利用RCS幅度信息进行雷达目标识别

本文根据模糊分类的技术,提出了一种利用目标雷达散射截面(RCS)幅度时间序列来提取目标特征量、应用模糊数学原理进行综合判决的目标识别方法,给出了利用该方法和外场全尺寸目标静态RCS测量数据,对五种飞机和导弹目标进行特征提取和模糊识别的结果。     

一种基于低分辨雷达的目标识别方法

讨论了一种基于低分辨雷达的目标(飞机)识别方法,描述了这种识别方法所依赖的硬件平台即目标回波数据采集系统的组成及工作原理,阐述了一种基于低分辨雷达的目标粗分类(目标大、中、小等粗略属性的判别)的方法,研究了低分辨条件下目标特征描述的思路, 尝试利用这些方法进行目标属性的粗分类以及进行机群目标架次的判别。现场实验表明,这 些方法是可行有效的,对于提高常规低分辨雷达的性能有着重要的意义。     

一种高分辨雷达空间目标跟踪方法研究

高分辨雷达在跟踪远程空间目标时,其量测坐标转换会引起一类特殊的强非线性问题。对其产生机理进行了分析。经典的非线性滤波技术的跟踪精度会急剧下降。因此,提出一种基于中间过渡状态的Kalman滤波器,在直角坐标系下进行目标状态预测,避免了球坐标系下目标运动的复杂建模;预测后,通过选取量测空间内目标位置和速度量及其协方差作为中间过渡状态,在测量坐标系下进行目标状态线性更新;更新后,再将中间状态映射到直角坐标系下,从而得到目标状态的一致性估计。仿真实验结果表明,基于中间过渡状态的Kalman滤波器可有效提高高分辨雷达对空间目标的跟踪精度。     

一种新的自适应机动目标跟踪算法

在＂当前＂统计（CS）模型基础上,提出了一种新的机动目标自适应滤波算法,当前统计模型-修正强跟踪滤波（CS-MSTF）算法。新算法在保留＂当前＂统计模型及强跟踪滤波器（STF）对一般机动目标跟踪精度高的优点的同时,作出以下改进：针对强跟踪滤波器在机动部分获得完美性能的同时,非机动部分的精度却不理想的缺陷,对预测误差协方差及渐消因子的计算作出修正,同时改进机动部分和非机动部分的精度;将目前常用的估计误差协方差的计算公式采用更加可靠的Joseph公式,增强了数值的稳定性和算法的鲁棒性。蒙特卡罗仿真表明,新算法的性能优于当前统计模型-强跟踪滤波（CS-STF）算法,能够进行有效估计。

Abstract：

Based on the ＂current＂ statistical model,a new adaptive maneuvering target tracking algorithm,CS-MSTF,was proposed. The new algorithm,keeping the merits of high tracking precision that the ＂current ＂ statistical model and strong tracking filter（STF） have in tracking maneuvering target has made the modifications as such：First,STF has the defect that it achieves the perfert performance in maneuvering segment at a cost of the precision in non-naneuvering segment,so the new algorithm modifies the prediction error covariance matrix and the fading factor to improve the tracking precision both of the maneuvering segment and non-maneuvering segment; The estimation error covariance matrix was calculated using the Joseph form,which is more stable and robust in numerical. The Monte-Carlo simulation shows that the CS-MSTF algorithm has a more excellent performance than CS-STF and can esitmate efficiently.     

复杂背景下毫米波雷达目标识别的一种方法

针对毫米波雷达工作背景复杂、回波信号信杂比较低的情况，本文在对杂波信号双谱特性进行分析的基础上，提出一种基于双谱理论与假设检验思想的适用于强杂波下的目标识别方法。首先，对回波信号作双谱估计，然后根据回波双谱估计出杂波的分布，自适应地设定门限，以对双谱作相应处理，用于特征提取、目标识别。实验结果表明，经过处理的双谱抑制了大部分的杂波，保留了丰富的目标信息；识别系统在强杂波下仍然具有良好的识别结果。     

飞机翼面类部件的雷达散射截面计算

翼面是飞机上重要的散射源。本文利用物理光学和物理绕射理论计算飞机翼面的雷达散射截面（ＲＣＳ）。将理论计算结果与实验进行比较，证明计算方法是相当精确的。对翼面的散射特性进行分析，得出一些重要结论。     

一种基于小采样周期的机动目标模型

通过对"当前"统计模型和常加速模型的分析研究,提出了一种基于小采样周期的机动目标模型。该模型通过构造一个函数来自适应调整常加速模型的过程噪声协方差矩阵。当采样周期T较小时,具有与"当前"统计模型相当甚至更高的跟踪精度和较小的计算量。理论分析和仿真结果表明该模型的有效性。     

金属目标表面涂覆吸波材料减缩雷达散射截面的研究

金属目标表面涂覆吸波材料可以有效地抑制雷达散射截面（ＲＣＳ）。本文推导出光滑凸体金属表面涂覆吸波材料时的后向雷达散射截面公式。对一系列涂覆平板的ＲＣＳ进行了测试和理论计算。研究发现：对于平板而言，ＲＣＳ减缩量的理论计算与实验的差值随着涂覆面积的增大而增大。为此，给出一种工程修正的方法，从而提高计算精度。     

复杂目标外形拟合及散射截面计算

本文用修正的双三次参数样条拟合目标外形,可直接使用飞机外形CAD设计数据库,可拟合绕射点坐标,主曲率半径及主方向,短程线及其它一些几何参数,用一致几何绕射理论计算目标的雷达散射截面。计算精度为1dB左右,理论计算与实验结果吻合好。     

散射截面测量

散射截面测量技术的发展与雷达技术的发展休戚相关。最近,雷达技术与数据处理方法的飞跃发展又使散射截面测量技术产生了跃进。从历史的眼光来看,早期的散射截面测量仅用于确定雷达系统的探测距离,即使现在,测量的基本目的仍然如此。后来,这种测量与分析技术与计算机数码相结合就开拓了我们对雷达散射过程的了解。目前,散射截面测量计划已运用了现有的宽带电子设备,信号处理方法以及数字技术。这些测量计划的目的在于探索雷达工作波形与处理方法上的性能,进行目标识别,评估目标在杂波中的探测能力以及对雷达实施控制等。 本文复习了散射截面测量技术的基本原理。论述了包括当前紧凑场技术领域在内的测量设备。测量雷达已从宽带电子设备和数字处理能力两个方面得到好处,特别是傅里叶变换法给目标散射提供了额外的信息资料,同时通过从测量设备取得的雷达回波信号中分离出目标信息的办法来提高测量精度。频率范围业已扩展到毫米波段。在任何测量计划中,测量精度是个重要指标,本文还要讨论那些限制散射截面测量精度的因素。     

高分辨阶梯变频毫米波雷达目标信号仿真研究

首先分析了雷达目标一维距离像形成原理。针对高分辨阶梯变频毫米波雷达 ,将目标看成是由若干个可以单独分辨开的强散射中心组成。并具体分析了目标的散射中心模型、角运动模型及根据这些模型进行目标一维距离像仿真的方法。最后给出了一典型目标的仿真结果。     

弹道中段雷达目标识别仿真系统的关键模型及实现

雷达是弹道中段的主要传感器,在中段目标识别中发挥着核心作用.根据弹道目标雷达识别仿真系统的要求及弹道目标识别的特点,建立了弹道目标雷达特征数据产生、雷达目标识别特征提取、识别算法融合等多个关键模型,设计并实现了弹道中段雷达目标识别仿真系统.进行了典型战情下的雷达目标识别仿真,仿真结果表明所设计的仿真系统稳健可行,系统可以为弹道中段雷达目标识别研究提供仿真支撑.     

一种基于GTD模型的目标散射中心提取方法

随着隐身技术的发展,臆身目标的镜面散射已基本消除.边缘绕射等上升为主要散射源.用基于几何绕射理论的GTD模型取代以镜面散射为主的常规目标的指数和散射模型,来精确描述隐身目标的高频电磁散射特性.并且采用旋转不变技术(TIS_ESPRIT)替代多重信号分类(MUSIC)算法,精确估计目标散射中心的位置信息,避免了MUSIC算法用谱峰搜索提取参数的过程.并时TLS_ESPRIT算法进行了改进,有效降低其计算量.同时,利用特征分析法的信号与噪声子空间正交特性、二项式近似两种方法来提取散射中心的类型参数.仿真结果表明,该算法高效、精确、具有良好的分辨率,可以有效地提取以边缘绕射等为主要散射形式的臆身目标的散射中心.     

雷达目标散射中心模型反演及其在识别中的应用

提出了一种基于散射中心模型的距离像识别方法。首先采用稀疏空间网格上的宽带测量数据离线反演目标散射中心模型,再将从距离像中实时提取的一维散射中心特征与该散射中心模型的一维投影进行匹配完成在线识别。在散射中心模型反演中,提出了稳定散射中心的概念并基于此完成稀疏空间网格下的一维散射中心投影关联。在识别过程中,通过设计合适的匹配函数解决散射中心参数估计误差和模型误差造成的散射中心数目、幅度和位置不完全匹配问题。仿真实验表明,对于精度较高的模型,基于模型的识别方法与基于距离像模板的方法识别率相当,而在存储量和灵活性方面优势突出。     

超宽带雷达目标回波建模

根据复杂目标在超宽带信号照射下的电磁散射特性 ,建立起超宽带雷达目标合理的冲击响应模型 ,并分别针对线性调频、冲击、二相编码无载波等三种典型超宽带雷达信号 ,确定了给定目标的回波特征 ,对回波相关处理的结果表明 ,其输出能反映出目标特征 ,有利于雷达目标的识别。     

雷达HRRP双门限在线统计识别方法

"边录取、边学习、边建模"是雷达高分辨距离像(high resolution range profile,HRRP)统计识别工程化的方法之一.在独立高斯模型假设下,推导了参数在线学习的公式,根据概率密度值提出一种双门限在线统计识别方法,首先设置门限S_A剔除HRRP中的"环值",然后设置门限S_B将数据分成几段,从而缓减模型与实时HRRP数据多模特性的失配.基于实测数据的仿真实验证明了本方法的有效性.     

噪声调频干扰下的一种雷达目标检测方法

分析了Morlet小波变换的性质,利用Morlet小波变换在时间、频率局部化信号的能力,提出了一种噪声调频干扰下的雷达目标检测方法.运用该方法对雷达信号进行小波变换和相关处理,可极大限度地抑制噪声调频干扰和白噪声,由相关函数的峰值对雷达目标进行检测.仿真结果表明,该方法能够在噪声调频干扰下,有效地进行雷达目标检测.     

基于当前统计模型的机动目标自适应跟踪算法

当前统计模型及其自适应卡尔曼滤波算法对强机动目标具有很好的跟踪效果,但当机动目标为弱机动和非机动时算法跟踪性能较差。针对这一问题,提出了采用铃形函数作为模糊隶属函数对模型中加速度极值进行修正的自适应滤波算法,调整加速度稳定时的系统过程噪声方差,提高算法的跟踪精度。同时,借鉴强跟踪滤波算法的渐消自适应滤波因子思想,针对加速度突变的情况引入渐消因子对修正的加速度极值进行调节,提高算法在加速度突变情况下的跟踪速度。仿真实验结果表明,算法对弱机动目标和非机动目标的跟踪具有良好的效果。     

基于多散射中心模型的雷达目标识别方法

针对宽带毫米波雷达目标识别要求 ,提出了一种基于目标光学区多散射中心模型进行目标匹配识别的新方法。该方法首先基于多散射中心理论建立待识别目标的模型、利用遗传算法的全局优化能力进行目标识别。与常规的全姿态角匹配识别方法比较 ,具有需要的存储量、计算量较少的特点。仿真试验验证了该算法的有效性。     

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。