拖曳式诱饵对多普勒雷达导引头的干扰仿真

导弹对目标跟踪过程中,弹目之间的运动参数是变化的。为了反映这种变化的实时性,本文以脉冲多普勒(PD)雷达导引头为例,建立了拖曳式诱饵干扰条件下雷达导引头接收信号模型,分析了雷达导引头速度跟踪和角跟踪的方法,并根据PD雷达导引头的工作方式,对拖曳式诱饵干扰条件下导弹攻击目标的全过程进行了系统仿真,对不同诱饵战术参数下拖曳式诱饵对PD雷达导引头的干扰性能进行了仿真分析。这一工作有助于在工程中能够方便地选取合适的诱饵战术参数。     

拖曳式诱饵抗单脉冲雷达导引头效能评估

对搭载拖曳式诱饵的作战飞机对抗配备有单脉冲雷达导引头的对空导弹的作战效能进行了评估。研究着重于拖曳式诱饵的作战参数设置,包括拖曳线长度、导弹不同来袭角下的施放方向等。根据非相干干扰的基本原理,通过对拖曳诱饵干扰作战过程的建模分析,以脱靶量为衡量标准,对不同诱饵战术参数下拖曳式诱饵对单脉冲雷达导引头的干扰性能进行了仿真建模分析,最后得到了不同预设场景下拖曳式诱饵的掩护包络。该评估模型有助于实际作战和工程实施中正确选取诱饵的技战术参数。     

基于改进粒子群算法的系统辨识新方法

提出了一种利用改进的粒子群优化算法对系统进行辩识的方法.该方法是将典型的数学模型的相互组合而构成系统模型的新辨识方法,即首先将系统结构辨识问题转化为组合优化问题,然后采用粒子群优化算法同时实现系统的结构辨识与参数辨识.为了进一步增强粒子群优化算法的辨识性能,提出了利用一种改进的粒子群优化算法.最后,给出了仿真示例,结果验证了所给的系统辨识方法的合理性和有效性.     

基于PSO算法的系统辨识方法

研究了利用粒子群优化(particle swarm optimization, PSO)算法对系统进行辨识的新颖方法.该系统辨识方法的基本思想是将典型数学模型的相互组合而构成系统模型,即就是首先将系统结构辨识问题转化为组合优化问题,然后再采用粒子群优化算法同时实现系统的结构辨识与参数辨识.最后,给出了仿真示例,其仿真结果验证了所给的系统辨识新方法的合理性和有效性,辨识精度高,具有良好的实用性.     

末制导雷达目标捕捉概率的仿真研究

应用Nrad修正的海面回波反射强度GIT模型和瑞利海杂波背景中的目标检测概率计算模型,给出末制导雷达目标检测概率与海浪级数、风向角以及目标RCS之间的变化关系曲线;确定了STC电路输出控制电压与海杂波干扰功率的"匹配参数"。通过蒙特卡洛法得到不同导弹自控终点散布误差和不同末制导雷达搜索选择区范围条件下的目标覆盖概率与导引头自导作用距离和箔条弹布放距离之间的变化关系曲线。通过某末制导雷达抗干扰性能仿真系统得到目标捕捉概率与自导作用距离之间的关系曲线,并就提高干扰背景中末制导雷达目标捕捉概率提出几点想法。     

针对机动目标的三维实时滚动优化制导策略

为解决目标机动策略未知条件下的飞行器拦截问题, 提出一种基于神经网络的三维滚动优化制导策略。首先, 针对全局最优导引律终端时刻难以确定的问题, 在滚动时域优化框架下, 引入零效脱靶量设计局部最优导引律, 并使用粒子群优化算法进行求解。其次, 为了提高制导律在线求解效率, 构建神经网络, 对优化算法滚动求解得到的若干组制导训练数据进行离线学习, 并将经过训练的网络用于制导指令在线滚动优化。仿真结果表明, 神经网络-滚动优化制导策略对采取各类机动方式的目标均具有较好的制导性能, 有效提高了制导指令在线优化效率, 可以为飞行器制导律实时滚动求解提供参考。     

基于RELAX和PSO算法的GTD模型参数估计

针对传统的几何绕射理论（geometric theory of diffraction, GTD）模型参数估计方法存在模型定阶困难、低分辨率时多散射中心难以准确估计、计算量大、易收敛于局部极值等问题,提出一种组合松弛（RELAX）算法和改进粒子群算法(particle swarm optimization, PSO)的GTD模型参数估计新方法。该算法基于RELAX思想,可以有效解决模型定阶问题;通过成像处理给定距离参数初值,并引入变异机制,使之能够稳定高效地收敛于全局最优值;在每次估计时通过检验同一分辨单元内是否存在多个散射中心,使之具有较好的超分辨能力。实验结果表明,该算法可以高效准确地估计GTD模型的散射中心参数。     

基于速度预测的防空导弹中制导末段协同弹道规划方法

针对防空导弹中制导末段协同探测时间、空间、速度和角度的一致性弹道规划问题,提出一种基于速度预测的协同弹道规划方法。考虑攻角、弹道、气动间的相互耦合和拦截弹被动减速特性,借助半解析预测方法精准预报速度变化,将需用过载转化为升力系数约束,减少需处理的约束数量;在此基础上,通过弹道整形变量将多弹协同规划问题转化为非线性优化问题,解析生成参考轨迹,预报需用/可用过载;综合改进粒子群优化算法,采用自适应惯性权重和无效粒子再利用策略,提高粒子利用率的同时提升种群脱离局部最优解的概率,克服飞行散布和弹道偏差,快速规划满足终端时、空、角一致性约束的中制导协同弹道。数学仿真验证了中制导末段多约束协同弹道规划算法的有效性。     

基于改进粒子群优化的广义K-分布杂波模型参数估计方法

在杂波建模、仿真和分类识别研究中,杂波模型参数估计是一个重要的内容。广义K-分布杂波模型的散斑分量和幅度调制分量均服从广义Gamma分布,参数估计存在高维、非线性等问题。将改进的粒子群优化算法应用于广义K-分布杂波模型参数估计,采用均匀设计方法初始化粒子群,利用交叉变异策略改善粒子群优化的全局收敛性,该方法能准确地估计杂波模型各参数,计算简单,收敛速度较快,稳定性较好。仿真实验结果表明该方法具有良好的适应性和估计精度,验证了其有效性和准确性。     

基于滤波器网格失配的分布式相参雷达目标参数估计方法

针对分布式相参雷达(distributed coherent aperture radar, DCAR)精确的目标参数估计问题,首先建立了以多普勒分复用(Doppler division multiple access, DDMA)波形作为发射波形、存在滤波器网格失配的DCAR信号模型,接着分析并验证了滤波器网格失配严重影响目标参数估计进而降低DCAR信号相参合成性能,最后提出了联合全局-局域搜索和基于稀疏傅里叶变换(sparse Fourier transform, SFT)的两种DCAR目标参数估计方法来降低滤波器网格失配,联合全局-局域搜索的方法通过对滤波器局域加密的方式降低网格失配。为了降低运算量,利用目标信号频率相对于整体频域是稀疏的特性,采用基于SFT搜索的方法通过梯度下降的方式避免滤波器的遍历搜索。仿真实验验证了所提方法的有效性。     

基于自适应形态学的跳频信号参数联合盲估计

跳频通信的应用大大提高了军事装备的抗干扰和抗截获能力,使得跳频对抗技术面临严峻的挑战。为解决传统形态学跳频信号参数估计方法中结构元素选择困难问题并提高估计精度,提出了一种基于自适应形态学的跳频信号参数联合盲估计方法。首先,对跳频信号进行短时傅里叶变换获取谱图。然后,从其时间轴投影中获取结构元素尺寸的知识, 设计自适应形态学滤波器抑制谱图噪声, 提取跳频图案初步估计跳频参数。最后, 引入最小二乘估计方法, 对跳频周期和跳变时刻进行精估计。仿真结果表明,此方法能够同时估计出跳频频率、跳频周期和跳变时刻, 不需要其中某一种参数作为先验条件, 在复杂的通信环境也能够保持良好的估计性能。     

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 techniques,3D-ESPRIT)算法和平方前后向平滑的3D-ESPRIT(quadratic-forwa...     

面向应急成像观测任务的多星协同调度方法

针对应急条件下的成像观测任务,设计了多星协同调度框架,将多星协同调度问题分解为任务排序主问题和资源匹配子问题。分析了多星协同调度中的主要约束条件,以任务收益为优化目标构建问题的约束满足模型,并应用改进粒子群优化算法进行求解。详细介绍了算法中的编码、解码、移动、变异等操作,给出算法时间复杂度的计算公式。通过仿真实验,对算法的有效性进行了验证。     

高速机动目标长时间相参积累和参数估计算法研究

长时间相参积累是提高雷达探测性能的重要技术之一。在高速高机动目标的长时间积累过程中引起的距离走动、距离弯曲、多普勒频率走动与多普勒频率弯曲效应会带来严重的积累信噪比(signal-to-noise ratio, SNR)损失, 进而使得噪声背景下雷达难以有效发现探测目标的存在。针对上述问题, 提出了一种针对高速机动目标的参数化长时间积累算法。首先,使用keystone变换(keystone transform, KT)校正了线性距离走动。然后, 使用相参积累型修正三阶相位函数(coherently integrated modified cubic phase function, CIMCPF)与相参积累型修正高阶模糊函数(coherently integrated modified high-order ambiguous function, CIMHAF)算法分别完成了对一阶和二阶加速度的参数估计。得益于CIMCPF与CIMHAF对信号相参特性的利用, 该算法在低信噪比下依然有效。同时, 由于没有对参数网格搜索的过程, 算法的计算复杂度也较低。仿真实验与分析证实了所提算法的优异性能。     

基于PSO的USQUE在组合导航姿态估计中的应用

针对组合导航姿态估计中无味四元数估计(unscented quaternion estimation, USQUE)的噪声协方差矩阵参数无法准确给出等问题,提出基于粒子群优化的USQUE(USQUE based on particle swarm optimization, PSO-USQUE)算法。通过粒子群算法对噪声协方差矩阵Q和R进行寻优,获取优化的噪声协方差矩阵等滤波先验条件;分别进行仿真实验和微机电惯导系统/GPS车载实验。实验结果表明,对于USQUE的姿态估计问题, PSO-USQUE算法相比常规算法具有更高的精度,验证了所提算法的有效性。     

基于群交叉变异MPPSO的MIMO雷达发射波束形成

采用基于智能算法优化发射信号互相关矩阵的方法来形成所期望的发射天线方向图,实现多输入多输出(multiple-input multiple-output, MIMO)雷达发射波束控制。根据MIMO雷达数学模型构建了适合智能优化的代价函数,提出群交叉变异多相粒子群算法（swarm exchange and aberrance multiple-phase particle swarm optimization, SEA-MPPSO）,并将其应用于MIMO雷达发射信号互相关性的优化,实现了发射波束赋形。方法快速高效,能最大程度地逼近全局最优解。计算机仿真结果证明了方法的可行性和有效性。     

基于威胁等效和改进PSO算法的UCAV实时航路规划方法

为解决无人战斗机（unmanned combat aerial vehicle, UCAV）实时航路规划问题,通过对各种威胁等效为雷达威胁,威胁分级和每级分层次的处理方法,得到每个威胁的击毁和击伤作用距离。建立UCAV简易的二维模型,利用其飞行姿态与雷达散射截面积(radar cross section, RCS)之间的关系,得出以探测概率为基础的威胁代价函数。最后运用自适应Meta Lamarckian学习策略的粒子群优化(particle swarm optimization, PSO)算法对方法进行实时性仿真测试,结果表明此方法的有效性。