雷达干扰未确知效果的测度评价研究

在未确知数学理论基础上 ,结合电子对抗的特点 ,研究了雷达干扰效果的评价指标体系和度量方法 ,以及如何识别、排序的问题。建立了基于未确知效果测度的雷达干扰效果评价模型 ,并结合有源干扰的一个实例分析 ,获得了较为成功的应用。未确知效果测度评价模型严谨 ,评价结果合理、精细、分辨率高 ,适合于雷达干扰效果的评价     

卫星耦合运动姿态对星载SAR多普勒参数的影响

为给SAR成像过程的运动补偿提供依据 ,通过建立卫星姿态的运动学方程和姿态的动力学方程 ,离散后获得卫星的姿态变化规律 ,进而分析卫星三姿态 (俯仰、横滚、偏航 )对星载SAR的Doppler参数的影响。最后得出卫星姿态运动对星载SAR的多普勒参数影响的仿真结果 ,从普遍意义上得出了卫星的姿态对星载SAR成像时的影响。     

探地雷达管道目标图像的识别方法

介绍改进的赋标号求面积的列表线跟踪方法，并将上两种方法应用于探地雷达管道目标图像的处理和识别。试验结果表明，方法是十分快速和有效的。     

Computer Control Techniques of Phased Array Radars

ＣｏｍｐｕｔｅｒＣｏｎｔｒｏｌＴｅｃｈｎｉｑｕｅｓｏｆＰｈａｓｅｄＡｒａｙＲａｄａｒｓＺｈａｎｇＢｏｙａｎ，ＣａｉＱｉｎｇｙｕ＆ＬｕＪｉａｎｘｉｏｎｇＢｅｉｊｉｎｇＩｎｓｔｉｔｕｔｅｏｆＲａｄｉｏＭｅａｓｕｒｅｍｅｎｔ，１００８５４，Ｐ．Ｒ．Ｃｈｉｎ...     

空时自适应处理典型方法综合性能评估

对典型空时自适应处理方法的综合性能进行了评估，主要从误差鲁棒性、运算量、采样要求、自适应方向图、频响图、实现复杂度几个方面进行了比较与分析，为实际工程实现和发展新的空时二维自适应处理器作参考。     

基于转发路径优化的交叉眼干扰结构

为了降低因路径引起的波程差,提出一种基于转发路径优化的交叉眼干扰结构。通过分析交叉眼信号传播路径,建立干扰信号传播路径模型。在雷达来波方向偏离交叉眼干扰天线中垂线的条件下,改变交叉眼双环路接收天线和发射天线位置,可以有效减小干扰距离较远时因波程差造成的相位变化,提高交叉眼干扰效果。仿真结果表明：在该结构下,交叉眼干扰与雷达的距离越远,波程差越小;雷达来波方向偏离交叉眼干扰天线中垂线越严重,波程差越小;当交叉眼干扰距离雷达较远（r>3 km）时,交叉眼天线中垂线附近波程差即可忽略,使干扰信号到达雷达时的相位差能够满足干扰要求。     

基于分光链路模拟的曲面量子雷达散射截面研究

量子雷达基于量子态特性对目标探测识别,可有效克服复杂电磁环境和目标隐身特性影响。针对光量子在大气中传播时易受介质吸收和散射影响的问题,提出利用分光链路模拟大气介质的方法,对目标量子雷达散射截面进行了研究。通过引入单光子波动方程,采用分光链路模拟大气介质,得到衰减条件下光子波函数,推导衰减条件下量子雷达散射截面公式,并对衰减条件下单曲面量子雷达散射截面进行仿真。仿真证明,在不同入射角条件下,量子雷达散射截面主瓣峰值随衰减系数增加而减小,入射角对量子雷达散射截面无影响;在0 ℃、能见度30 m条件下,目标量子雷达散射截面主瓣峰值随波长增加。     

随机森林分类用于雷达信号预分选新算法研究

 现代战争中,雷达电子战环境越来越复杂,随着雷达种类的多样化和雷达脉间调制方式的复杂化,对信号分选的识别难度也愈加增大。本研究采用随机森林算法对脉冲描述字特征进行预分选,可自适应的对特征进行选择,并实现分类。随机森林由于可以自动进行特征选择,可对不平衡的数据进行误差平衡等优点,通过多决策树表决方式,可以迅速完成对大量数据快速训练。在脉冲丢失导致的部分特征损失的情况下,仍可以维持识别准确率。通过实验证明了本方法对雷达脉冲描述字特征进行预分选的有效性。     

基于改进极坐标格式算法的大斜视SAR成像方法

针对大斜视合成孔径雷达成像（SAR）模式下,回波存在较大的距离走动和严重的距离 方位交叉耦合等问题,对传统极坐标格式算法（PFA）进行改进,提出了一种基于改进的PFA算法的大斜视SAR成像方法。根据实际回波数据存储的形式,建立了大斜视SAR的斜距模型,通过对距离向与方位向的二维泰勒级数展开设计了一种斜距平面的二维插值函数,有效地提高了成像算法的聚焦深度。与传统PFA不同,斜距平面的距离展开能够避免回波数据的投影,所以改进的算法更适用于地形起伏不平的成像场景。仿真数据和实测数据分析验证了该方法的有效性。     

一种用于激光雷达识别车道标线算法

利用点云数据空间分布特征和回波强度信息,结合局部均值变点统计方法,提出了一种用于激光雷达数据帧的车道标线识别算法。该算法首先基于车载激光雷达采集的道路周围环境点云数据中高程信息进行滤波,确定可行驶区域。然后利用局部均值变点统计对可行驶区域点云数据中的回波强度值进行标记提取,即车道标线点云数据粗提取。最后基于EM(最大期望)方法聚类,从而完整、准确地识别车道标线。实验结果表明,该算法不仅能够准确定位可行驶区域,进而可以实现车道标线的自动提取;而且有效抑制了道路周围环境对车道标线识别的干扰,验证了算法的有效性。