基于改进MUSIC算法的散射中心参数提取及RCS重构

随着隐身技术的发展，雷达目标的边缘绕射等逐渐取代镜面散射成为主要的散射源，因此基于几何绕射理论（geometric theory of diffraction，GTD）的散射中心模型对隐身目标电磁散射特性的描述要比衰减指数和模型更为精确。显然，准确估计出GTD散射中心参数对刻画目标散射特性犹为重要。针对经典多重信号分类（multiple signal classification，MUSIC）法仅利用目标原始回波数据、参数估计精度不高这一问题，提出一种改进的MUSIC算法对散射参数估计提取。改进的MUSIC算法通过对原始回波数据取共轭，构建新的总协方差矩阵，有效利用了目标原始回波数据的共轭信息。仿真结果表明，与经典MUSIC算法相比，改进的MUSIC算法参数估计精度更高，雷达散射截面重构拟合程度更好，且运算量增加不大，可有效提取出隐身目标的散射中心。     

神经网络识别分类中交叉模糊问题的研究

针对神经网络在分类问题研究中出现的交叉模糊问题，提出误差比对法对模糊问题加以解决。以BP网络对TBM和诱饵进行分类识别为例，分析表明该方法精度可靠，可望较好地解决分类问题中的模糊问题。     

基于改进3D-ESPRIT算法的GTD模型参数估计与目标识别

针对低信噪比条件下，传统的基于旋转不变技术的三维信号参数估计(three-dimensional estimating signal parameter via rotational invariance te chniques, 3D-ESPRIT)算法和平方前后向平滑的3D-ESPRIT(quadr atic-forward-backward 3D-ESPRIT, Q-FB-3D-ESPRIT)算法对几何绕射理论(geometric theory of diffraction, GTD)模型参数估计精度显著降低的问题，提出改进的极化Q-FB-3D-ESPRIT (polarized-Q-FB-3D-ESPRIT, PQ-FB-3D-ESPRIT)算法。改进算法与上述两种传统算法相比，增加了对目标极化信息的利用，有效延长了可利用电磁散射数据的长度。仿真结果表明，改进算法的参数估计精度要高于其他两种算法，且在低信噪比情况下尤为显著。此外，还对基于散射中心模型的雷达目标识别进行了研究，仿真结果进一步验证了所提算法的可行性。     

基于改进正交匹配追踪算法的属性散射中心提取

属性散射中心模型是描述目标后向电磁散射特性的典型模型, 但其中传统的正交匹配追踪(orthogonal matching pursuit, OMP)算法提取模型时具有参数复杂度高、计算时间长等问题。对此提出一种基于稀疏字典的广义正交性的改进OMP算法, 快速定位模型位置参数值, 避免了正交匹配中的寻优过程, 从而降低算法的运算复杂度。通过对两类算法计算复杂度和计算精度进行多次蒙特卡罗实验比较得出，改进OMP算法提高了模型参数的估计精度与噪声鲁棒性, 且大幅降低了算法的运算复杂度, 相比于传统的OMP算法, 运算时间至少降低30%。     

二维GTD模型参数估计的PQ-FB-2D-ESPRIT算法

二维基于旋转不变技术信号参数估计(2D-estimating signal parameter via rotational invariance techniques, 2D-ESPRIT)算法是估计几何绕射理论(geometric theory of diffraction, GTD)模型参数的一种经典算法,但在信噪比较低的条件下, 2D-ESPRIT算法的参数估计精度明显下降,噪声鲁棒性较差。针对这一问题,提出一种极化平方前后向平滑2D-ESPRIT(polarized-quadratic-forward-backward 2D-ESPRIT, PQ-FB-2D-ESPRIT)算法,有效地提高了算法的噪声鲁棒性与参数估计性能。改进算法利用目标散射回波数据的极化信息,并通过对协方差矩阵平方处理和前后向空间平滑处理,提高了算法的参数估计性能与数据利用率,同时达到了去相关的效果。仿真结果表明,提出的PQ-FB-2D-ESPRIT算法的参数估计性能及噪声鲁棒性要优于经典2D-ESPRIT算法、前后向平滑2D-ESPRIT(forward-backward 2D-ESPRIT, FB-2D-ESPRIT)算法及平方FB-2D-ESPRIT(quadratic-FB-2D-ESPRIT, Q-FB-2D-ESPRIT)算法。基于不同算法估计得到的GTD模型参数对散射中心的定位精度进行比较,进一步验证了改进算法的优越性与有效性。     

基于双接收站的有源诱饵极化鉴别

以双接收站雷达为背景,研究了雷达目标和有源诱饵的鉴别方法。首先提出了双站极化散射矩阵和双站对角极化比的定义,探讨了雷达目标和有源诱饵的极化散射特性;然后针对极化调制有源诱饵等欺骗性干扰,提出了以双站对角极化比为鉴别量实现对有源诱饵鉴别的新方法,并设计了鉴别算法。对典型雷达目标和有源诱饵的仿真结果表明,该鉴别算法对有源诱饵的正确鉴别概率始终达到100%,对雷达目标的正确鉴别率也都能达到90%以上。仿真结果证明了该鉴别算法的可行性和有效性。     

隐身目标的双基地雷达探测技术

以F-117A作为典型的隐身目标,提出一种计算隐身目标双基地雷达探测区域的新方法。通过对指定的雷达警戒区域进行网格剖分,在不同的网格节点位置计算隐身目标的双站雷达散射截面,由双基地雷达方程出发,从能量角度得到雷达探测判定不等式,计算目标的雷达探测区域。给出了应用该方法的具体步骤,通过仿真实验证明了该算法的可行性。     

基于高斯混合密度模型的隐身目标RCS统计分析

为克服传统RCS起伏统计模型描述隐身目标起伏特性的不足,提出了一种将高斯混合密度模型(GMDM)应用于RCS统计分析的建模方法。根据典型隐身目标的仿真数据,分别建立了该目标在不同方位角范围内的2阶GMDM和χ2分布模型。拟合结果表明2阶GMDM在前侧向、正侧向和后侧向拟合误差分别为4.74%、12.34%和1.01%,而χ2模型的拟合误差分别为44.5%、18.65%和13.21%。同时,当拟合阶数超过4阶时,GMDM的拟合误差将稳定在5%以下,能够满足雷达目标仿真的精度需求。     

基于改进混合对数正态分布模型的隐身飞机动态RCS统计特性分析

针对经典模型描述复杂航迹情况下的隐身飞机动态雷达散射截面(radar cross section,RCS)统计分布特性精度不足的问题,提出一种精度更高、拟合效果更好的改进混合对数正态分布模型.首先,基于目标电磁散射数据建立隐身飞机静态RCS数据库.其次,结合实战过程中隐身飞机的运动规律,对其进行复杂机动航迹建模,解算得...