基于道路信息的雷达地面目标过滤

地面目标过滤是机载预警雷达航迹优化的一个重要内容,可以有效地改善目标航迹质量。针对地面目标过滤问题研究了一种利用道路信息的地面空中目标识别方法。首先给出了一种将目标滤波点迹匹配到路段的快速算法,该匹配算法可以快速选择用来识别目标的路段,然后在目标沿直线道路行驶和沿折线道路转弯行驶两种情况下,设计了相应的基于航迹与道路相似度的识别规则,最后通过仿真实验验证了上述识别规则的可行性和有效性。仿真结果表明,该识别规则能以较高概率识别地面目标以及与道路相似度不大的空中目标。     

机载预警雷达模拟器气象和干扰显示建模仿真

目前机载预警雷达训练模拟器在培训中存在2大难点:气象目标不规则形状的显示仿真和干扰显示仿真。基于贝塞尔曲线结合路径的方法来模拟气象目标的不规则形状,建立气象显控模型,较好地实现了雷达模拟器气象显示仿真;通过各种干扰样式等建模,实现了预警雷达干扰显示,通过操作措施建模,实现了抑制干扰。解决了机载预警雷达训练模拟器PPI显示中的诸多问题:气象目标随机分布、外形不规则、气象目标显控、干扰的设置和显示模拟。结果证明所建模型能够实现气象及干扰显示以及操作应对模拟,能为雷达操作员提供逼真的气象、干扰显示画面,可以达到或接近实战中才能得到的训练效果。     

基于航路-航迹关联的天波超视距雷达航迹分类

天波超视距雷达的最终任务是检测、跟踪我方感兴趣的目标。将这些目标从跟踪器输出的航迹集合中提取出来是一个难点。考虑一类存在先验航路信息的航迹辨识问题,基于假设检验理论与分类思想,提出了一种多航迹-多航路情况下的天波超视距雷达航迹分类算法。在建立的空中走廊模型基础上,先后利用目标位置、航向信息与航路做相关判断,计算航迹-航路相关代价,据此将航迹分为航路目标航迹及非航路目标航迹。仿真结果表明,提出的航迹分类算法在航路数量适中的情况下正确分类概率达到90%。     

基于多特征的密集假目标干扰融合识别与抑制

密集假目标干扰通过产生大量虚假回波扰乱雷达对真实目标的有效检测和识别,由于虚假回波信号与真实信号的高度相关性,雷达很难对其进行有效识别和抑制。针对该问题,提出了基于信号数据多特征的脉冲多普勒雷达密集假目标干扰融合识别与抑制技术,通过速度量测统计分布特征提取、峰值邻域谱线抑制、谱线分布信号幅度基本概率赋值构建及D-S证据理论融合判别实现了干扰的识别与抑制,仿真验证了该方法的有效性。     

自适应相关匹配法在雷达目标距离剖面像识别中的应用

本文针对高距离分辨雷达体制与地面坦克目标识别应用背景,提出了一种基于自适应相关匹配的雷达目标距离剖面像识别的新方法.这种方法根据给定的误判概率与拒判概率的要求,设计和得到目标姿态角的一种区域划分,确定相关匹配分类器的数目,并按最优化准则构造匹配分类器;根据实测距离剖面像的长度来选择相应的分类器进行匹配识别,以适应目标不同的姿态角;具有匹配运算量少,所需匹配滤波器数目少等优点,为解决地面背景中坦克目标的识别提供了一条有效途径.     

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。     

基于关联准则的主瓣航迹欺骗干扰方法

针对现有的主瓣航迹欺骗干扰技术进行航迹规划时仅考虑运动参数限制和单部干扰机为主的问题,通过参考具有普遍适用性的航迹关联准则,提出虚假航迹设定方法,推导干扰机运动参数和干扰信号调制参数。在单部干扰机航迹欺骗干扰的基础上探究多机协同干扰组网雷达的可行性,仿真结果表明干扰信号最终能被敌方雷达识别,并且在两部干扰机对抗两部雷达情形下可以达到预期效果,为复杂情形下的组网雷达对抗奠定了基础。     

雷达抗自卫转发式航迹假目标欺骗干扰技术

在杂波背景下,传统的自卫转发式航迹假目标欺骗干扰识别方法的正确识别率较低,且利用单一信号特征鉴别真假目标的正确鉴别率较低。针对此问题,提出了一种新的抗自卫转发式航迹假目标欺骗干扰技术。首先,使用常规多目标跟踪算法消除杂波的影响,然后利用基于目标状态估计的角度检验和N/M逻辑准则判断雷达是否遭受自卫转发式航迹假目标欺骗干扰。若存在干扰,则提取目标信号的幅度和相位量化信息,使用多级模糊综合评判对真假目标进行联合鉴别。该技术对自卫转发式航迹假目标欺骗干扰正确识别率较高,能有效剔除形成稳定航迹的假目标。仿真结果验证了该技术的可行性和有效性。     

基于时间谱信息的低分辨雷达飞机目标分类

雷达目标空间状态随时间的变化特性从侧面揭示了的目标的本质,这种目标空间状态随时间呈现的分布特性称之为目标的时间谱,而利用目标的时谱信息(目标的航迹、速度、机动性、空间坐标信息)可以简化(或缩小)待识别目标的范围。用低分辨雷达测量得到的时间谱信息作为特征,采用模糊逻辑规则对五类飞机目标进行分类判决。结果表明:基于时间谱信息的飞机目标分类为低分辨雷达飞机目标识别提供了一个有效的辅助手段。     

机载气象雷达的三维湍流模型和探测仿真方法

对湍流等复杂气象目标的探测仿真是研究复杂气象目标的有效方法,为了提高机载气象雷达对湍流目标的探测仿真系统的精度,提出一种新的基于蒙特卡罗原理的大气湍流三维建模方法。基于相关函数矩阵生成了Von Karman湍流模型,将该模型应用到机载气象雷达湍流目标检测系统中,通过该数学模型生成湍流的雷达回波模型,对湍流目标的多普勒速度和谱宽进行估计和分析。仿真结果表明,该模型可以满足机载气象雷达湍流目标仿真时对湍流风场数值的要求,通过理论分析与仿真数值的相关性检验对比,证明所提仿真模型符合理论模型特征且具有较高的仿真精度,满足大气湍流的统计特性。通过与Dryden模型在湍流探测仿真结果进行对比,所提模型更接近于真实风场特点。     

基于模型转换频率估计的低空目标分类

为解决传统机械扫描预警雷达的低空目标分类问题, 提出一种利用模型转换频率估计的飞鸟与无人机目标分类方法。首先, 建立可能的无人机和飞鸟目标运动模型, 进而对目标轨迹进行多模型滤波和平滑处理。然后, 通过估计目标的模型转换频率实现目标分类。仿真结果验证了所提方法的鲁棒性和有效性, 证明经过平滑处理的目标分类结果优于仅经过滤波处理。针对低空预警雷达在机场和海岸环境中采集的真实数据, 在无人机频繁改变飞行方向模拟飞鸟机动性特征的情况下, 所提方法仍然可以较好地跟踪和区分无人机与飞鸟目标, 大幅降低了雷达系统的虚警率。     

雷达与ESM综合多目标检测、跟踪与识别

为在预警监视系统中对多目标的检测、跟踪、识别过程进行统一处理,提出一种基于跳转马尔可夫系统模型高斯混合概率假设密度滤波(jump Markov system model Gaussian mixture probability hypothesis density filtering,JMS-GMPHDF)算法的雷达、电子支援措施（electronic support measures,ESM）综合多目标检测、跟踪与识别方法。该方法首先根据不同类别目标设计各自的多目标多模型高斯混合概率假设密度滤波器,并在各滤波器处理过程中同时对高斯项进行编号;然后,根据目标速度与加速度模型信息进行高斯项综合与类别判决,同时根据ESM测量信息进行型号判决;最后,通过航迹综合管理,形成具有运动状态信息以及类别、型号、航迹编号信息的确定航迹。仿真实验验证了该方法能够有效综合雷达、ESM测量数据,在进行多目标检测、跟踪的同时进行正确的类别、型号判决,并形成确定航迹。     

基于新最速下降法的目标跟踪算法

雷达目标跟踪滤波算法是雷达信号处理的重要组成部分, 在空防预警、战场监视、导弹制导等领域起着重要的作用。本文提出了基于一种新最速下降法的目标跟踪算法。首先建立一种基于改进多项式拟合模型的运动描述模型, 接着用一种新最速下降法来求解运动模型的最优参数, 通过实时的最优运动模型对运动目标航迹进行预测跟踪, 并采用正则化思想去除噪声影响。将本文算法与目前常用的交互多模型跟踪滤波算法进行对比, 仿真结果表明在目标机动和非机动的情况下, 本文算法的精度更高、计算量更小、实时性更好。     

基于KFD+ICA特征提取的SAR图像目标识别

提出了一种用基于核函数的Fisher判别分析(kernel based Fisher discriminant analysis,KFD)和独立分量分析(independent component analysis,ICA)特征提取的合成孔径雷达(synthetic aperture radar,SAR)图像目标识别方法。用基于核函数的Fisher判别分析提取SAR图像样本在高维特征空间中的最佳分类向量,对最佳分类向量做独立分量分析,得到表征图像样本的特征向量,用支持向量机(support vector machine,SVM)对提取得到的特征向量分类完成目标识别。对MSTAR数据库中三类军事目标用该方法进行特征提取和识别实验,识别率为96.92%。结果表明,KFD ICA特征提取方法可提取目标的有效特征,在较低特征维数情况下获得较高的目标正确识别率。     

一种多门限空海目标分类方法

针对利用高度信息进行空海目标分类时存在很大不确定性的问题,提出了一种机载雷达多门限空海目标分类方法。首先基于假设检验思想,利用高度估计值构建了空海目标分类判别函数,然后采用多门限决策规则进行空海目标分类,并结合统计理论,给出了各门限的计算公式。仿真表明该方法能够有效地进行空海目标分类,可同时将两类错误分类概率控制在较低水平。最后,给出了该方法的实际应用模型。     

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。     

小样本条件下SCGAN+CNN低分辨雷达目标一步识别算法

现有低分辨雷达目标识别方法,通常采用先特征提取、再进行目标分类的两步识别算法,这种算法存在识别率难以提高和方法泛化性不足的问题,对此,提出一种增强条件生成对抗网络（strengthening condition generative adversarial network,SCGAN）+卷积神经网络（convolutional neural network,CNN）的低分辨雷达目标一步识别算法。该算法利用CNN自动获取采样数据深层本质特征,无需特征提取,实现对目标的一步识别。为进一步提高小样本条件下的识别效果,基于CGAN理论来提高样本在特征空间的覆盖程度,并对CGAN的判别器进行改进,在损失函数中增加混叠惩戒项,通过SCGAN生成不混叠的生成样本来更好地训练CNN,提高其在小样本条件下的识别能力。仿真对比实验校验了一步识别算法较传统两步识别算法的优越性,以及SCGAN+CNN的低分辨雷达目标一步识别算法在小样本条件下的有效性。     

利用ESM方位信息的多普勒盲区目标跟踪方法

机载预警雷达固有的多普勒盲区容易造成目标航迹中断和重起批。针对该问题,提出了一种基于电子支援措施(electronic support measure, ESM)方位信息和多普勒盲区联合状态约束的粒子滤波跟踪算法。该算法在预测过程中对盲区内的粒子进行约束,将不满足约束的粒子投影到约束区域表面。最后再利用这些约束粒子估计目标的状态,并形成粒子云波门,对新出现的量测值进行关联。仿真结果表明,该算法相比无先验信息或仅利用多普勒盲区信息的算法具有更小的滤波误差,同时能形成更小的关联波门,提高了航迹质量,实现了多普勒盲区条件下的目标连续跟踪。