天波超视距雷达机动目标检测方法

天波超视距雷达(over-the-horizon radar,OTHR)通过快速傅里叶变换(fast Fourier transform,FFT)实现长时间相干积累,但这种基于目标速度恒定的方法对于机动目标的效果并不好.提出了一种基于目标运动参数估计的OTHR机动目标检测方法.该方法首先确定机动目标的运动参数的大致范围,然后对其运动参数进行估计,之后对其径向加速度进行补偿,最后对经加速度补偿后的目标信号进行相干积累并在距离-多普勒平面上进行二维恒虚誓检测.仿真结果表明,该方法能够增强OTHR对机动目标的检测能力,运算效率高,实用性强.     

基于特征的雷达目标机动检测算法综述

根据机动检测器所利用的信息不同,雷达目标机动检测算法可分为基于跟踪滤波器信息的机动检测和基于特征信号的机动检测两大类。首先分析了传感器特征信息与目标机动模式之间的关系,给出了基于特征的机动检测算法的3种分类方法,并以检测器所利用的特征信息为线索对机动检测算法做了详细的介绍,分析了各种算法的基本原理、假设条件和优缺点。     

改进的通道补偿法检测高频雷达机动目标

通过FFT进行相干积累以提高SNR的高频雷达传统信号处理方式无法有效发现机动目标。基于低的算法复杂度和处理实时性的考虑,提出了改进的多通道补偿算法检测高频雷达机动目标。首先对补偿后的通道-多普勒谱图进行频率校正以弥补补偿导致的信号频率偏移,进而根据选大的原则以及设置掩模函数进行通道合成以实现抗杂波发散的单通道检测,最后引入峰值检测进一步降低运算量和虚警。理论分析和数据处理都表明该算法具有低运算量、低虚警以及稳健的特点,因而具备较强的工程实用性。     

基于HHT的高频雷达机动目标参数估计

针对高频雷达强杂波场景下的机动目标检测,提出了基于希尔伯特黄变换(Hilbert-Huang transform,HHT)的机动目标参数估计算法。该算法首先通过复数经验模态分解将回波分解为杂波和目标分量,然后计算目标分量的瞬时频率,获得频率随时间变化的HHT谱,最终利用线性拟合估计目标运动参数。该算法无需抑制杂波,可同时对多目标进行运动参数估计,有助于简化多目标运动补偿和检测流程。数据分析结果表明,该算法可以有效运用于对高频雷达机动目标速度和加速度的估计。     

多站雷达中机动目标高精度跟踪分析

在快速卡尔曼滤波跟踪算法的基础上,提出了一种机动目标位置和速度的高精度卡尔曼滤波算法,用于仅提供距离和测量的多站雷达系统对机动目标的高精度定位和高精度测速。多站雷达系统提供给数据处理中心的距离和信息,通过滤波迭代算法估算出目标的位置和速度。对机动目标的仿真实验结果表明,该算法不仅改善了以前文献中目标位置的定位精度,而且对目标速度也同样具有优良的测量性能。     

多基地雷达的目标检测性能

本文研究了在白噪声情况下,由M部采用检测后积累工作方式的接收机构成的多基地雷达系统检测部分相关Rayleigh目标时的检测概率。给出了计算这种系统检测概率的方法。得到了在不同脉冲数N和站数目M情况下检测概率随信噪比变化的曲线。同时还计算了由于采用多基地雷达带来的检测增益。对于实际雷达设计者来说,了解检测增益可以使其在系统复杂性和系统性能之间作出最佳的选择。     

自适应高斯模型与多基地雷达机动目标跟踪

为改善多基地雷达系统对高机动目标的跟踪性能,提出了基于自适应高斯模型和扩展卡尔曼滤波(EKF)的机动目标跟踪算法.将目标加速度的概率密度特性描述为一具有均值和方差的高斯分布,建立了系统的离散状态方程和非线性观测方程进行EKF滤波,并在每个采样周期实现对输入控制信号及过程噪声协方差的更新,使加速度符合目标的实际变化情况.Monte Carlo仿真结果显示,对目标的变加速轨迹,该算法在位置和加速度上的均方根误差均比Singer模型小,且误差曲线平滑,表明了该算法能对机动目标实现准确跟踪.     

多雷达联网目标检测能力研究

本文是研究由分布在各处的单部雷达所得信息综合（多雷达联网）工作模式时的目标信号检测的性能。多雷达联网是一个系统。此系统有一组分布在各处的，相互独立的单部雷达和一个能综合多部雷达信息的中心处理器。本文将分布式检测器的概念和雷达联网的性能结合在一起，从而可以得出在不同雷达布站和不同目标起伏条件下信号检测性能。此性能可以对雷达布站方法和比较单、多站雷达性能研究都带来益处。由于目标所在位置相对于每一站的斜距都不相同，因此每一站的所得信噪比也不尽相同，本文将给出综合后的系统发现概率（Ｐｄｏ）和虚警概率（Ｐｆａｏ）的计算和仿真结果。     

机动目标跟踪的多模型多机动策略算法

在机动目标运动过程中引入机动决策的概念,建立了具有多个运动模式与多种机动决策的目标运动模型.并针对目标运动的多模式与多机动决策的特点,提出了一种多个运动模型与多种机动决策共同交互的机动目标跟踪算法.最后利用计算机仿真手段对所提出的交互式多模型多机动策略跟踪算法进行了验证,仿真结果显示此目标跟踪算法对于跟踪以多种机动策略实时机动的目标不仅是有效的,而且较之传统的交互多模型算法,跟踪性能更加优越.     

基于交叉定位的多传感器多机动目标跟踪

交叉定位的思想可以用来简化数据关联 ,实现状态估计。但在杂波或多目标的环境中 ,定位法会产生大量虚假目标。通过分析传感器数目的选择 ,来限定虚假目标生成的概率。提出了一种基于HMM(HiddenMarkovModel)的全邻似然估计跟踪算法。该算法采用观测 -航迹关联 ,具有相对简单的多项式复杂度。由于传感器量测的融合在状态空间中统一进行 ,该算法可推广到异类传感器组成的系统中。     

基于瞬时测频原理的高机动隐身目标检测算法

高速、高机动隐身飞行器严重压缩了防空导弹雷达导引头的探测威力,而通过增加相参积累时间提高导引头灵敏度是解决此问题的有效技术途径之一。提出一种基于瞬时测频原理的长时间相参积累算法,用于脉冲多普勒雷达导引头对隐身目标的检测。该算法将电子对抗领域成熟的瞬时测频技术创新应用于雷达导引头的目标检测过程中,通过对弹目相对加速度的盲估计,补偿回波信号中的二次项,使得因弹目相对加速度产生的频谱展宽问题得以解决。补偿后的回波信号相参积累时间得以增加,这使得导引头检测灵敏度随之提高。仿真条件下,此算法将导引头的截获灵敏度提高了12.5 dB,作用距离提升一倍有余。此算法还可以推广应用到弹目加加速度或者更高次项存在的情况。     

基于FRFT的单基地MIMO雷达稳健波束形成算法

以单基地多输入多输出(multiple input multiple output, MIMO)雷达系统为研究对象, 针对线性调频(linear frequency modulation, LFM)形式的正交频分复用(orthogonal frequency division multiplexing, OFDM)信号, 提出了一种新的稳健自适应波束形成算法。所提算法首先利用LFM信号的特性, 对匹配滤波后的雷达回波信号进行分数阶傅里叶变换(fractional Fourier transform, FRFT), 经化简得到峰值点作为阵列的观测值。而后, 利用观测值构建接收信号的协方差矩阵, 并使用Capon谱估计方法重构干扰加噪声数据协方差矩阵。最后, 通过求解优化问题估计实际导向矢量, 从而得到阵列的最优权值。通过计算机仿真实验, 验证了所提算法的有效性。     

时变转移概率IMM-SRCKF机动目标跟踪算法

给出了一种交互多模型(interacting multiple model,IMM)算法中Markov转移概率矩阵在线修正的方法,并将平方根容积卡尔曼滤波器(square-root cubature Kalman filter,SRCKF)引入到IMM算法中,提出一种时变转移概率的机动目标跟踪IMM-SRCKF算法。该算法利用当前量测中包含的模式信息,对IMM算法中的转移概率矩阵进行实时递推估计,避免了常规IMM算法中转移概率先验确定的困难,提高了模型切换速度和跟踪精度;同时,SRCKF以目标状态协方差的平方根进行迭代更新,确保了滤波过程中协方差矩阵的对称性和半正定性,改善了数值精度和稳定性。仿真实验结果表明,该算法对机动目标的跟踪性能优于常规的IMM及IMM-CKF算法。     

基于稀疏样本选优的机载雷达动目标检测算法

针对存在干扰目标的非均匀样本中机载雷达动目标检测性能下降问题,基于信号稀疏恢复技术,提出一种基于稀疏样本选优的机载雷达动目标检测算法,利用训练样本和待检测距离单元的稀疏性,选择训练样本中杂波的位置和检测单元中杂波的位置相似的训练样本,去除选优后训练样本中的干扰目标,克服干扰目标对机载雷达动目标检测性能的影响,采用处理后的训练样本和待检测距离单元的数据构建杂波协方差矩阵。通过仿真实验进行改善因子、距离单元输出功率、目标信号提取的比较,说明了本文算法能够提高机载雷达动目标检测性能。     

基于ANFIS的自适应机动目标状态估计算法

针对基于当前统计(current statistics,CS)模型的机动目标状态估计算法对机动目标加速度的极限值依赖性大的缺陷,提出了一种利用自适应神经网络-模糊推理系统(adaptive neuro-fuzzy inference system, ANFIS)自适应调整目标状态噪声方差的方法。首先利用ANFIS算法对目标机动强度进行估计,进而对目标状态噪声协方差矩阵进行自适应调整;然后利用粒子滤波(particle filter, PF)算法对目标状态进行估计。仿真结果表明,与该方法能够有效提高目标状态估计的精度。     

强目标掩盖下雷达微弱目标检测算法

在雷达多目标检测时,弱目标由于其能量低,容易被临近的强目标掩盖,严重影响了弱目标的检测。针对强弱目标并存的情况,提出了一种新的雷达微弱目标检测算法。首先联合Keystone变换和最小二乘FIR滤波器原理,实现了强目标相参积累并估计了其回波幅值,从而重构出强目标回波信号,并将其从原始回波中消除。通过对余下信号做相参积累,凸显了微弱目标,提高了微弱目标的检测性能。仿真实验验证了算法的有效性和优越性。     

基于Radon-MDCFT的空间高速机动目标检测与参数估计方法

提出一种基于Radon 修正离散线性调频傅里叶变换(Radon modified discrete chirp Fourier transform,RMDCFT)的空间高速机动目标检测与参数估计的方法。该方法在目标运动参数范围内进行搜索,将目标数据从距离单元〖CD*2〗慢时间域中取出并进行相应匹配变换处理,在补偿回波数据相位并进行相参积累以用于目标检测的基础上同时得到目标速度和加速度的估计结果。〖JP2〗该方法能同时对距离徙动和多普勒走动进行校正,并可在脉冲数有限和低信噪比下有效地检测到空间高速机动目标并获得较好的参数估计结果。仿真结果和对所提方法的输出信噪比表达式的数学推导结果证明了所提方法的有效性。     

基于粒子滤波的机动目标跟踪改进算法

粒子滤波是指利用Monte Carlo仿真方法处理递推估计问题的非线性滤波算法,这种方法不受模型线性和Gauss假设的约束,是一种处理非线性非高斯动态系统状态估计的有效算法。在粒子滤波的基础上融合扩展卡尔曼滤波(EKF)算法,融合后的新算法在计算提议概率密度分布时,粒子的产生充分考虑当前时刻的量测,使得粒子的分布更加接近状态的后验概率分布。仿真结果表明,该算法对机动目标有更好的跟踪效果。