逆合成孔径雷达像轮廓提取方法

为了从图像分辨率低且具有明显稀疏性的逆合成孔径雷达(inverse synthetic aperture radar, ISAR)像中提取目标的平滑轮廓,在ISAR像建模的基础上,提出了基于形态学方法提取ISAR像目标轮廓并使用小波分析平滑目标轮廓的方法。实验结果表明,该方法有效地消除了由ISAR像稀疏性导致的难以提取连通且完整的目标轮廓的问题,相比其他轮廓提取手段更适于ISAR像目标的平滑轮廓提取。该方法通过对ISAR像进行图像域分析获得了目标的连通、平滑轮廓,使后续ISAR像目标特征提取和识别更易于实现。     

中段目标微运动建模方法与宽带雷达回波仿真

改进了中段目标微进动动力学参数模型,建立了微进动目标数学描述方程,从中段目标的外形特征、运动特征及散射特性全面阐述了中段目标的物理特性,提出了中段目标的移动散射点模型,最后给出了仿真结果,为中段目标识别提供了重要基础。     

机械扫描天线电磁计算与距离像特征分析

针对主动雷达导引头对防空导弹武器系统制导雷达站检测与识别的需求,研究了机械扫描天线电磁散射特性的计算方法,并对其距离像特征进行了分析。首先采用图形电磁计算法对反射面天线的电磁散射特性进行了建模和计算,然后利用其宽频带雷达散射截面计算数据合成天线的一维距离像,进而对不同姿态下天线的距离像特征进行了分析。结果表明,由于天线的旋转,距离像序列的强度、宽度和位置呈现周期性的变化规律,从而为采用距离像序列对机械扫描天线进行识别以及对旋转周期和尺寸等参数的估计提供了可能。     

一种多相编码脉压信号的检测与参数估计方法

针对低截获概率雷达中常用的一类由频率导出的多相编码信号（P1、P2、P3、P4及Frank码）的截获问题,研究了基于积分二次相位函数的检测与参数估计方法。该方法利用此类多相编码信号的二次相位函数在时间-调频率平面仅为一条平行于时间轴直线的特点,通过积分二次相位函数获得能量积累,完成信号检测的同时实现了信号调频率参数的估计。分析了检测统计量的输出信噪比性能,给出了算法的接收机工作特性曲线和检测性能曲线,仿真分析了算法的参数估计性能。     

基于扩展距离像序列的ISAR成像相位补偿方法

逆合成孔径雷达（inverse synthetic aperture radar, ISAR）相位补偿算法对成像结果具有重要影响。首先从ISAR成像原理出发推导了相位误差产生原因,针对多普勒中心跟踪法,分析了横向交叉项对多普勒中心的影响,采用CLEAN算法分离了距离单元内强散射中心簇,构建了扩展距离像序列,提出了基于扩展距离像序列的相位补偿方法,有效地减小了横向交叉项对多普勒中心的影响,提高了相位误差估计精度。成像结果表明,该方法能够较好地补偿ISAR成像中的相位误差,噪声环境下优于其他方法。     

人体目标雷达回波建模

人体行走的微动研究始于90年代末,而后发展迅速,雷达对人体的探测有着其他传感器不具备的优势,现阶段主要集中在对于实测数据的分析上,而缺乏系统的理论和模型分析。首先针对人体目标雷达回波信号的作用机理,对现有的人体运动学模型进行了改进,在人体微运动结构方面主要考虑了人摆腿和摆臂的前后向运动。同时将人体结构简化为简单几何形状的均匀刚体,将人体四肢简化为均匀散射的线模型,在理论上给出了人体目标微运动产生的雷达回波模型,最后进行仿真,证明了本模型的正确性和有效性。     

非线性"当前"统计模型及自适应跟踪算法

针对"当前"统计模型中人为设定时间常数的倒数α值的不合理性,对机动参数α进行建模,并基于粒子滤波的思想,结合UKF滤波算法给出适用于强机动目标跟踪的CS-UKF算法。整个算法能够实时估计参数α,并从这里出发估计目标状态。仿真结果表明在目标强机动时CS-UKF算法比经典CS-KALMAN算法收敛速度更快,状态估计更精确。     

高速动态空间目标宽带回波仿真方法研究

获取空间高速动态目标的宽带回波数据是进行空间目标电磁特性研究,开展空间目标探测与识别的基础.针对静态测量和动态测量不同形式的雷达发射信号,分别建立了空间目标静态测量条件下扫频宽带回波信号模型和解线频调的高速宽带回波信号模型.在分析两种信号模型差异的基础上,提出了一种利用静态数据仿真生成高速动态目标宽带回波的方法,并详细分析了该方法的适用条件.最后对仿真方法进行了验证,证明了其可行性和正确性.     

草地红外辐射特性研究

建立了全覆盖草地理论模型和草地地表的热平衡方程 ,考虑了不同时刻的太阳短波辐射、风速、地表空气相对湿度以及草地地表不同的吸收率对温度均值及其起伏的影响。最后采用蒙特卡罗方法计算了草地地表的辐射统计特性。结果表明 ,草地地表的辐射温度与上述环境因素有很大的关系     

决策层时空信息融合的神经网络模型研究

融合目标识别可以获得比任意单传感器更加准确的目标识别结果。决策层融合由于其在信息处理方面具有很高的灵活性,成为信息融合研究的一个热点。针对传统融合算法环境适应性较差的缺点,提出了一种决策层时空信息序贯融合的神经网络模型,讨论了利用各传感器所处环境和专家知识等先验信息确定网络初始权值的方法,研究了网络权值的在线学习算法。仿真实验证明该网络模型的有效性。