基于DirectX的弹头进动3D视景及微多普勒特征仿真软件的实现

利用VC++6.0,基于短时傅里叶变换对弹头回波进行时频分析,得到弹头回波微动信息,利用兼容位图将回波微动信息进行可视化显示,采用DirectX三维显示技术,开发出弹头进动微多普勒特征分析及相应的弹头运动形态三维视景仿真软件。软件可提供弹头目标在不同雷达载频、自旋频率、锥旋频率、进动角等参数下的弹头理论微多普勒曲线,以及对回波时频分析得出的微多普勒曲线,实现了弹头目标三维视景与弹头微多普勒曲线的同步实时显示。软件运行表明:该软件运行流畅、理论推导结果与通过时频分析进行仿真验证的结果一致,软件对操作人员的响应迅速,三维视景显示与微动显示相一致。     

基于微多普勒的锥体目标进动和结构参数估计

真假目标识别是弹道导弹防御的一大技术瓶颈,目标识别的正确与否在一定程度上决定了反导系统的成败.微动引起的雷达可观测量微多普勒特征包含了目标的运动、尺寸、形状等大量信息,因此微动特征是当前学术界公认的弹道中段目标识别的有效特征之一,对微动特征的提取为弹道导弹防御目标识别提供了新的解决手段.该文以旋转对称锥形目标为研究对象,根据散射中心理论以及攻防对抗条件,推导了目标两个等效散射中心的位置与回波模型,建立了基于滑动型散射中心的锥体目标进动模型.分析了目标的结构参数与雷达回波微多普勒参数的显式关系,推导出微多普勒随时间变化的解析表达式.结合弹道中段目标识别等应用背景,提出了基于TFDHough变换的联合参数估计的方法.该方法综合两个散射中心的微多普勒参数,联合求解二者的参数空间,对进动和结构参数进行估计.仿真结果表明目标回波的微多普勒时频曲线与解析微多普勒曲线吻合,所提联合参数估计方法可准确估计进动角、进动频率、锥体高度、锥底半径等进动和结构参数.     

基于Gabor变换的微动目标微多普勒分析与仿真

由于目标微动特征信号具有非线性和非平稳的特点,为有效提取雷达目标的微动特征,为雷达目标的分类与识别提供依据,在单频信号体制下,以旋转散射点目标为例,基于时频分析的方法提取了旋转目标的微多普勒信息,通过仿真验证,得到了微动目标的微多普勒特征,比较了几种常见时频分析工具的变换结果及性能差异.仿真结果表明,Gabor变换方法在微动目标微多普勒提取方面是可行而稳健的,Gabor变换的巨大潜力将为微动目标特征识别提供新的途径.     

弹道中段进动目标动态RCS仿真研究

为计算弹道中段进动锥体目标的动态RCS,根据中段弹道目标的运动学特性,利用椭圆弹道理论仿真计算出了中段弹道;同时根据导弹与雷达的空间几何关系,求得弹头实时视角值。然后利用高频区理论计算方法计算出弹道中段进动目标的实时RCS值。仿真结果与理论分析相比较,证明了所提方法的有效性。     

基于连续波雷达的人体目标微多普勒频率估计方法

针对连续波多普勒雷达在频谱混叠区域目标信号难以识别以及传统维特比瞬时频率估计算法路径分叉的问题,本文将修正的维特比算法与指数平滑预测技术相结合,根据雷达回波的局部特性动态调整指数平滑法的平滑系数,并定义基于三次动态指数平滑预测的新型惩罚函数,提出一种从连续波雷达回波中估计人体特定散射部位微多普勒频率的新方法.研究结果表...     

宽带雷达弹头目标遮挡效应建模与微多普勒仿真分析

微多普勒特征是弹道导弹目标识别的重要依据。高频雷达体制下，弹头目标与雷达的位置关系直接影响雷达回波生成及后续的微多普勒特征提取，因此必须考虑遮挡效应的影响。首先，使用3D-Max软件对锥体弹头进行几何建模，得到三维网格模型；其次，对于弹头顶点和尾翼散射点，在计算机图形学面消隐算法的基础上，采用平均法向量法进行遮挡判断，得到较为真实的目标仿真回波，对遮挡条件下的弹道目标回波建模与微动特征分析进行了初步探索。仿真结果表明，该方法可以完成弹头目标的遮挡效应建模。     

托马斯进动的弗米变换形式

Fermi-Walker(F-W)及Fermi(F)变换是经常用在物理定律中的一类变换. 考虑一任意矢量V~μ,它定义在四维弯曲时空上一点x~μ(0),当矢量V~μ沿着类时曲线x~μ(τ)(0<τ相似文献   

雷达目标微多普勒效应研究概述

近年来雷达目标微多普勒效应得到了较为广泛的关注,基于微多普勒特征的目标识别技术被认为是雷达目标精确识别领域中极具发展潜力的技术途径之一。从微多普勒效应概念、微多普勒分析及特征提取、微多普勒应用等方面论综述了当前国内外雷达目标微多普勒效应研究的发展和应用现状,并对未来的技术发展趋势做了进一步展望。     

基于微多普勒的雷达目标特征参数提取方法比较

从雷达探测到的众多目标中识别出真目标,进而进行有效的拦截是导弹防御系统中的关键技术。利用雷达获得的微多普勒效应进行真伪目标判定是目前较为先进的目标识别方法之一。选择弹道导弹的弹头目标建立其运动模型,通过对基于微多普勒的时频分析法、频谱与倒谱法、延时共轭法等三种常用方法对弹头目标的微多普勒特征参数提取的计算、仿真和分析,给出了各种方法的优缺点和适用范围。仿真结果表明:在散射点数目较少时,延时共轭法可以快速准确地估计目标的微动特性。     

运动目标微多普勒特征提取方法

雷达目标的微多普勒效应为目标精确识别提供了新的技术途径;近年来获得了广泛研究。为了实现对目标微多普勒特征的快速准确提取,在对逆合成孔径雷达系统中含旋转部件运动目标雷达回波信号距离-慢时间二维谱图域分析的基础上,提出了一种基于图像域的微多普勒特征提取方法。利用二维谱图上微多普勒曲线的正弦周期特性,实现对不同微多普勒曲线的分离和参数的快速提取,从而获得目标真实的微动信息,为目标的快速准确识别提供了依据。最后,仿真实验验证了该方法的有效性。     

机动目标的时频变换ISAR成像仿真

针对机动飞行目标的成像难点,实施了基于时频变换的逆合成孔径雷达(ISAR)成像处理方案.与传统的点目标模型的回波模拟方法不同,该方案采用全波数值方法计算目标在飞行过程中瞬时位置、姿态下的散射场数据,再依据延时顺序将离散时刻的散射场数据叠加,最终获得雷达的回波数据.数值仿真结果验证了该方案的可行性.     

基于分数阶Fourier变换的时频分布

分数阶Fourier变换是对经典Fourier变换的推广.根据信号瞬时相关函数、点谱相关函数、Wigner分布和模糊函数这4种信号表示方法之间的Fourier变换关系,基于二维分数阶Fourier变换,给出一种新的分数阶时频分布,它表征了信号的局部时间/频偏和局部频率/时延特性,进一步讨论该分布函数的主要性质.最后给出它在线性调频（chirp）信号检测中应用的仿真结果.     

MIMO雷达目标部件旋转和振动的微多普勒效应研究

基于MIMO雷达系统,建立了单频信号体制下目标部件旋转、振动的微多普勒效应的数学模型。与传统单基雷达系统相比,当选取的观测雷达组合不同时,得到的旋转微多普勒正弦曲线的幅值、初始相位均不相同,而振动微多普勒正弦曲线的初始相位不变,只有幅值改变。仿真实验验证了理论分析的结果,从而为MIMO雷达系统的微动特征提取及目标识别提供了理论依据。     

组网雷达中旋转目标微多普勒效应分析及三维微动特征提取

目标微动特征提取是当前研究的一个热点,在组网雷达技术中研究了旋转目标的微多普勒效应,分别分析了组网雷达中不同信号形式下的目标微多普勒效应,并给出了其参数化表达。利用组网雷达的多视角特性,将不同信号形式下分布在不同位置的雷达获得的回波信号进行参数提取,通过构造多元非线性方程组,以提取的参数作为变量,进行目标3维微动参数解算,实现了目标3维微动特征的提取。仿真实验验证了所提算法的有效性。     

基于全波数值算法的扩展目标微动特征仿真

针对现有仿真研究对象多为简单目标,由此得到的研究结论不能简单地移植到复杂目标上这一问题,计算电磁学的全波数值算法———合元极,融入到微动复杂目标回波模拟中.以球头锥结构目标为例,研究了金属、涂敷球头锥在不同微动、极化方式下的微多普勒特征.研究表明,极化方式和涂敷影响了微多普勒信号亮度变化,但微多普勒频率变化规律保持不变,此研究工作可对弹道导弹探测、识别应用提供一定的量化参考.     

基于EMD算法的空间自旋目标平动补偿与微动特征提取

针对微多普勒频率附加在空间目标高速轨道运动产生的多普勒频移上使微动特征提取更加困难这一问题,提出了一种利用EMD算法对空间目标进行精确平动补偿和微多普勒特征提取的方法。对空间自旋目标进行建模,推导了窄带雷达条件下空间目标的微多普勒效应,并分析了平动分量对微多普勒的影响;把目标回波分解成一系列本征模态函数(IMF),然后求出瞬时频率,利用经验模型分解(EMD)算法对瞬时频率进行分解,分析各分量的能量百分比判别平动频移分量,实现回波信号的平动补偿;对平动补偿后的信号利用 EMD算法分离出微多普勒曲线,提取微动特征。仿真实验验证了该方法的可行性与有效性。     

机械振动信号的时频分析

本章介绍了机械振动信号时频分析的意义,然后给出了信号时频分析中的几个重要的基本概念,如相空间、窗函数、测不准原理等.最后给出了应用实例.     

一种基于时频分析的盲信号分离算法

利用模糊函数的时频分布特征选取时频点,提出一种新的时频域盲信号分离算法．与传统的维纳时频分布相比,不仅显著缩小了时频点的选择范围,而且不需要设定阈值．算法利用一种非正交联合对角化方法求取分离矩阵,在原始信号具有互相关的情况下也能达到良好的分离性能．仿真试验表明,该算法计算量小,分离精度高,可实现高斯源或相关源信号的盲分离．     

基于时频分析的网络故障自动识别

通过研究网络流量的时频分析,提出了一种新的基于平滑魏格纳分布(WVD)的故障识别算法.该算法只利用管理信息库中的标准信息来识别不同种类的故障,而且与现有的简单网络管理协议体系结构兼容.采用平滑WVD可消除交叉项的干扰,并将网络流量序列转换为二维空间的波动能量分布.用获取的不同网络服务的时频特性分布作为训练样本,训练后的K最近邻分类器可实现网络故障的识别.实验中,故障识别结果与预设的场景一致,与理论值相比识别误差率为14 41%.分析结果表明,该算法适用于具有流量变化的故障场景.