测长时跟踪精度, 利用所提改进的量化方法预测长时辐射代价, 并利用改进的灰狼优化算法求解传感器调度方案。最后, 执行调度方案获得多目标量测信息, 采用联合广义标签多伯努利滤波算法计算目标估计状态。仿真实验表明, 所提调度方法在保证跟踪精度的基础上, 能够实现对辐射代价的有效控制, 与其他方法相比具有明显的优势。     

基于多智能体与市场理论的多机载平台传感器管理

针对作战飞机编队多目标攻击中的传感器管理问题,提出了一种基于多智能体和市场理论的多机载平台传感器管理方法。该方法在多智能体的框架下建立飞机编队多传感器多目标分配模型,将目标分配和传感器管理问题转化为市场理论中的“性价比”最优问题,建立了基于“性价比”最高的任务规划模型、以任务为驱动的传感器目标配对模型以及多平台集中式融合跟踪模型,并利用市场拍卖算法完成传感器-目标分配问题。仿真结果证明了该方法的有效性,与基于信息论的传感器管理方法比较证明了方法的优越性。研究结论有助于提高作战飞机编队的进攻效率,从而提升整体的攻击能力。     

基于任务控制的动态多传感器管理方案

针对信息融合系统平台跟踪多目标过程中的多传感器管理问题,提出了一种基于任务控制的动态多传感器管理方案。根据滤波后的目标误差协方差与不同战场态势下的期望之间的差异,度量目标当前精度要求。利用模糊物元分析法,根据目标自身属性值和当前状态值,计算欧式贴近度,从而获得目标威胁度。在综合考虑传感器性能和系统资源能耗的基础上,建立了任务需求模型。依据该模型控制多传感器实现对目标的探测,寻求模型的最优解。仿真结果表明,该方案在保持目标跟踪精度及时效性的同时,能适当地控制资源消耗,减少系统总耗能。     

基于序优化的多传感器协同雷达辐射控制

为了提高作战飞机的隐身性能,同时保证飞机的跟踪精度,提出了基于序优化（ordinal optimization, OO）的多传感器协同(multi-sensor collaboration, MSC)辐射控制方法。该方法基于交互式多模型-扩展卡尔曼滤波算法建立了MSC下雷达辐射控制(radar radiation control, RRC)的参数优化模型。在跟踪过程中,利用目标残差范数来确定雷达是否开机。针对RRC的参数优化模型,采用OO的方法对等间隔控制、实时控制和混合控制3种方式进行求解,分别得到3种控制方式最优的雷达辐射周期和辐射控制因子。仿真结果验证了混合控制方式优于另外两种控制方式,且表明OO方法能够保证以足够高的概率求得足够好的解。     

基于信息增量的多被动传感器资源分配算法

针对多被动传感器多目标跟踪中的传感器资源分配问题进行研究。讨论了多被动传感器跟踪误差的克拉美-罗下限,在此基础上分析了多被动传感器系统跟踪误差的几何分布。为解决多目标跟踪中的传感器资源分配问题,通过先验信息熵与后验信息熵之间的差值获得信息增量;在此基础上针对多被动传感器系统的特点构建最优化分配模型,将被动传感器组合在不同时刻动态地分配给不同目标。仿真实验表明,与不考虑资源分配的固定跟踪模式相比,该方法能够高效合理地利用有限资源,并且使多被动传感器多目标跟踪系统的整体跟踪性能得到提高。     

一种改进的多传感器多目标跟踪联合概率数据关联算法研究

联合概率数据关联(JPDA)算法对单传感器多目标跟踪是一种良好的算法,但对于多传感器多目标跟踪的情况,特别是目标较为密集时,计算量剧增,会出现计算组合爆炸现象。因此,提出了一种改进算法,即对多传感器多目标量测进行同源划分,将多传感器对多目标的跟踪问题简化为单传感器对多目标的跟踪问题,然后将JPDA当作一种组合优化问题,采用连续型Hopfield神经网络求解关联概率。经仿真研究表明,该方法不仅克服了JPDA算法在多传感器多目标跟踪问题中的缺陷,还提高了跟踪精度。     

多传感器异步关联航迹的融合

异步航迹融合是多传感器多目标跟踪系统的一个重要问题。由于多传感器的采样速率和通信延迟不同,因此为了提高跟踪精度和准确性,融合中心必须进行异步目标航迹融合。在分布式模式下,基于各传感器在Kalman滤波器输出本地目标航迹的基础上,提出了一种融合误差均方差矩阵的迹最小意义下的异步目标航迹融合算法。给出了具体的实现步骤。仿真实验结果表明,这种融合方法是有效的。     

用于多传感器目标跟踪的数据时空对准方法

分布在不同平台的不同类型、不同精度的传感器,对同一个目标进行观测所得到的目标观测数据差别很大。在进行多传感器目标跟踪时,首先必须把来自不同平台的多传感器数据进行时空对准。针对这个问题,通过建立参心空间直角坐标系和归一化采样间隔的方法对多传感器数据进行了空间统一和时间统一,解决了多传感器目标跟踪的基础问题。其结果具有普遍适用性,具有广泛的使用价值。基于该方法的技术已经应用到实际中,并取得了良好的效果。     

基于图Laplacian的多机编队目标跟踪方法

针对多无人机目标跟踪问题中存在的相位协同时间长和跟踪目标速度受限问题, 基于图Laplacian方法提出一种分布式多机编队目标跟踪算法。首先, 将无人机编队队形控制问题转换为基于旋转、缩放和平移的运动参数组设计问题, 并通过设计编队控制律, 实现动态编队队形的精准生成与变换。其次, 将此编队队形控制方法应用到目标跟踪问题上, 通过分析不同目标速度下的跟踪情况建立相应的跟踪模型, 实现无人机编队对目标进行快速协同跟踪, 并克服跟踪目标速度限制问题。最后, 仿真结果验证了所提方法的有效性和优势。     

防空雷达中的目标识别技术

雷达技术从其诞生至今已经历半个多世纪的发展历程，并且被证明是对空中目标检测、测距和跟踪最强有力的工具。然而，与雷达同时出现的目标识别问题，至今仍没有满意的答案。本文简要回顾了雷达目标识别的历史，讨论了与防空武器系统密切相关、也是目前普遍认为是最重要的几种目标识别技术，包括动态目标的回波起伏和调制谱特性，高分辨力雷达目标识别技术，目标的极化特征及其识别技术，目标谐振响应与超宽带雷达目标识别技术等。     

基于相对系统误差估计的组网雷达点迹融合技术

雷达组网点迹融合系统中,雷达系统误差的存在导致雷达点迹的空间配准精度不能满足数据关联和点迹融合的需求。提出一种基于相对系统误差估计的组网雷达点迹融合技术,即将各雷达观测统一到本地雷达的系统误差基准上,以实现精确的点迹空间配准。这种融合技术能提高融合航迹的精度,改善多目标环境下数据关联的正确率,并且当本地雷达功能失效时,融合中心可以采用远方雷达点迹进行补盲,实现精确的航迹维持。仿真实验验证了以上结论。     

双隐身飞机闪烁干扰对单脉冲雷达性能的影响

针对单脉冲雷达检测跟踪协同干扰状态的双隐身飞机编队时,角度跟踪误差性能难以合理评价的问题,首次建立了基于侧双机编队平飞航迹的隐身飞机协同闪烁非相参干扰模型,经过相同航迹下编队姿态的解算,获取闪烁干扰模型下的编队动态雷达散射截面序列,结合双机闪烁干扰模型下单脉冲雷达角度跟踪特点,推导得出与双机编队闪烁干扰相适应的单脉冲雷达角度误差跟踪模型,以最小干扰有效诱偏角为实时参变量对闪烁干扰模式下雷达角度跟踪误差性能变化的程度作出了评价。仿真表明双隐身飞机闪烁非相参干扰在干扰释放阶段能有效使单脉冲雷达角误差提高5.67倍,有效诱偏单脉冲雷达的角度跟踪。     

基于IMM算法的机场场面运动目标跟踪

为了实现对机场场面运动目标的精确跟踪,研究了将交互式多模型（interacting multiple model, IMM）滤波算法应用到机场场面监视雷达对运动目标的跟踪中。首先,根据飞机的真实运动情况建立了飞机的匀加速运动、匀速转弯运动及匀速运动模型,然后,利用无迹卡尔曼滤波(unscented Kalman filter, UKF)与IMM相结合的UKF-IMM算法对场面雷达监视的飞机的运动进行了跟踪建模,并将UKF IMM算法与基于扩展卡尔曼滤波（extended Kalmam filter, EKF）的EKF-IMM和基于当前统计模型的单模型跟踪算法进行仿真比较。结果表明,UKF-IMM跟踪算法在雷达场面跟踪方面具有更大的应用价值。     

用反卷积法获得雷达目标回波波形特征

本文探讨了高、低分辨力两类雷达视频回波与目标散射特性的关系,提出了适用于低分辨力雷达目标识别的回波卷积模型;利用微波暗室测量与数字仿真得到低分辨力雷达视频回波波形,并采用投影迭代反卷积算法,获得目标散射中心特征波形,这些波形在提取目标特征及识别方面优于原始视频回波,从而验证本文模型及算法的可行性。     

相控阵雷达波束波形联合自适应调度算法

针对多功能相控阵雷达,提出了一种波束和波形的联合自适应调度算法。首先建立了联合调度的最优化模型,该模型根据当前时刻目标实际协方差与期望值的偏差代价以及所选波形的能量代价,来确定下一时刻相控阵雷达的最佳工作方式。对于多目标跟踪,分别给出协方差偏差均值和最大协方差偏差的两种偏差度量准则。所提出的算法可以依据最佳的调度方式来控制相控阵雷达下一时刻波束的工作模式以及相应的工作波形,使得对所有目标的跟踪偏差代价和资源消耗代价最小化。仿真结果表明本文所提出的算法可以在维持目标期望跟踪状态的条件下,有效地调度雷达的工作模式和波形。最后讨论了期望协方差阵的选取原则。     

分布式干扰下组网雷达目标检测与跟踪技术

针对分布式干扰下组网雷达目标检测与跟踪,提出一种基于分布式干扰下雷达量测模型的跟踪技术。该跟踪技术包括分布式干扰下量测模型和组网雷达序贯滤波跟踪两部分,分布式干扰下量测模型根据雷达采取抗干扰措施前后的接收机输入端的信干比分别计算检测概率,进而模拟传感器在分布式干扰下对目标的检测情况。在组网雷达序贯滤波中,首先对分布式干扰下各雷达的量测数据进行串行合并和点迹合成,然后采用基于交互多模型的序贯滤波方法对压缩后的数据进行跟踪。该检测与跟踪技术可模拟出雷达在分布式干扰下因检测概率下降造成的目标暂消现象,提高组网雷达跟踪航迹的连续性和稳定性。仿真结果证明了该技术的可行性和有效性。