基于HMM的低空目标航迹威胁识别

稳健的低空目标威胁识别是低空域安全防护的重要任务。传统的多属性决策方法对目标运动参数的量测精度要求较高，忽略了目标运动的时序关联信息，在实际应用中缺乏噪声稳健性和动态分析能力。因此，在多属性决策方法的基础上引入了隐马尔可夫模型，提出了一种动态稳健的低空目标威胁等级识别方法。通过建立隐状态与威胁等级、威胁数值之间的内在联系，将威胁识别问题转化为隐马尔可夫模型的状态解码问题。相比于常规算法，所提方法能够有效地抑制量测噪声干扰并具有一定的威胁预测能力。仿真实验验证了所提方法的有效性和稳健性。     

联合运动补偿的逆合成孔径雷达成像方位定标方法

在雷达识别系统中,确定目标的尺寸对于提高目标识别能力具有重要的意义。针对逆合成孔径雷达（inverse synthetic aperture radar, ISAR）成像的定标问题,考虑了等效转台和残余平动引入的相位误差,提出了一种ISAR目标有效转动速度估计的新方法。通过在距离多普勒图像中自适应提取若干目标特征点,对其建立时变自回归模型（time varying autoregressive, TVAR）。利用多项式拟合极点的多普勒历程,解算有效转动速度与残余相位误差系数。该方法不仅能可靠实现方位定标,残余的相位误差补偿可进一步提高图像的聚焦性能。仿真和实测数据实验验证了所提方法的有效性。