基于LSTM的弹道导弹主动段轨迹预报

弹道导弹主动段长周期轨迹预报能够为导弹防御系统提供早期预警信息。传统的轨迹预报方法大多集中在导弹的自由段与再入段,通过解析法、数值积分法或函数逼近法推断未来时刻目标的状态。由于弹道导弹在主动段会受到多个未知作用力的影响,其轨迹预报相比自由段与再入段更具挑战性。为此,本文提出了一种基于长短时记忆(long short-term memeory, LSTM)网络的弹道导弹主动段轨迹预报方法。首先,根据导弹主动段动力学模型与弹道参数典型取值生成用于网络训练的大规模轨迹样本;其次,设计了基于深度LSTM网络的弹道导弹主动段轨迹递归预报方法;最后,与基于数值积分法、多项式拟合及反向传播神经网络的轨迹预报方法的实验对比,表明了所提方法在主动段轨迹预报上的优越性。     

基于非对称交互多模型弹道导弹跟踪

弹道导弹飞行三个阶段的动力学模型异常复杂且非线性强,在未知导弹任何先验信息前提下如何连续地跟踪整个弹道已成为目前亟待解决的难题。针对该问题,提出了一种实时非对称交互多模型跟踪算法,它根据弹道不同阶段的受力情况建立相应的跟踪模型。该算法采用非对称的状态交互以及基于熵信息变化的模型概率更新方法对导弹进行实时状态估计,并将其中一个无迹滤波器的非线性状态估计用改进离散方法实现,提高了实时性。仿真实验表明,该跟踪算法能够较精确地从弹道主动段连续地跟踪到再入段,并且能较大幅度地减小模型切换之间的跟踪误差。     

Consecutive tracking for ballistic missile based on bearings-only during boost phase

This paper proposes a modified centralized shifted Rayleigh filter(MCSRF) algorithm for tracking boost phase of ballistic missile(BM) trajectory with a highly nonlinear dynamical model based on bearings-only.This paper contributes three folds.Firstly,the mathematical model of an MCSRF for multiple passive sensors is derived.Then,minimum entropy based onedimensional optimization search to adaptively adjust the probability of the different filters for real time state estimation is deployed.Finally,the unscented transform(UT) is introduced to resolve the asymmetric state estimation problem.Simulation results show that the proposed algorithm can consecutively track the BM precisely during the boost phase.In comparison with the unscented Kalman filter(UKF) algorithm,the proposed algorithm effectively reduces the tracking position and velocity root mean square(RMS) errors,which will make more sense for early precision interception.     

基于核密度估计高斯混合PHD滤波的多目标跟踪算法

针对多目标跟踪系统中传统算法目标估计精度较低的问题,提出了基于核密度估计的高斯混合概率假设密度（probability hypothesis density, PHD）滤波算法。在该算法中,经过剪枝、合并后,引入核密度估计理论的Mean shift算法,对高斯混合PHD分布密度函数进行核密度估计,取代了传统算法中的状态估计方法。最后,选择估计后得到的峰值作为目标状态估计值。仿真结果表明,基于核密度估计的高斯混合PHD滤波算法比传统算法具有更高的估计精度。     

基于微多普勒分析的弹道导弹目标进动特性研究

进动是弹道导弹目标的一种微运动,介绍了微多普勒的相关概念,然后建立了进动的数学模型,并推导了进动的微多普勒理论公式,最后进行了仿真实验,并采用时频分析方法提取出微多普勒特征。理论计算与仿真实验的结果吻合良好,表明了该进动数学模型和理论公式推导的正确性。同时,进动的微多普勒特征可用于识别真假目标。     

导弹防御系统中的雷达目标识别技术进展

目标识别是弹道导弹防御系统的核心技术。根据弹道导弹飞行中的目标特性和导弹防御系统的传感器配置分析了导弹防御系统中目标识别的技术特点,论述了国外导弹防御系统中雷达目标识别的总体技术思路,并重点从目标轨迹特性、结构特性、进动特性以及再入特性等方面总结了利用雷达测量进行弹道导弹识别的技术进展,最后给出了开展导弹防御系统中目标识别研究的建议。     

修正并行式多传感器不敏多假设跟踪算法

为了有效解决非线性系统中的多传感器多目标跟踪问题,提出了一种修正并行式多传感器不敏多假设滤波算法。算法运用概率数据互联的思想对各传感器的估计量进行概率加权,克服了并行式多传感器算法的误差积累现象,得到了一种修正的多传感器并行式算法。各传感器中量测点迹与航迹的数据互联问题通过多假设方法予以解决,并通过不敏卡尔曼滤波器完成非线性系统中的目标跟踪。仿真结果表明,从跟踪精度及稳定性方面看,所提出的算法性能要优于MSJPDA/EKF算法。     

基于VSMM的GMCPHD滤波算法在多机动目标跟踪的应用

针对交互多模型(interacting multiple model, IMM)在多机动目标跟踪算法中存在的缺陷以及目标跟踪精度问题,提出了基于变结构多模型（variable structure multiple model, VSMM）的高斯混合基数概率假设密度（Gaussian mixture cardinalized probability hypothesis density, GMCPHD）滤波算法。该算法利用了VSMM具有自适应性、时变性的特点,达到了在某一时刻能够选取与目标运动模式相匹配的模型集合的目的,相比于IMM考虑的仅是固定的模式集合具有很强的优越性。此外,GMCPHD滤波算法不仅避免了数据关联问题,而且通过高斯分布递推PHD函数的同时递推基数分布。最后,利用雷达作为传感器,对跟踪机动目标进行仿真,证明VSMM相比于IMM对于多机动目标跟踪更具有优越性,同时验证了VSMM GMCPHD滤波算法具有提高机动目标跟踪精度,减小跟踪误差的作用。     

基于GM-PHD滤波的空间邻近多目标跟踪算法

针对传统的高斯混合概率假设密度(Gaussian mixture probability hypothesis density,GM-PHD)滤波器在跟踪空间邻近目标时存在错误估计、虚警和漏警问题,本文提出了一种改进算法.首先,提出一种权值重分配方案,对目标的高斯分量权值进行重分配,以提高目标邻近时GM-PHD滤波器的...     

对抗环境下宙斯盾系统探测弹道导弹的仿真

给出了对抗环境下宙斯盾系统探测弹道导弹的仿真技术。仿真系统建立了宙斯盾系统中SPY 1相控阵雷达、SPG 62照射雷达及SM 2导弹半主动导引雷达的电波传播、射频信道和信号处理模型,给出弹道导弹目标雷达散射截面的快速计算方法,考虑宙斯盾平台和弹道导弹的运动模型以及阻塞式干扰等对抗情况,仿真宙斯盾系统探测并使用SM 2导弹截击弹道导弹的过程。仿真系统可以应用于弹道导弹利用速度、弹道设计和电子对抗等措施突防宙斯盾系统的研究。     

基于MCMC的导弹主动段突防仿真及灵敏度分析

能否对抗预警卫星的早期预警探测是弹道导弹主动段突防的关键。结合导弹主动段飞行仿真、主动段红外特性计算和预警卫星红外探测仿真,基于马尔可夫链蒙特卡洛（Markov chain Monte Carlo, MCMC）方法构建了导弹主动段突防仿真模型,并建立了导弹主动突防参数灵敏度分析的响应面近似函数模型。通过导弹主动段突防仿真与参数分析算例,定量给出了导弹主动段性能参数对其突防能力的影响,验证了方法的有效性。     

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。     

引入目标灰度信息的多假设跟踪方法

在传统的多假设跟踪(MHT)算法中,航迹置信度函数仅利用了目标的位置信息。对于红外搜索与跟踪(IRST)系统中的目标跟踪,还有目标灰度信息可以利用,因此在IRST系统的MHT算法中加入目标的灰度信息来重新构造航迹置信度函数和航迹启动条件,增强了算法抑制虚警的能力。通过跟踪5个高机动目标的仿真过程,对算法性能进行了检验,仿真结果表明,新的算法可以减少航迹数目、减少系统计算时间,并使算法具有更强的抑制噪声的能力。     

导引头性能对拦截战术弹道导弹制导精度的影响

针对末制段采用直接碰撞动能杀伤技术的拦截弹拦截战术弹道导弹（TBM），分析了导引头分辨率、帧频和测量噪声等主要性能参数对制导精度的影响。在拦截弹弹道修正和姿态控制规律的基础上，考虑拦截弹与TBM的初始位置偏差，弹道修正发动机推力偏差和制导控制延迟因素，完成了导引头不同性能参数条件上拦截弹拦截TBM制导精度的六自由度Monte-Carlo仿真计算，根据对仿真结果的分析，给出了直接碰撞动能杀伤方式下的制导精度与导头性能参数之间的约束关系。     

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EKF及弹道方程的弹道目标跟踪滤波器设计

针对地面跟踪雷达多目标、低数据率、高跟踪精度要求,提出了基于弹道运动方程的扩展卡尔曼滤波(extended Kalman filter, EKF)算法。建立了导弹被动段精确的质心运动方程,改进了EKF算法,经过与传统的基于常加速模型的EKF算法和基于弹道运动方程的无迹卡尔曼滤波(unscented Kalman filter, UKF)算法比较,验证了基于弹道运动方程的EKF具有低数据率下滤波精度高、计算量小等优点,解决了地面跟踪雷达实际中遇到的问题。     

基于DCNN的弹道中段目标HRRP图像识别

针对弹道中段目标识别问题,现有的基于高分辨距离像(high resolution range profile, HRRP)的识别方法直接提取一维HRRP(1-dimension HRRP, 1D-HRRP)的整体特征,对局部特征提取能力较弱,且由1D-HRRP数据提取的特征的表达能力有限,为此提出了一种基于深度卷积神经网络(deep convolutional neural network, DCNN)的弹道中段目标HRRP图像识别方法。首先,将1D-HRRP转化为0-1二值图像,从而把数值变化特征转化为图像结构特征;然后,构建DCNN逐层提取图像的局部特征和共性特征并进行识别;最后,结合Dropout和L2正则化双重机制缓解DCNN过拟合问题,利用AdaBound算法提高DCNN训练收敛速度和识别正确率。实验结果表明,所提出的基于HRRP图像的弹道中段目标识别方法比其他12种基于1D-HRRP或二维HRRP(2-dimension HRRP, 2D-HRRP)的识别方法正确率更高,在测试数据集上达到了96.28%,实验结果验证了该方法的有效性。     

基于DCNN的弹道中段目标HRRP图像识别

针对弹道中段目标识别问题,现有的基于高分辨距离像(high resolution range profile, HRRP)的识别方法直接提取一维HRRP(1-dimension HRRP, 1D-HRRP)的整体特征,对局部特征提取能力较弱,且由1D-HRRP数据提取的特征的表达能力有限,为此提出了一种基于深度卷积神经网络(deep convolutional neural network, DCNN)的弹道中段目标HRRP图像识别方法。首先,将1D-HRRP转化为0-1二值图像,从而把数值变化特征转化为图像结构特征;然后,构建DCNN逐层提取图像的局部特征和共性特征并进行识别;最后,结合Dropout和L2正则化双重机制缓解DCNN过拟合问题,利用AdaBound算法提高DCNN训练收敛速度和识别正确率。实验结果表明,所提出的基于HRRP图像的弹道中段目标识别方法比其他12种基于1D-HRRP或二维HRRP(2-dimension HRRP, 2D-HRRP)的识别方法正确率更高,在测试数据集上达到了96.28%,实验结果验证了该方法的有效性。     

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。     

利用最优定轨算法鉴别弹道有源假目标

分析了弹道导弹突防过程中有源假目标航迹的运动学特性,指出和实体目标相比,真假目标运动学特性的差异是一种非显著性差异,这种非显著性差异可以体现在初始参数估计的残差上。对于实体目标而言,其最优估计的归一化残差为高斯分布,而假目标残差为非高斯分布,可以作为鉴别的依据。设计了初始参数的最大似然（maximum likelihood, ML）估计算法,采用Levenberg Marquardt (L M)迭代法进行求解,并利用估计残差设计了假目标的鉴别算法。该方法的优点是不仅可以鉴别假目标航迹,而且对真目标而言,该算法同时是最优定轨算法。仿真结果验证了算法的有效性。