引入斜距和高程预测的BLUE跟踪方法

最佳线性无偏估计（BLUE:Best Linear Unbiased Estimation）算法用于目标跟踪时,受斜距、高程参量间的“共线”效应影响,对近程目标估计误差会增大甚至发散。针对此问题,在量测转换模型中引入斜距、高程预测,构建斜距、高程参量有偏估计,抑制“共线”效应。基于非线性参数误差最小准则推导斜距、高程估计的权值和偏置,建立基于非线性观测和状态预测融合估计的量测转换模型。基于该模型的BLUE算法能更精确的捕捉转换量测误差特性,以较小计算代价获得性能提升,数值仿真鲁棒性好,有很好应用前景。      

基于转换量测高斯化的三坐标雷达跟踪算法

最佳线性无偏估计（BLUE,Best Linear Unbiased Estimation）滤波用于雷达目标跟踪时,有计算量小,置信度高等优点.但是当互斜距测量误差较大时,BLUE滤波会产生非高斯转换量测,导致跟踪精度降低.为解决此问题,对其量测转换模型进行修正：通过引入方位预测,减小方位误差三角函数的非线性影响,得到准高斯分布的转换量测.分析视线坐标系下BLUE滤波的性能,推导引入方位预测的条件,给出改进算法工作流程.推导三坐标雷达下的滤波模型参数,提出转换量测高斯化水平的评估指标并仿真证明：改进算法的转换量测更逼近高斯分布,因此跟踪性能更好,而计算量只有轻微增加.本算法思想同样适用于其他非线性误差较大的场合,对解决类似问题有借鉴意义.     

基于BLUE的雷达/红外异步融合算法研究

多传感器融合是提高态势感知能力的重要手段。为提高探测能力,将雷达和红外传感器组网,各传感器独立工作,在统一调度下,完成探测、跟踪、识别任务。研究该系统的雷达/红外数据融合算法,针对传感器异步探测特点,采用观测驱动的融合跟踪方法：雷达探测到目标时,采用基于状态预测的改进BLUE（Best Linear Unbiased Estimation）滤波,通过方位预测的辅助,减小测角误差非线性效应,提高跟踪性能;红外探测到目标时,基于方位预测和斜距观测,构造新的转换量测模型,实现基于不完备观测的修正BLUE滤波器。理论分析和仿真证明：所述雷达/红外数据融合方法,在不同传感器布局下都具备更优的综合性能,其设计思想可解决其他类似的多传感器融合问题,有较好的应用推广潜力。     

极坐标系下可处理多普勒量测的BLUE跟踪算法

事实已表明包含目标速度信息的多普勒量测具有有效提高目标状态估计精度的潜力.该文在直角坐标系下提出两种可使用转换多普勒量测(即距离量测与多普勒量测的乘积)的滤波器,一种借助了构造的多普勒伪状态,另一种没有借助多普勒伪状态.从理论上讲,它们都是在最佳线性无偏估计准则下的最优线性无偏滤波器,并且避免了量测转换方法的根本缺陷.通过将近似处理后的两种新型最优线性滤波器与目前几种流行的方法进行仿真比较,验证了所提出的滤波器的优越性.     

基于量测预测联合估计的单站只测角跟踪

提出用于单站只测角系统的修正最佳线性无偏估计(BLUE)滤波器。针对BLUE 滤波器用于雷达目标跟踪时需要完备的非线性观测集合来构建转换量测及单站只测角系统只提供方位观测,无法直接应用普通BLUE滤波器跟踪目标的问题,构造了基于目标状态预测的预测斜距,并在分析预测斜距误差统计特性后,用斜距预测和方位观测组成转换量测,推导出可应用于单站只测角系统的BLUE滤波模型。所提改进算法在性能和运算量上有明显优势,有很好的应用潜力。     

可处理多普勒量测的最佳线性无偏估计算法

基于目标位置量测的一些量测转换方法已被广泛使用在目标跟踪应用中,使得卡尔曼滤波器得以在直角坐标系中应用。但是,这些量测转换方法有一些会导致估计性能恶化的根本缺陷。事实上,除了位置量测外,理论计算和实践已经证明,包含目标速度信息的多普勒量测具有有效提高目标状态估计精度的潜力。该文在直角坐标系下提出一种可使用转换多普勒量测(即距离量测与多普勒量测的乘积)的滤波器。从理论上讲,它是在最佳线性无偏估计准则下的最优线性无偏滤波器,并且避免了量测转换方法的根本缺陷。通过将近似处理后的新型最优线性滤波器与目前4种流行的方法进行仿真比较,验证了所提出的滤波器的优越性。     

雷达组网中的坐标变换问题

针对雷达组网中的空间坐标变换问题,系统地介绍了组网中用到的多种坐标系,讨论了两种情况下的坐标变换模型,即:近距离站间坐标变换和长基线情况下的坐标变换.通过仿真分析,证明该方法很好的解决了雷达组网中的坐标变换问题.     

组网雷达的集中式数据融合技术研究

组网雷达能够从不同角度对海空域进行探测,获取多方位的数据,利用数据融合处理能够提高对目标的探测能力.集中式数据处理方法可分为点迹合并式和串行合并式,本文针对串行合并式的坐标显示问题进行了仿真分析.     

基于量测转换IMM的多普勒雷达机动目标跟踪

多普勒雷达目标跟踪中,如何有效解决系统量测与目标状态之间的非线性并实现机动目标跟踪,是亟待解决的问题.本文提出一种基于量测转换交互多模型（Interactive Multiple Model,IMM）的目标跟踪算法,其以IMM为框架,并结合静态融合滤波器处理多普勒量测的结构,解决多普勒雷达机动目标跟踪问题.仿真结果表明了所提出算法的有效性.     

组网雷达跟踪系统目标高度测定算法

给出了利用两部雷达的距离、方位和利用三部雷达的距离确定目标高度的算法，并对误差情况进行了分析。该算法主要在雷达缺乏高度测量情况下实现对目标的有效估计。     

一种对抗组网雷达的新型组网干扰技术

针对组网雷达技术的不断发展,提出了一种新式的针对组网雷达的干扰技术,详细介绍了这种新干扰技术的干扰原理,并对这种新干扰技术的布站模式和RCS的计算进行了阐述,最后从有效干扰功率密度的角度分析了该方法的干扰效果。通过理论分析和计算证明该技术具有很多优势和发展潜力。     

组网雷达目标高度算法研究

介绍了组网雷达系统中两种确定目标高度的算法及方差分析情况。该算法在雷达缺乏高度测量情况下实现了对目标高度的有效估计，可供实际使用。     

雷达组网目标检测性能的概率分析

雷达组网能有效提高目标的检测性能。在目标瑞利起伏的模型下，噪声服从零均值高斯分布时，对比了秩K规则和最大信噪比规则这两种融合方法，对目标检测性能的影响。选取六部雷达进行数据融合，推导分析了在不同的虚警概率条件下，采用两种融合规则对雷达检测概率的提高程度，并指出在检测概率方面最大信噪比规则融合方法明显优于秩K规则融合方法，但雷达之间传输的数据量增大。     

分布式多雷达组网融合算法及软件设计

介绍适用于分布式多雷达组网的航迹相关序贯检测算法＾１和两种数据融合算法：加权平均法和线性组合算法＾２,３,以及采用这些算法的航迹融合中心的软件设计。仿真结果表明,综合这些算法,选择合适的软件设计方案,可实现对局部航迹的有效融合。     

组网雷达反隐身能力的评估指标体系

隐身目标是现代雷达面临的四大威胁之一。组网雷达集多种反隐身措施于一身，具有较强的反隐身能力。本文分析了组网雷达的反隐身能力，提出了组网雷达反隐身能力的定量评估指标体系。     

雷达群组网中几种目标跟踪滤波器的比较

在雷达群组网目标跟踪中,目标量测在雷达各自的坐标系下,而目标跟踪却在公共坐标系下,针对这种混合坐标系下异地雷达目标跟踪问题,通常解决这类跟踪问题的滤波算法有CMKF法和EKF法.文中从测量误差模型出发,给出了适用于群组网目标跟踪算法的推导过程,并且通过仿真实验和分析,比较了几种算法的优缺点并给出了结论.