基于动态优先级的相控阵雷达自适应调度

相控阵雷达需要在完成作战空域搜索的同时完成多个目标捕获以及精确跟踪。为了能够及时有效、充分地调度安排雷达时间资源,本文提出了基于动态优先级的雷达自适应调度模型,根据雷达事件调度时间窗偏移及其需求时间片与离散时间片的契合对优先级进行动态调整和排序,完成雷达事件自适应调度,并给出了相控阵雷达应用实例。与基于固定优先级的雷达自适应调度模型相比较,该模型能够提高雷达波束调度成功率和时间资源利用率。     

动态时间窗下的相控阵雷达自适应调度算法

针对相控阵雷达任务调度问题,该文提出了一种基于动态时间窗的任务调度方法。该方法根据目标跟踪滤波中的残差和雷达对目标跟踪波门之间的约束关系以及搜索帧周期的约束,分别实现对跟踪任务和搜索任务的时间窗计算。最后将该方法与传统固定时间窗方法进行对比仿真,仿真结果证明了所提方法的有效性和优越性。      

移动式雷达/红外辐射控制的调度方法

针对降低移动式雷达/红外协同跟踪时的辐射风险问题,提出了一种移动式雷达/红外辐射控制的调度方法。首先,结合平台和目标的运动状态建立了目标跟踪模型,利用容积卡尔曼滤波预测跟踪精度;并引入辐射度影响建立了雷达辐射模型,给出了雷达辐射状态和系统辐射代价的预测方法;然后,以跟踪精度满足任务要求为约束条件,以长期辐射代价最小化为优化目标,构建了长期调度的目标函数;最后,针对求解时计算复杂度高的难题,设计了一种决策树搜索算法。仿真结果表明,文中所提调度方法与短期调度相比,具有更好的辐射控制效果,在决策步长为3时,其辐射代价下降了26.5%;且与固定位置调度比,文中方法能在改善跟踪性能的同时,降低辐射代价,在跟踪低速目标时,其跟踪误差和辐射代价分别下降了29.9%和30.5%。     

一种用于搜索雷达的交互多模型跟踪滤波算法

跟踪滤波算法是雷达数据处理的重要组成部分。受搜索雷达采样数据率的限制,当目标机动时,滤波器跟踪严重滞后、跟踪精度差。针对该问题,提出了基于α-β滤波和α-β-γ滤波的交互多模型跟踪滤波算法。将目标的运动状态映射到目标的运动模型,根据运动模型构造相应的滤波器,多个滤波器并行工作,实时计算每个滤波器的残差,根据滤波的残差和先验知识选择适应目标当前运动状态的滤波器输出目标预测信息。仿真结果表明,该算法在目标机动与非机动情况下均能有效跟踪目标,具有较好的适应性与滤波精度。     

修正的当前统计模型及自适应跟踪算法

针对当前统计模型及其自适应算法对弱机动目标跟踪精度较低以及强机动发生时刻跟踪误差增大的缺陷,提出了一种修正的当前统计模型及自适应跟踪算法。一方面,利用指数函数对当前统计模型中加速度极值进行实时修正,从而提高了算法对弱机动目标的跟踪精度;另一方面,利用滤波残差调整预测协方差,同时对滤波结果发生较大偏差的上一时刻的滤波结果进行修正,从而提高了对强机动目标的适应能力。仿真结果表明,所提算法对弱机动目标和强机动目标都具有良好的跟踪性能。     

一种新的机动目标跟踪滤波的模型方法

本文提出了一种新的机动目标跟踪滤波的模型方法。它将目标的机动加速度作为一状态变量引入模型而直接进行估计,并通过卡尔曼滤波器的残差来检测目标机动与否。一旦检测出目标机动,马上重新启动卡尔曼滤波器以适应机动加速度的跳变。新的自适应滤波方法在这种情况下实现了最佳滤波。计算机仿真结果表明,在计算量远少于Moose方法计算量的情况下,本文方法的滤波精度与Moose方法的滤波精度相当。     

基于激光雷达的多帧联合目标跟踪系统

本文讨论了利用激光雷达与检测前跟踪算法进行室内行人跟踪,实现监测室内人群社交距离的探测系统。激光雷达距离分辨率高,定位误差小,目标探测时间间隔小,很适用于对轨迹不确定的行人进行跟踪。本文所用检测前跟踪算法分为三步,首先利用历史数据所建杂波图滤除固定物杂波。其次利用多帧检测算法得到时间窗内的目标轨迹段,以此滤除随机噪声产生的虚警点,提升检测效率。第三步利用轨迹关联算法,将各个时间窗内的轨迹片段相互关联,得到完整的行人轨迹,从而增强机动目标与相互临近目标的跟踪效果。实测实验表明在激光雷达跟踪多个目标时,其跟踪精度在10~15cm,多次实验均未出现目标丢失或虚假轨迹,较好地完成了室内行人的检测与跟踪。     

一种基于期望模型的自适应Singer模型滤波算法

针对使用固定模型滤波算法跟踪机动目标时滤波精度依赖于模型固有参数的问题,提出了一种基于期望模型的自适应Singer模型滤波算法。首先利用3组代表不同机动强弱的典型Singer模型组成基础模型集合,然后通过实时计算目标综合残差确定目标机动等级,根据目标机动等级的变化来生成期望模型,并实时扩充基础模型集合进行交互式多模型（Interacting Multiple Model,IMM）滤波。该算法降低了对基础模型选取的依赖性,具有更好的环境适应性,在目标不同机动状态下都能进行准确跟踪。     

相控阵雷达事件调度中的时间窗研究

时间窗在相控阵雷达事件调度算法研究和调度程序设计中得到了广泛的应用,但对时间窗自身特点的研究往往被忽视。从相控阵雷达数据处理出发,分析了跟踪事件时间窗存在的合理性,建立了α-β滤波和α-β-γ滤波下的时间窗计算模型;分析了搜索事件时间窗存在的合理性,并建立了计算模型;最后将两类事件时间窗计算模型加入到仿真平台中进行仿真,仿真结果证明了模型建立的合理性和有效性。     

基于多特征融合的高机动多目标低截获概率跟踪技术

在多目标跟踪过程中,目标的高机动特性使得传统采用固定运动模型或交互式多模型的目标跟踪算法很难实时精确匹配目标运动模型,从而引起高机动目标的低跟踪精度问题。针对这一问题,本文提出一种基于目标运动状态模型自适应更新的高机动多目标跟踪算法。在多目标跟踪过程中,该算法采用多特征聚类融合算法进行目标运动模型估计,并根据各目标跟踪波动参数进行状态转移矩阵决策更新,同时利用联合概率数据关联实现多机动目标状态转移矩阵自适应更新的关联跟踪,从而解决了传统多目标跟踪算法因目标运动模型失配引起的低跟踪精度问题。在目标跟踪算法的传感器选择上,无源传感器不对外辐射能量,具有较好的低截获概率性能,但其跟踪精度有限,常不能满足多目标高跟踪精度的要求。雷达作为有源传感器,具有较高的跟踪精度。但由于雷达对外辐射信号,容易被防御方截获。针对这一问题,本文提出了一种无源传感器目标跟踪为主,有源雷达间歇跟踪为辅的多传感器协同管理目标跟踪算法。该算法通过对目标跟踪本征堆积误差的判断进行传感器的最优分配,并根据波动参数的大小进行状态转移矩阵决策更新。仿真结果验证了本文所提出的多传感器协同的高机动目标跟踪算法在满足高机动目标跟踪精...     

基于机动检测的参数自适应跟踪算法

在机动目标跟踪中,传统当前统计模型卡尔曼滤波算法对弱/无机动目标跟踪精度不高,对突发机动跟踪精度显著下降,且跟踪性能受限于先验参数.针对上述问题,本文提出一种基于机动检测的参数自适应机动目标跟踪算法,算法利用新息的概率分布特性构建双阈值检测门限,依据检测结果进行参数自适应调整.首先,利用加速度预测误差方差信息,自适应调...     

基于多普勒耦合估计的弹道目标测距方法

反导预警与空间监视雷达通常采用高频段、大脉宽探测远距离目标,此时距离多普勒耦合对于雷达精确测距有较大影响。同时,距离多普勒耦合的准确修正是稳定跟踪目标的必要条件,然而传统的处理方法不能适用于弹道目标等高机动目标的准确处理。本文提出了基于多普勒耦合估计的弹道目标高精度测距方法：首先采用旁路速度-加速度估计方法求解目标的径向速度,对目标测量距离进行距离多普勒耦合修正,再进行IMM-UKF滤波完成目标距离估计。该方法具有以下优势：利用当前帧的测量数据,同时考虑了目标径向加速度对于耦合的影响,提高了距离和速度的估计精度;相比跟踪时增加测速波形的方法,节约了雷达的资源,同时避免了速度测量与航迹误关联的问题;距离和速度的精确估计能够提升航迹关联成功率。仿真实验中与传统的距离多普勒耦合处理方法进行了比较,实验结果显示该方法大幅提高了雷达测距的精度。     

基于角速度修正的变结构多模型目标跟踪算法

为提高强机动目标的跟踪精度,提出一种基于角速度估计值自适应修正的变结构多模型算法。将角速度估计应用于基于有向图切换的变结构多模型目标跟踪算法。通过引入改进的角速度估计方法,提高了角速度的估计精度。在有向图切换的基础上,实时估计角速度,并根据角速度估计值修正有向图,增强了变结构多模型目标跟踪算法的机动适应性。仿真结果表明,该方法在对强机动目标的跟踪性能上有明显提高。     

基于α-β-γ固定增益滤波器的机动目标跟踪方法研究

为提高电子战中对机动目标的跟踪能力,提出了基于α-β-γ固定增益滤波器的动目标跟踪技术,分析了固定增益滤波器原理和组成,阐述了α-β-γ滤波器的原理,介绍了一种固定增益滤波器跟踪方法,最后通过仿真证实了该技术跟踪强、弱机动目标的性能,并可在噪声干扰情况下获得较小的期望残差.     

对海面远距离运动目标定位跟踪的IMM算法研究

研究了平流层三站测时差无源定位系统对海面远距离运动目标定位与跟踪的滤波算法问题。将IMM滤波器应用到平流层三站测时差定位系统中,采用三模型组合的IMM滤波算法,首先通过时差测量参数计算出粗略的定位结果,接下来采用IMM滤波算法逐步估计出运动辐射源的速度,并修正初始的定位结果,提高定位精度。仿真结果表明,基于IMM滤波器的三站时差定位系统具有较快的收敛时间、较高的跟踪精度和适中的计算复杂度,能够对不同强度的机动目标进行定位与跟踪,很好地解决了三站时差定位系统对海面远距离运动辐射源定位跟踪的算法问题。还提出了利用回归处理的方法进一步提高固定目标定位精度的思想。     

基于当前模型自适应改进的航迹跟踪算法

在航迹跟踪过程中,目标发生转弯、变加速等强机动行为,会导致传统"当前"统计模型的跟踪精度变差,通过提取残差新息序列和测量方差序列中的信息,分别在"当前"统计模型中添加机动频率、最大加速度自适应修正因子,以及在卡尔曼滤波框架中增加协方差自适应因子,改善了该算法对强机动目标跟踪的适应能力。通过改进,该算法即保持了对一般机动目标良好的跟踪特性,又提高了对强机动目标的跟踪性能。通过使用蒙特卡洛模拟仿真验证了改进算法的有效性。     

基于QMCPF-IMM的强机动目标跟踪算法研究

为了提高雷达对机动目标的跟踪精度,通过融合拟蒙特卡罗思想,提出了一种适用于非线性非高斯系统的拟蒙特卡罗粒子滤波交互式多模型算法。该算法利用拟蒙特卡罗采样,克服传统算法采样粒子间隙过大、粒子层叠问题,增加交互式多模型对机动目标跟踪时的有效粒子数;通过区间估计理论,解决拟蒙特卡罗支撑区间难以计算问题,并结合核密度估计重采样,保证采样粒子的低等差异性。仿真结果表明：与交互式多模粒子滤波算法相比,改进算法可在保证滤波实时性的同时,提高跟踪精度。     

环境感知信息辅助的认知雷达波形参数智能选择

现代雷达往往需要在复杂多变的电磁环境中完成多种任务。如何提升雷达的智能化水平,使其能够适应环境变化和任务需求,已成为近年来备受关注的研究课题逐渐成为研究的重点。本文针对杂波环境下机动目标检测与跟踪的性能优化问题,提出了一种基于环境感知的雷达波形参数智能调度算法。基于最大信噪比准则和最小均方误差准则设计了奖励函数,并利用Q学习与深度Q学习网络进行了训练,通过雷达与环境的交互,充分利用环境中多帧杂波信息,可有效避免由于模糊导致的杂波遮蔽问题,提升目标信噪比和跟踪精度。机载雷达仿真实验结果表明,在杂波环境下对机动目标检测和跟踪过程中,本文提出的环境感知信息辅助的波形智能选择方案可获得比传统启发式算法更高的处理效率和更大的性能改善。