基于最小二乘的阵元位置误差校正及性能分析

针对独立校准信源波达角未知情况下的阵列位置误差校正问题,提出了一种对信号导向矢量的绝对相位进行最小二乘线性拟合,进而估计出阵元位置误差的算法。并对算法的性能进行了详细分析,推导出位置误差估计的显示表达。该算法在对阵元位置误差进行估计时无需迭代运算,甚至不需要一维搜索,具有较低的运算复杂度。理论分析和仿真结果验证了该算法的有效性。     

ISAR越距离单元走动校正的近似极坐标算法

在ISAR系统中,通常假设不发生越距离单元走动,并应用距离多普勒(RD)算法获得目标的ISAR像。但是当雷达具有较高的分辨率,目标的尺寸较大,或目标在成像相关时间内转过了较大的角度时,散射点的越距离单元走动难以避免。为校正越距离单元走动,提出了一种近似极坐标算法。该算法将相关时间内的雷达回波数据近似为波数域梯形区域上一系列的采样点,并插值得到波数域矩形区域上的采样点,最后通过傅里叶变换得到目标的ISAR像。在目标均匀转动的假设下,该极坐标算法通过近似,不再要求已知目标的转角信息,并且能够较好地校正散射点的越距离单元走动。最后的仿真结果证实了算法的有效性。     

α-β滤波器和复合控制

通过对复合控制在α-β滤波器中应用原理的分析,得出了在四维跟踪雷达系统中,距离跟踪回路可利用速度跟踪回路测量结果应用复合控制方法来减少跟踪高加速度目标时产生的动态滞后误差的重要结论,并提出了工程实现方法和应用该方法的具体步骤,通过仿真实验证明了该算法的有效性。实验数据表明,这种方法对于四维跟踪雷达是否需要利用测速回路输出改善测距回路性能具有重要的参考意义。     

再论扩展目标的角闪烁

解释了角闪烁的两种物理概念及其计算方法;从数学上证明了远区角闪烁线偏差与雷达距离无关;以两个任意取向的电偶极子组成的典型目标为例,推导了考虑目标回波极化和接收天线极化时的角闪烁理论计算公式。理论分析和数值计算表明,在几何光学条件近似下,对线极化接收,相位梯度法与坡印亭矢量法完全等效。     

结合非线性CS算法的UWB-SAR运动补偿

载机飞行不稳对SAR成像质量影响很大,对超宽带SAR系统尤其如此,提出了一种结合非线性CS算法的超宽带SAR运动补偿方法。通过采用引入高次相位补偿和非正交旁瓣抑制的改进非线性CS算法,减小了超宽带SAR成像中的相位误差。通过成像前的常规一阶运动补偿和距离徙动校正后的分块二阶运动补偿,有效补偿了超宽带SAR中的方位空变运动误差,提高了飞行不稳时的成像质量。该方法在运动补偿时考虑了方位空变运动误差随距离的变化,针对载机运动误差变化较快的情况也给出了处理办法。仿真和实测数据的处理结果验证了该方法的有效性。     

基于多电视台的两种无源雷达成像算法

基于外辐射源的无源雷达成像是当前新体制雷达的研究热点,给出了利用多个电视台作为外辐射源的直接二维快速傅里叶变换成像算法和极坐标成像算法。建立了多基地无源雷达成像模型,通过理论推导得到目标散射函数和雷达接收信号之间的傅里叶变换对的关系。选取15个电视台信号作为外辐射源进行了仿真实验,分析和比较了两种算法的性能,证实了算法的可行性。     

脉冲测量雷达卫星标校的实现

针对轴系误差标定是脉冲测量雷达使用维护的重要内容,是确保其测量精度的主要手段。介绍了脉冲测量雷达轴系误差的卫星标定方法,给出了标校模型和一种基于最速下降法的迭代算法,结合某雷达的精度鉴定进行了应用研究。结果表明,卫星标定方法完全可行,可以避免常规标定方法所涉及的大量人工参与,标校结果更为客观、真实、可信,并分析了卫星标校方法的使用条件。     

基于距离像幅度信息和Boosting的目标识别研究

在基于高分辨雷达距离像的目标识别中,有研究者指出散射点的位置信息具有比幅度信息更好的鉴别能力。对此,将距离像各距离单元按照幅度大小进行重排,得到只保留散射点幅度信息而去除散射点位置信息的平移不变特征,它反映了目标的反射特性,并利用Boosting算法和支持矢量机(SVM)进行了分类试验。基于实测数据的仿真结果表明,散射点的幅度同样是一种重要的识别信息。     

空间探测相控阵雷达系统中的任务规划算法

针对空间探测相控阵雷达系统,提出了一种观测任务规划算法。首先,建立了观测任务模型和观测任务资源占用模型;其次提出一种多任务并行截止期越早越优先(multi-task parallel earliest deadline first,MTPEDF)调度算法来解决观测任务规划,该算法综合考虑雷达的搜索任务与跟踪任务来进行系统资源的分配。对于跟踪任务,算法结合目标的过境时间以及当前系统的负载情况,以此来确定雷达对该目标的观测时间段;最后给出了算法的评估方法。利用在轨的2 886个空间目标进行仿真验证,仿真结果表明算法可以较好地利用系统时间资源,合理安排雷达观测任务。     

集中式多传感器模糊联合概率数据互联算法

为解决集中式多传感器系统中多目标跟踪问题,提出了集中式多传感器模糊联合概率数据互联算法。该算法应用模糊数学的方法计算测量点迹与航迹测量预测之间的模糊综合相似度,运用阈值判别及经验概率法则给出模糊联合互联概率的计算方法,提出了集中式多传感器模糊联合概率数据互联算法的状态估计模型。对该算法与已有集中式多传感器联合概率数据互联算法进行仿真比较,仿真结果显示该算法的跟踪精度较后者提高了43.7%,同时有效地降低了周期耗时,综合性能更优越。