基于统计特性差异的距离多假目标识别技术

提出了一种基于角度量测统计特性差异的雷达距离多假目标欺骗干扰识别方法。首先针对传统的角度量测卡方检验方法容易将相同角度分辨单元内的多个真实目标误判为距离多假目标干扰的问题,利用虚假目标与真实目标距离量测之差的均值通常为时不变常数的特点,将角度量测卡方检验与距离量测差均值和方差联合检验相结合,实现了距离多假目标干扰存在性的准确判别;然后对多个时刻量测进行积累,并通过对应时刻角度量测做差,构造样本集合;最后利用虚假目标比真实目标角度量测方差大的特点,采用量测方差聚类划分的方法,实现了真假目标的准确鉴别。     

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。     

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。     

基于弹道平面性的有源假目标鉴别算法

针对弹道导弹突防过程中的有源假目标欺骗干扰,提出了一种基于弹道平面性的有源假目标鉴别算法.分析了自由段真目标和有源假目标的轨迹几何特性,真目标轨迹的所有点迹的地心矢径都在同一个平面内,而有源假目标的轨迹上所有点迹的地心矢径不在同一个平面内.利用真假目标航迹的这种平面性差异,提出了一种基于滤波航迹拟合平面的自适应双门限鉴别算法.计算机仿真实验验证了本文所提的鉴别算法的有效性和可行性.     

杂波环境下基于meanshift的多目标数据关联

针对杂波背景下多目标的数据关联问题,提出了一种基于meanshift的多目标数据关联算法.该算法首次将meanshift用于多目标的数据关联问题中,首先对接收到的量测数据通过meanshift算法进行聚类处理,然后结合最近邻思想完成量测航迹的关联,在目标密集或交叉的情况下,引入关联度的概念,与PDA相比,在提高关联精度的同时,也降低了计算量.蒙特卡罗仿真结果验证了该算法的可行性和有效性.     

基于概率数据关联与粒子滤波的多目标跟踪算法

提出一种基于概率数据关联和改进粒子滤波的多目标跟踪算法。该方法在分析关联区域内有效量测基础上,利用量测与目标预测位置的统计距离计算关联概率;然后,对粒子滤波器进行改进,将目标的最新量测和状态的高斯逼近组合在一起,对每个粒子采用类似于卡尔曼滤波的方式产生高斯建议分布。以比提高目标状态的估计精度;最后,将所有有效量测的估计结果按照关联概率进行咖权,从而实现多目标跟踪。仿真结果表明,该算法用于复杂环境下的多目标跟踪精度较高,不仅降低了关联概率的计算难度,而且可以准确地进行数据关联,具有一定的工程应用价值。     

基于广义似然比检验和二维分配的多目标跟踪方法

针对杂波环境下多目标跟踪形成问题,提出一种多目标跟踪方法,采用二维分配算法解决“量测-航迹”关联问题,采用广义似然函数比检验(generalize likelihood ratio test,GLRT)规则对航迹的真假作出判决,并且充分利用信号的强度信息来提高算法的可靠性和有效性。仿真分析表明,该方法能够有效地解决噪声环境下目标的航迹起始、确认、删除和维持问题,给出的递推形式可以满足实时计算的要求。     

基于信息熵权的最近邻域数据关联算法

复杂环境下雷达数据关联算法是多目标跟踪领域研究的重难点问题之一。其中,最近邻域算法虽然是一种计算量小、工程易应用的有效数据关联算法,但是存在数据关联正确率不高,滤波结果不够精确和多目标跟踪时易产生错误关联的问题。为改善该算法的数据关联效果,提出了一种最近邻域数据关联算法,通过进一步深度挖掘已知量测信息的熵,按照熵权法分析并确定各自量测指标的权值,再利用权值对最近邻域算法的统计距离关联准则进行优化,从而改善原算法在单目标跟踪中存在的问题。通过仿真实验结果分析得出,该算法相比于原算法具有更高的数据关联正确率、更小的跟踪误差和更快的收敛效果。     

单频网外辐射源雷达目标航迹维持新方法

通常雷达数据处理在航迹维持阶段,仅存在目标与量测的数据关联问题。单频网外辐射源雷达多个发射站同频同时发射相同的波形,因此还存在量测与发射站的关联问题。该文针对单频网外辐射源雷达目标跟踪的航迹维持阶段,重点研究了单频网下发射站—目标—量测三者的数据关联问题,通过将量测与发射站的关联融入常规的目标与量测的关联过程,使得发射站、目标和量测的多维关联问题转化为二维分配问题,得到了一种适用于单频网的航迹维持新方法,仿真和实测数据验证了该方法的有效性。     

基于关联的自适应新生目标强度CPHD滤波

量测驱动的自适应新生目标强度基数概率假设密度(adaptive target birth intensity cardinalized probability hypothesis density,ATBI-CPHD)滤波器可以在新生目标强度未知的情况下进行多目标跟踪,然而该方法利用所有量测产生新生目标,没有考虑关联问题。为此,本文提出了一种基于数据关联的改进算法。首先,给出了ATBI-CPHD在高斯混合CPHD(Gaussian mixture CPHD, GMCPHD)框架下的实现。其次,在GMCPHD滤波框架下采用一种基于量测标签的方法进行量测估计关联,并引入高斯元标签进行航迹保持,在此基础上提出了一种航迹管理方法。最后采用量测波门进行量测量测关联,利用关联后的量测产生新生目标。仿真结果表明,该算法可以在提高跟踪效果的同时提升计算效率。     

一种基于蚁群算法的数据关联方法

提出了基于蚁群算法的多目标跟踪数据关联方法--ACDA(Ant Colony DataAssociation).算法基于目标与量测之间的距离信息、角度信息和速度信息,依靠蚁群算法的优化机制,确定目标航迹和量测的正确关联,并且采用扩展卡尔曼滤波对目标状态进行估计.实验结果表明,该方法对应用在机动性较弱的高速小目柝数据关联时能够获得较高的正确关联率,且运行时间较短.     

利用最优定轨算法鉴别弹道有源假目标

分析了弹道导弹突防过程中有源假目标航迹的运动学特性,指出和实体目标相比,真假目标运动学特性的差异是一种非显著性差异,这种非显著性差异可以体现在初始参数估计的残差上。对于实体目标而言,其最优估计的归一化残差为高斯分布,而假目标残差为非高斯分布,可以作为鉴别的依据。设计了初始参数的最大似然（maximum likelihood, ML）估计算法,采用Levenberg Marquardt (L M)迭代法进行求解,并利用估计残差设计了假目标的鉴别算法。该方法的优点是不仅可以鉴别假目标航迹,而且对真目标而言,该算法同时是最优定轨算法。仿真结果验证了算法的有效性。     

FDA-MIMO雷达主瓣距离欺骗式干扰抑制方法

主瓣欺骗式干扰降低了对真实目标的估计精度与跟踪准确性,对传统雷达提出了挑战。针对此问题,基于频率分集阵(frequency diverse array, FDA)-多输入多输出(multiple input and multiple output,MIMO)雷达,提出了一种抑制主瓣距离欺骗式干扰的方法。假目标产生器通过对截获的雷达信号进行延迟转发,导致真、假目标的时延(距离)差异,由此可形成具有不同发射频率的假目标。据此,首先利用频率分集阵雷达的距离维自由度在联合发射-接收维对真、假目标进行区分,其次设计了距离-角度二维自适应匹配滤波器,所有假目标由于距离维的失配而被抑制。该方法有效地解决了主瓣距离欺骗式干扰抑制的问题,提升了雷达在复杂电磁环境的抗干扰性能。仿真实验验证了所提方法的有效性。     

有源假目标干扰的极化识别及其应用策略分析

研究了有源假目标等欺骗性电子干扰的极化识别及其应用方式等问题。首先分析了有源假目标干扰和雷达目标的极化特性,从理论上分析了有源假目标干扰识别的可行性,提出了能够有效鉴别真假目标的系列特征参量,并设计了有源假目标干扰的极化识别算法,结合实测数据,计算机仿真实验表明识别算法的可行性和有效性。最后,探讨了极化识别算法在相控阵雷达系统中的使用策略。     

一种有效的SAR图像分割与目标识别方法

在基于模板匹配的合成孔径雷达(syntheticapertureradar,SAR)目标识别中,一个关键问题就是如何从带有杂波的SAR图像中将目标正确分割出来,以便形成高质量的模板。针对这一问题提出了一种基于对数变换的自适应SAR图像分割方法并将其用于由美国国防高级研究计划署(DefenseAdvancedResearchProjectAgency,DARPA)和空军研究室(AirForceResearchLaboratory,AFRL)提供的实测SAR目标图像识别中。实验结果证明,经有效的目标分割后,不但提高了目标的正确识别率,还有效地提高了对假目标的拒识率,具有良好的鲁棒特性。     

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。     

基于群目标的多目标关联算法研究

针对群目标跟踪数据关联的特点以及多目标跟踪数据关联经典的联合概率数据关联算法存在的计算量大与假设条件苛刻等问题,提出了基于群目标的多目标概率数据关联算法GJPDA（Group-target joint probability data association）。该算法首先把跟踪空间内的所有回波看作一个群,跟踪空间中任一关联门内的所有回波看作一个子群,通过关联门是否交叉、多少回波位于关联门交叉区内的判别及其相对于不同关联中心概率的计算,确定交叉区域内回波的归属。以每一个关联门内所有回波的等效回波为量测实现多群目标跟踪。仿真结果表明了该算法的有效性。     

基于距离加权最小二乘的量测数据关联

量测数据关联是被动多传感器系统中需要首先解决的一个关键问题,通常可采用多维分配算法进行求解,其中代价函数的选取在一定程度上决定了算法的最终分配结果。基于广义似然比构造的代价函数由于采用精度较低的传统最小二乘法进行定位,且没有考虑融合方差的影响,导致其性能较差。针对这一问题,提出一种基于距离加权最小二乘的量测数据关联算法,该算法将距离信息引入最小二乘定位算法中,并在代价函数的计算中融入目标位置的估计方差,构建出能够更为准确反映量测与目标之间相关程度的代价函数。仿真实验表明,所提算法在计算代价较小的前提下,提高了关联正确率,具有较好的工程应用价值。     

基于相位调制的雷达抗假目标干扰方法

针对欺骗式干扰难分辨和难去除的问题, 基于相参积累的原理, 提出一种基于相位调制(Phase Modulation, PM)的雷达抗假目标干扰方法。首先, 雷达发射相位调制的脉冲串信号, 之后根据相位的先验信息在接收时对回波信号进行相位补偿。然后，对回波信号进行脉冲压缩和相参积累, 在处理后形成的距离-多普勒图上对真、假目标进行分辨并提取出目标的多普勒频率。最后，结合自适应波束形成原理以及真实目标的多普勒频率信息, 设计自适应多普勒滤波器, 对回波脉冲串进行处理, 使真目标得到增强, 并在假目标的多普勒频率处形成零陷, 解决了假目标难去除的问题。仿真实验表明, 所提方法能有效分辨并去除回波信号中的假目标。     

被动传感器系统模糊-概率双加权数据关联新算法

针对被动传感器系统中的数据关联问题,提出了一种新的被动传感器系统模糊-概率双加权数据关联算法。该算法首先利用候选关联的方位角建立检验统计量,进行方位的粗关联,排除一部分虚假候选关联,减少计算量;再对保留的候选关联进行交叉定位,计算每个交叉定位点与各个目标的关联概率;同时对相应的候选关联建立模糊关联度,来修正目标的关联概率,最后采用最大值搜索方法得到各个目标的正确关联。仿真结果表明,该方法可以快速、准确的排除虚假定位点,能够有效的对多个目标进行跟踪。