系统误差校正中的时间对准问题研究

在雷达组网系统中，为了能迅速而准确地进行误差校正，必须对用于误差校正的数据进行快捷而有效的空时对准。提出在单目标和多目标情况下的时间对准方法，并用最小二乘法对时间对准后的雷达数据进行误差校正仿真，实验结果证明了该算法的有效性。     

基于互信息的航迹对准关联算法

针对系统误差对目标航迹的影响,研究了在组网雷达存在系统误差情况下的航迹对准关联问题,并将该影响表示为目标航迹的旋转量和平移量;提出一种基于互信息的系统误差配准前航迹对准关联算法,该算法采用最大互信息理论来估计目标航迹数据的相对旋转量和平移量,将雷达组网中雷达上报的目标航迹数据对准到融合中心,从而避开了估计雷达组网系统误差,实现了误差配准前的航迹对准关联,能够为后端的系统误差配准提供可靠的关联航迹数据。     

基于相位相关的航迹对准关联技术

本文研究了雷达存在探测系统误差时的目标航迹关联问题,给出了组网雷达常规及大系统误差对目标航迹影响的理论分析,提出了一种基于相位相关的系统误差配准前目标航迹对准关联算法.该算法利用Radon变换和Fourier变换的有关特性,采用1维和2维相位相关来分别估计航迹间旋转和平移,基于估计量对各雷达目标航迹进行对准后,实现配准前航迹准确关联.最后,蒙特卡洛仿真结果比较验证了在各种不同的系统误差和目标环境中算法良好的航迹对准关联效果,充分说明其能够为雷达误差配准提供可靠的关联航迹数据.     

一种适用于机载数据融合的改进时间对准算法

对机载多传感器数据融合的时间对准算法进行了研究,对时间不同步导致的对准误差进行了理论分析.在此基础上,为提高内插外推的精度,对数据时间差异很大的时间对准问题提出了一种改进的分段线性插值算法.对红蓝对抗场景下的数据链与机载火控雷达的数据融合处理进行了仿真分析,仿真结果表明该算法对机载多源数据融合处理具有良好的适应性.     

利用自动识别系统信息进行高频地波雷达天线阵校正

该文提出了一种利用自动识别系统(AIS)信息进行高频地波雷达天线阵校正的方法。该方法使用高信噪比的舰船目标回波信号和目标的AIS信息解算天线阵的相位误差和增益误差。该方法的校正精度高于使用非合作目标回波的盲校正算法,同时无需部署专用信标机,并可以实现随时校正。使用高频地波雷达实测数据以及相应的AIS数据对新方法的性能进行了检验,其结果证明了新方法的优势。     

视觉传感器与激光测距雷达空间对准方法

利用激光测距雷达与视觉传感器进行数据融合,可以解决因光线问题造成的可见光图像缺失、虚警率高的问题.而两者的空间对准又是数据融合的前提.针对地面自主移动平台上安装的可见光视觉传感器与激光测距雷达的特性,将激光测距雷达数据转化为图像,利用标定模板提供的空间约束求解,对可见光与激光距离图像的空间对准问题进行求解.最后,验证实验结果并进行误差分析.实验结果表明,该方法能够有效地对可见光与激光距离图像进行空间对准,实现可见光图像与激光测距雷达数据的关联.     

激光雷达光学扫描性能测试的对准误差分析

激光成像雷达可以给出目标的多方面信息,从而具有较高的目标探测和目标识别能力.其中光学扫描系统的质量是保证获得高质量二维图像的前提,因此有必要对光学扫描器的扫描性能进行定量测试,在应用光学性能扫描测试装置检测激光雷达扫描系统性能时必须保证二者的光轴是对准的.针对激光成像雷达光学扫描性能测试系统,从理论上分析了可能存在的各种对准误差,详细讨论了对准误差对光学扫描测试系统性能的影响,给出了光学扫描测试系统各种对准误差的允许范围.     

基于GNSS时基的数据融合时间对准算法

为了改善空中交通的安全性和效率,对雷达等多传感器的监视数据融合时间对准方法进行了研究。从理论上将数据融合时间对准算法推广到先将数据统一到一标准时间基准上,而后再进行数据融合,据此推导出一种基于标准时基的多数据融合时间对准解析算法。并用一/二次雷达数据、ADS、VDL数据进行了仿真检验,结果表明:该算法的正确性且可满足空中交通使用。     

分布式阵列雷达基线位置和相位误差的卫星标校方法

在采用相位干涉测角的分布式阵列雷达系统中,系统阵面相位中心位置误差和相位误差对测角精度影响很大,且阵面相位中心位置与物理中心位置通常不一致,因此需要对其进行精细标准补偿。传统的雷达系统误差校正方法通常采用远场辐射源来对雷达进行校正,但是对于单元间距很大的分布式阵列空间目标监视雷达而言,要实现远场辐射校准往往很难。该文提出一种利用多弧段的精轨卫星精密星历对阵面相位中心位置误差引起的相位误差进行白化,然后搜索相位中心坐标和相位差使匹配方差最小的校正方法,无需使用特定仪器测量,且能很好地标定误差;计算机仿真以及实测数据验证了使用该文校正方法后,测角精度得到了显著提升。     

一种非均匀系统误差的雷达分区校准方法

为有效提高雷达探测精度,提出一种系统误差非均匀分布下的拟合分区校准方法。该方法首先对于雷达对海量测多目标信息与自动识别系统(AIS)提供的真值数据进行时空对准与相关处理得到误差序列;进而给出了两种非均匀分布下系统误差分布假设;在假设合理性的基础上,通过拟合处理对雷达探测覆盖海域进行区域划分,得到系统误差估计值对对海雷达进行校准。最后,实验证明了该方法的有效性。     

基于SRUKF的组网雷达系统偏差估计方法

雷达组网数据处理首先要进行误差配准,来准确地估计和消除系统偏差。该算法模型建立在ECEF坐标系下,并采用均方根不敏卡尔曼滤波（SRUKF）对组网雷达系统偏差进行实时估计。该算法不仅无需计算雅可比矩阵,而且算法的方根形式增加了数值稳定性和状态协方差的半正定性。仿真结果表明,该算法可以有效地实现组网雷达的系统误差配准。     

基于深度残差网络的雷达目标数量估计方法

传统雷达目标检测方法一般将单个距离单元的目标当成单目标进行检测,而不会估计距离单元内目标的数量.针对该研究空缺,提出一种基于深度残差网络的雷达目标数量估计方法.该方法将雷达信号转换成时频图并输入至训练好的深度残差网络.残差网络根据单个目标与多个目标对应时频图的差异即可准确得到雷达目标数量的估计值.仿真表明该方法能有效地...     

基于UKF的组网雷达误差配准方法研究

针对多目标情况下雷达组网的误差配准问题,提出了一种基于不敏卡尔曼滤波(Unscented Kalman Filter,UKF)和最优压缩的系统偏差稳健估计方法。该算法将目标的运动状态和传感器系统偏差组合在同一状态方程中,构建扩维的系统偏差动态方程,接着采用UKF的方法对目标状态和系统偏差进行联合估计。然后通过对多个估计结果的进一步融合,最终得到较高精度的系统偏差估计。仿真结果表明,该算法可以有效地实现多目标情况下的误差配准。     

基于混合变量规划的雷达最优搜索方法

针对预警机所提供引导信息下相控阵雷达进行快速搜索,以3倍均方差法为依据来划分初始搜索空域并对其进行波位编排,根据先验信息得到目标在各个波位的出现概率。考虑到雷达对各个波位的照射顺序,以最小化目标平均发现时间为目的,建立基于混合变量规划的相控阵雷达搜索资源最优分配模型。使用拉格朗日乘子法对模型进行求解,可同时得到最优搜索顺序以及最优搜索数据率。仿真实验表明,该方法可以迅速准确地搜索到目标,提高雷达的搜索效率。     

基于三角函数拟合的RCS序列进动周期估计

利用雷达反射截面(RCS)序列估计进动周期为弹道目标特征提取和识别的重要途径。弹道目标在进动时,回波RCS序列为非平稳的周期序列,常规Fourier变换方法和周期间相关类方法需要较长观测时间和较高数据率才能有效地估计RCS的周期,这对于有限的雷达资源来说是不可接受的。该文提出一种新的估计弹道目标RCS序列周期的方法,该方法先利用特定频率附近的三角函数来拟合RCS序列,再求得使拟合误差最小的频率,即为RCS序列的进动频率。相比于常规方法,该文方法具有所需资源少,估计精度高的特点。RCS计算数据的仿真结果证明了该文方法的有效性。     

机载雷达组网导航定位误差仿真分析

机载雷达组网具有雷达组网和空中机动的综合优势.获取组网中载机导航定位的准确数据是目标定位的一个重要问题.文中对机载雷达组网时导航定位误差影响目标定位的误差机理进行了理论推导,重点对导航定位误差产生的目标定位误差进行了仿真分析,得出了两者之间的对应关系及导航定位误差产生的目标定位不一致性这一不可忽略的重要结论.     

基于UKF地面雷达网的时空配准方法

为消除地面雷达的系统误差和时间误差,提出了基于Unscented卡尔曼滤波(UKF)的三维空间地面雷达网的时空配准方法。该方法将系统误差、时间误差与目标运动模型组合在一个动态模型中,并用UKF方法进行估计。Monte-Carlo仿真表明:该方法能同时有效地估计雷达的系统误差、时间误差,同时得到目标航迹。     

基于MCA的FMCW交通雷达信息处理

针对调频连续波(FMCW)交通监测雷达车辆目标速度测量和长度估计问题,建立了基于逆合成孔径雷达( ISAR)原理的雷达回波数学模型,分析了待测量目标运动速度与多普勒参数的内在关系,采用基于最大对比度算法(MCA)的多普勒调频斜率的估计方法,能有效提高雷达的车辆监测效能,仿真数据分析以及实测数据的结果均验证了算法的有效性.实验结果表明,最大对比度算法可以准确地估计出移动目标的移动速度并能提供车辆长度信息,为交通监控提供了新的途径和方法.     

基于非参数化概率密度估计的雷达目标识别

针对雷达目标识别中,参数化方法估计高分辨距离像的概率密度存在的模型失配问题,提出一种非参数化方法基于累计量的随机学习算法,估计距离像的概率密度。该算法运用多层感知器估计训练样本的分布函数,然后求导得到概率密度。该算法不仅能全面、精确地估计概率密度,而且回避了许多其他非参数方法面临的窗宽敏感性问题。基于外场实测数据的实验证明了该文方法的有效性。