多径环境下的密集假目标干扰抑制技术研究

密集假目标干扰兼具欺骗和压制的干扰效果,是对抗现代相参雷达的典型干扰. 对于地面雷达,当干扰机位于低仰角复杂环境时,其接收到的干扰信号可能存在多径效应,导致传统的副瓣对消（SLC）算法性能明显恶化. 针对该问题,提出一种基于多径筛选的并行SLC算法. 算法在假目标检测的基础上,通过K-Means无监督聚类对各假目标峰值的通道间相位矢量进行聚类分析;根据聚类结果筛选各路径的干扰样本进行并行SLC处理;针对各路对消结果进行同距离选小,从而实现多径环境下的密集假目标干扰抑制. 利用某型雷达采集的实测数据验证了算法的有效性.      

带障碍物惩罚因子的多机器人路径规划

轻载环境中,复杂障碍物区域将引起机器人之间局部冲突加剧,进而导致路径求解效率下降,针对该问题,提出轻载环境下带障碍物惩罚因子的多机器人路径规划方法。在基于冲突搜索(conflict-based search, CBS)算法框架的下层单机规划过程中,通过对即将拓展机器人位置的周围障碍物分布类型进行判断,赋予与之对应的障碍物惩罚因子;对路径规划过程中的惩罚因子进行累加,作为单机规划的启发值对路径进行选取;结合CBS算法框架的上层冲突消解策略进行多机器人的路径规划与冲突协调。测试结果表明,在10%障碍物分布的轻载环境中,所提算法的求解时间约为CBS算法的81.38%～83.67%,二叉约束树(constraint tree, CT)拓展量为CBS算法的60.14%～71.66%。在Gazebo中仿真表明,所提方法可减小通过复杂障碍物区域的次数。