进动锥体目标平动补偿及微多普勒提取

针对平动调制下的进动锥体锥顶及锥底滑动型散射源微多普勒提取问题,提出一种利用微多普勒曲线交叉点频移信息完成平动补偿并利用正交匹配追踪(orthogonal matching pursuit, OMP)提取微多普勒的方法。根据进动锥体散射源微多普勒变化规律建立回波模型,引入二次型平动速度调制项,发现微多普勒曲线交叉点处的瞬时频移是由剩余平动引起的。利用Harris-Laplace角点检测获取时频图中微多普勒曲线交叉点信息,通过最小二乘参数辨识得到剩余平动参数;针对平动补偿后锥体散射源微动特性构建回波信号原子集,利用OMP稀疏分解提取各散射源的微动信息。仿真验证了所提方法的有效性。     

机载雷达超低空多径目标稳健STAP方法

超低空目标与环境之间存在耦合多径效应,产生“镜像”虚假目标,严重恶化协方差矩阵估计和运动目标检测性能。针对这一问题,该文提出基于时域优化的多点联合幅相约束的稳健空时自适应处理(space-time adaptive processing,STAP)方法。基于超低空目标及其“镜像”目标多普勒扩展特性的分析,提出了目标及临近空时二维域多点联合幅相约束的STAP方法,并基于保形约束推导了时域响应的解析解,实现了STAP二维响应的主瓣保形,克服了目标多径效应造成的检测性能损失。仿真实验验证了该文方法的有效性。     

弹道导弹目标微动特性的微多普勒分析与仿真研究

真假目标识别一直是反导系统中地基雷达(GBR)的技术难点,而基于弹道导弹目标微动特性的雷达识别是近来研究的热点.微多普勒是目标微动特性的一种表征,基于弹头和诱饵微动特性的差异,提取微多普勒特征可用于识别真假目标.首先介绍了弹头和诱饵的运动特性,然后建立了弹头和诱饵的微动模型,并进行了微多普勒理论分析和推导,最后通过仿真实验分别研究了微多普勒的多散射点和噪声污染的问题.仿真分析表明多点和噪声对微多普勒提取影响不大;同时指出以目标微多普勒的周期、频率最大值以及平面变化规律为特征可识别真假目标.     

基于微多普勒估计进动锥体目标特征参数

锥体目标时频分布是目标的微动及结构信息的联合表征,针对此提出了一种利用微多普勒估计进动锥体目标特征参数的方法。首先分析了进动锥体目标散射源微多普勒的理论解,并利用三角函数降幂公式将其归纳整理为多阶谐波分量的合成,然后利用目标跟踪技术获取了不同散射源的微多普勒,最后依据锥顶及锥底不同谐波分量与目标特征参数的关系,提出了一种特征参数的估算方法。可为空间进动锥体目标识别提供一定参考。     

基于改进Dijkstra算法与时频域滤波的雷达目标识别

针对弹道中段雷达目标回波的微多普勒特征提取精准度不高导致目标识别率低的问题, 提出一种基于改进Dijkstra算法与时频域滤波相结合的雷达目标分类识别方法。该方法首先采取改进Dijkstra算法提取多分量回波信号中最强分量的瞬时多普勒特征, 然后利用时频域滤波方法滤除最强分量, 依次提取多分量信号的瞬时多普勒特征, 并将该特征应用于弹道中段雷达目标识别。仿真结果表明, 该方法适用于多种微动形式, 提取回波信号的微多普勒特征的精度更高, 对于弹道中段雷达目标平均识别率较高。     

基于时频分布的空间锥体目标微动形式分类

空间锥体目标的微动形式分类对空间目标识别、参数估计等有着重要意义。针对这一问题,提出了一种从雷达回波时频分布中提取特征对微动形式进行分类的方法。首先分析了空间锥体目标的散射特性,在此基础上建立了等效散射点模型,并与传统的一般散射点模型比较,电磁计算结果进一步证明了提出模型的正确性;在特征提取阶段,基于能量强弱提取了回波时频分布中包含微动信息的区域,并针对自旋、进动、章动3种微动形式下瞬时频率变化的差别提取了4种特征;最后基于等效散射点模型仿真产生训练数据集、电磁计算产生测试数据集的模式,使用支持矢量机（support vector machine, SVM）分类器的分类实验结果表明新方法在一定信噪比条件下可有效实现对微动形式的分类。     

基于多站微多普勒融合的弹道目标特征提取

宽、窄带混合组网雷达数据融合处理是弹道中段目标特征提取的重要途径。提出了一种基于宽、窄带雷达混合组网的弹道目标融合提取算法,该算法通过窄带自相关处理,获得锥体弹头的进动周期,并结合非线性最小二乘估计,分别估计出组网雷达中各散射中心的幅相参数。然后根据宽、窄带雷达微多普勒特征的融合特性和关联特性,利用加权平均和散射中心关联相结合的方法,提取出锥体弹头的三维进动特征及结构参数,从而实现宽、窄带混合组网雷达的数据融合。计算机仿真验证了该方法的可行性与有效性。     

雷达目标微动分辨

研究了基于微多普勒的目标微动分辨,以Wigner-Ville分布为工具,给出了提取微多普勒的方法,然后由微多普勒和微多普勒率的傅里叶变换实现目标的微转动和微平动分辨,提出了基于微多普勒滤波的目标微动分辨技术,使用仿真数据和蒙特.卡洛实验演示了目标微动分辨技术的性能,仿真结果证明了基于微多普勒滤波的目标微动分辨技术的有效性。     

中段弹道目标宽带回波仿真与速度补偿

中段弹道目标的主要特征是高速平动和微动。因此测量得到的目标多普勒频移值是模糊的,而且同时被目标微多普勒调制。这给估计目标微多普勒带宽和提取目标微多普勒参数造成了困难。在充分考虑目标运动特征的条件下,首先研究和建立了目标的宽带雷达回波数学模型。然后提出了基于简化分数阶傅里叶变换（simplified fractional Fourier transform, SFRFT）的速度补偿方法。推导了方位向信号起始频率和调频斜率的估计误差方差,证明了算法的有效性。仿真结〖JP3〗果表明,该方法能够给出精确的参数估计结果,并能对平动多普勒频率进行准确补偿。即使在信噪比较低的情况下,该方法仍表现出较好性能。该方法为目标微多普勒参数的提取提供了前提条件     

摆动锥体运动辨识及最大摆动角估计

研究了一种摆动锥体目标运动辨识及最大摆动角估计方法。首先分析了雷达观测下的目标摆动模 型,推导了摆动锥体目标回波微多普勒,并对其调制规律进行了理论分析。结合摆动目标回波时频分布,提出了 一种基于微多普勒特征点的最大摆动角估计方法和一种基于微多普勒变换谱特征的摆动目标运动辨识方法。实 验结果验证了本文方法的有效性。     

基于MIMO-ISAR的弹道目标结构参数估计方法

传统的单站逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像为实现方位向的高分辨,往往会增大成像时间,但对于高速运动的弹道目标而言,此方法并不适用。针对这一问题,提出利用多输入多输出逆合成孔径雷达(multiple input multiple output ISAR, MIMO-ISAR)在空间上的多分布来达到时间上积累的效果。在得到多通道回波信号后,利用时频图和时间距离像对弹道目标锥顶散射点进行匹配。然后根据锥顶散射点信息对多幅ISAR像进行配准融合,得到一幅高分辨的融合ISAR像。最后利用不同雷达视线下的目标投影长度和目标几何参数之间存在的映射关系,反演出弹道目标的几何结构参数。通过仿真结果可以验证算法的有效性。     

弹道目标电磁特征提取技术的研究进展

随着弹道导弹突防和防御技术研究的不断深入,对目标特征提取提出了更加严格的要求。在突防设计中需要对目标和诱饵进行特征控制,以提升突防能力;在防御系统中,则需要从多传感器获取的信息中提取目标各种特征,以实现真假弹头的区分。分析和研究了弹道导弹中段目标电磁特征提取技术以及近年取得的成果,包括中段复杂目标逆合成孔径雷达成像技术、目标几何特性反演技术、目标微动特征提取技术等,最后对弹道目标特征提取技术的难点进行了分析,提出了一些解决思路。     

基于光电融合的目标三维结构反演

针对同传感器视角下的空天目标光电特征融合问题, 提出一种综合利用散射中心参数及轮廓角点特征的目标三维结构反演方法。首先, 基于正交匹配追踪(orthogonal matching pursuit, OMP)算法估计出序列雷达图像中的二维散射中心特征, 并利用Freeman链码提取连续可见光图像的角点特征。然后, 基于图论思想分别对雷达及可见光图像中的二维特征点进行关联。最后, 通过特征点三维重构来实现散射中心特征与光学角点特征之间的融合, 从而反演出较单源特征更为丰富准确的目标结构信息。仿真试验结果验证了所提方法的有效性。     

天基红外低轨卫星引导反导作战能力需求分析

反导防御系统中,拦截弹在天基红外低轨卫星信息引导下拦截弹道导弹目标时,需要考虑卫星的跟踪能力与拦截弹的拦截能力的匹配问题。首先,采用后验克拉美罗限的方法计算低轨卫星跟踪弹道导弹目标的能力,接着采用椭圆轨道线性化方程的方法计算预测弹道的误差,在目标预测弹道及拦截弹飞行性能的基础上建立预测命中点及其误差的计算方法,然后采用均匀点火策略分析预测命中点精度对拦截弹中段飞行修正能力的影响,通过可信性理论计算得到拦截弹的末段修正能力,最后通过仿真得到满足拦截弹中末段修正能力需求的低轨卫星的技术指标要求。     

雷达群目标跟踪条件下的弹道预报方法

弹道导弹在突防时表现为弹头、诱饵等群目标特征。雷达对群目标进行跟踪时,如果某一目标出现丢失,为维持航迹,常利用弹道导弹运动轨迹可预测的特点进行弹道预报。预报的精度主要取决于初值精度。考虑到雷达对群内多目标探测信息具有相关性,多目标之间的相对误差一般小于单个目标的绝对误差。利用这一误差特性,在群目标间不发生机动运动情况下,提出了利用群内目标间的相对运动关系,用雷达正在跟踪的目标对其他丢失目标进行弹道预报的方法。通过误差分析,定量研究了利用群内目标的相对运动关系提高弹道预报精度的机理。仿真表明,当雷达对群目标探测信息相关性较好时,该方法大幅提高了弹道预报精度。     

基于多维极化信息的弹道目标综合识别方法

目标识别是弹道导弹防御系统的核心难题之一,针对弹道导弹突防过程中无源诱饵的极化识别问题进行了研究。首先,基于多个窄带和宽带极化特征量,并结合暗室测量数据,进行了极化特征提取和优选,去除了冗余的极化特征量。在此基础上,提出了一种基于宽窄带极化特征的弹道目标综合识别方法,并利用弹道目标的暗室实测数据进行了验证。结果表明综合识别方法和仅基于窄带或宽带极化特征的识别方法相比具有更好的目标识别性能。     

基于自适应压缩感知的复杂弹道群目标跟踪技术

复杂弹道群目标空间密集程度高,群内目标相互遮挡,在给定雷达工作带宽前提下如何对复杂群目标进行有效分辨、实现航迹的连续稳定跟踪已成为亟待解决的难题。针对该问题,首先通过二体运动预测获得航迹群预测中心,根据预测偏差与分辨阈值关系,自适应开启局部压缩感知群目标分辨算法,提高群目标遮蔽分辨能力。其次，引入航迹片段拼接思想,利用已有航迹档案构建假设检验,对航迹片段进行关联、平滑处理和批号管理,有效减少换批和非线性估计误差。仿真结果表明,所提算法大大增加了可分辨时间,分辨能力可达80%,平均跟踪时长提高一倍,中断期间跟踪均方根误差显著降低,且航迹稳定跟踪并全程未换批,为弹道群目标精确稳定跟踪提供了一种新的思路。     

Velocity measurement technique for high-speed targets based on digital fine spectral line tracking

1.INTRODUCTIONWith the increasing demands for high performanceradar,velocity measurement has become a necessaryfunction of modernradar systems.It is one of thei m-portant features to distinguish a true warhead fromdecoys in missile defense phased array radar systems.The reason for this is that the velocities of warheadsand decoys are different because of their differentmasses.Velocity measurement can also be used tocompensate for the phase distortion of wideband echosignals to prevent spe…     

基于LSTM与1DCNN的导弹轨迹预测方法

针对弹道导弹等超远程攻击目标的轨迹难以预测的问题,提出一种基于长短期记忆(long short-term memory, LSTM)网络与一维卷积神经网络(1-dimensional convolutional neural network, 1DCNN)的目标轨迹预测方法。首先,建立三自由度导弹运动模型,依据再入类型设计3种目标轨迹数据,构建机动数据库,解决轨迹数据的来源问题。其次,采用重复分割与滑动窗口的方法对轨迹数据进行预处理。然后,基于LSTM与1DCNN设计了一种目标类型分类网络,对目标进行初步分类。最后,基于1DCNN设计轨迹预测网络,对目标轨迹进行预测。仿真结果表明,提出的轨迹预测网络能够完成轨迹预测任务,预测误差在合理范围内。     

弹道式再入目标跟踪方法对比分析

地基雷达对弹道式再入目标进行滤波跟踪时主要存在两个导致滤波误差增大的不确定因素,一是弹道系数未知,二是不可准确确定过程噪声协方差矩阵。为此,采用交互式多模型无敏滤波（iterative multiple model unscented filter, IMM UF）算法对弹道式再入目标进行跟踪,选取不同的弹道系数初值和过程噪声协方差矩阵构成合适的模型集合进行了仿真分析,并将其滤波结果与扩展卡尔曼滤波（extended Kalman filter, EKF）和无敏滤波（unscented filter, UF）的滤波结果进行了对比分析,同时还分析比较了IMM UF和自治多模型（autonomous multiple model, AMM）UF算法的跟踪滤波性能。从仿真结果可以看出,采用的IMM UF算法和相应的模型集合可以在先验信息缺少的情况实现对弹道式再入目标更高精度的跟踪。