基于序贯无迹卡尔曼滤波的雷达目标跟踪方法

提出一种基于序贯无迹卡尔曼滤波的雷达目标跟踪方法。雷达跟踪系统为离散非线性系统,传统的解决方法是使用扩展卡尔曼滤波。无迹卡尔曼滤波用少量采样点表示随机变量的分布,通过非线性系统传播,能以三阶精度获得非线性变换的均值和方差的估计。为了提高无迹卡尔曼滤波的精度,用序贯无迹卡尔曼滤波方法依次处理方位角、俯仰角和距离,来进行雷达目标跟踪。通过Monte Carlo仿真,验证了该滤波算法比传统的扩展卡尔曼滤波具有更高的滤波精度和更高的计算效率。     

基于雷达/红外成像的机动目标加速度估计

研究机动目标跟踪精度优化问题,需获取机动目标加速度准确信息。由于空间外界干扰造成雷达提供信息不准确,为此提出了基于雷达/红外成像的机动目标跟踪信息融合算法。建立了机动目标与空空导弹的相对运动目标机动数学模型,引入了雷达/红外成像导引头联合观测方法,并对两者的观测信息在时间上进行同步配准。采用雷达/红外成像信息融合跟踪扩展自适应卡尔曼滤波算法进行仿真。仿真结果表明,改进算法能够对机动目标加速度信息进行有效的、实时准确的估计,验证了所设计的跟踪算法的正确性,实现了以直接碰撞方式达到毁伤目标的目的。     

基于多核相关滤波X波段雷达多目标跟踪算法

针对雷达X波段数据存在较大背景及杂波干扰、目标形变以及目标被遮挡和相互干扰，导致目标被漏检错检，从而出现漏跟和错跟问题。提出一种基于多核相关滤波的多扩展目标优化跟踪算法，引入多帧速度信息卡尔曼滤波和融合交并比的距离测度，对存活目标、新生目标和消失目标进行自适应识别与更新，利用全局和局部检测的三步法进行航迹估计，此外，提出了多核相关滤波模板优化方法，将模板创建时间转化为自适应权重，从极大似然的角度优化模板融合，能够有效适应对复杂形变多扩展目标跟踪和对漏跟目标的重识别。实验结果表明，提出算法对X波段雷达多目标具有较高的跟踪鲁棒性较好。     

基于改进容积卡尔曼滤波的认知雷达跟踪算法

在认知雷达目标跟踪过程中,由于存在初始跟踪误差及系统量测方程的非线性等原因,导致卡尔曼滤波算法性能较差.为解决上述问题,将Gauss-Newton迭代方法与容积卡尔曼滤波算法相结合,建立迭代容积卡尔曼滤波算法.算法在迭代过程中利用最新的量测信息并更新迭代过程中产生的新息方差,降低了目标初始状态的估计误差,并且减小了线性化量测方程引入的传递误差.仿真结果表明,迭代容积卡尔曼滤波算法与传统的扩展卡尔曼滤波算法、无迹卡尔曼滤波算法、容积卡尔曼滤波算法相比,在认知雷达中的跟踪精度更高,稳定性更好,对初始误差的容错性更强.结果可为雷达目标跟踪优化提供科学依据.     

基于加性无迹卡尔曼滤波的雷达目标跟踪方法

提出一种基于加性无迹卡尔曼滤波的雷达目标跟踪方法。雷达跟踪系统为离散非线性系统,传统的解决方法是使用扩展卡尔曼滤波。无迹卡尔曼滤波用少量采样点表示随机变量的分布,通过非线性系统传播,能以三阶精度获得非线性变换的均值和方差的估计。用无迹卡尔曼滤波进行雷达目标跟踪。通过Monte Carlo仿真,验证了该滤波算法比传统的扩展卡尔曼滤波具有更高的滤波精度。     

雷达和红外融合对高机动目标跟踪仿真研究

研究准确跟踪敌机飞行目标,可进行有效打击.针对高机动目标与运动跟踪平台的相对运动比较复杂,由于雷达定位和红外跟踪算法的模型误差大与精度损失,如何提高跟踪系统的跟踪精度是一个很大的难题.为了提高高机动目标跟踪精确度,提出交互多模型-概率数据关联算法(IMM-PDA),进行雷达与红外并行信息融合与目标跟踪.运用Markov链切换原理与概率数据关联技术有效解决了目标变速机动及复杂杂波环境下的高精度跟踪问题.同时并行融合信息,克服序贯融合中两次使用扩展卡尔曼滤波线性化造成模型误差与精度损失的缺陷,提高系统的跟踪精度.仿真结果表明,基于雷达、红外并行融合的IMM - PDA算法在跟踪高机动目标时,精度更高,验证了算法的可行性与有效性.     

基于并行Boosting算法的雷达目标跟踪检测系统设计

目前的雷达目标跟踪检测系统跟踪路线与实际路线相差较大,泛化误差率高。基于并行Boosting算法设计了一种新的雷达目标跟踪检测系统,硬件内部引入数据多处理器,对收集的雷达位置数据集中处理,连接I/O接口,配置数据过滤器,将雷达位置信息数据的状态参数录入过滤器元件中。在软件部分,利用并行Boosting算法的内部学习融合方式调节不同的雷达目标追踪系统状态,通过信息处理、航迹分析、落脚点判断来整合相应的跟踪检测信息,构建检验方程式防止外来无关数据的侵扰,最终得到雷达目标跟踪数据操作状态,完成目标跟踪检测。实验结果表明,基于并行Boosting算法的雷达目标跟踪检测系统设定的检测路线与实际路线吻合度高达99.21%,泛化误差远远低于传统目标跟踪检测系统,实用性更强。     

天波超视距雷达数据关联跟踪算法现状研究

在远程预警系统中,天波超视距雷达以其探测距离远、覆盖范围大和抗隐身等优点受到各国学者的广泛关注。但其存在的"三低"和"多径"——低检测概率、低测量精度、低数据率和多传播路径问题给目标跟踪带来很大困难。探讨了天波超视距雷达目标跟踪数据处理算法目前存在的一些问题,回顾了目前天波超视距雷达数据关联跟踪算法研究的发展现状,讨论了基于不同坐标系的天波超视距雷达数据关联跟踪算法的优缺点,并指出了应重点研究的方向。     

基于数据优先级的雷达目标跟踪偏差补偿方法

传统雷达目标跟踪偏差补偿方法雷达跟踪目标偏差补偿的精准程度较低,导致研究成果可靠性及稳定性较差。为了解决上述问题,基于数据优先级提出一种雷达目标跟踪偏差补偿方法,利用雷达极化测量目标信号,并建立三维空间坐标,引导操作数据,通过对相位控制偏差的校准操作实现对数据目标的精准测量,提升系统检验的准确性,根据数据优先级原则,对极化脉冲进行角度测量,选取适宜测量方案,设置雷达目标方向图,进行雷达目标超分辨成像,加强实验研究力度,综合考虑优化信息与操作条件,实现对雷达目标跟踪偏差补偿方法的研究。实验结果表明,基于数据优先级的雷达目标跟踪偏差补偿方法具备较高的雷达跟踪目标偏差补偿的精准程度,研究可靠性较高,稳定性有了显著提升。     

基于固定WiMAX的被动雷达系统研究

WiMAX信号作为被动雷达的照射源具有高距离分辨率和大探测距离的优势.率先设计并实现了基于固定WiMAX的被动雷达双通道接收机,提出了基于最小二乘的自适应直达波/杂波干扰消除算法,实现了基于相参体制的运动目标检测算法,并将基于固定WiMAX的被动雷达系统应用于室内运动目标检测.实验结果表明:所设计的实验系统和所提出的算法能准确获得目标的运动轨迹信息,从实验角度进一步证明了固定WiMAX信号作为被动雷达照射源的可行性.     

脉内调频、脉间步进跳频雷达信号分析

从理论上分析了脉内调频脉间步进跳频(LFM-SF)雷达信号的频谱特性．时子脉冲带宽与脉间步进频率间隔的关系时合成信号频谱分布的影响进行了深入研究，时频谱分布特性进行了仿真．为LFM-SF体制宽带雷达的调频带宽选择提供了坚实的理论实践依据．最后给出了LFM-SF信号处理过程．     

基于合成孔径雷达回波数据的海岸线提取方法

合成孔径雷达(synthetic aperture radar,简称SAR)通过对地面目标的多次照射来提高方位向上的目标分辨能力,由此使现有的SAR目标检测算法通常是一个基于SAR图像的"后处理"过程.在分析各种成像算法和现有的一些典型SAR目标检测算法的基础上,提出了一种在非成像状态下进行海岸线提取的新方法,把成像处理与目标检测问题有机地结合起来.通过真实星载SAR回波数据应用实验,证明了直接利用SAR回波对海岸线检测的有效性.     

高频区复杂目标宽带雷达特征信号仿真

高频区复杂目标宽带雷达特征信号包括日标的高分辨一维距离像和两维SAR／ISAR图像,高频区复杂目标宽带雷达特征信号仿真对雷达目标识别和SAR／ISAR图像解译具有重要意义。该文在现有高频区复杂目标RCS特征信号计算方法的基础上,重点研究了高频区复杂目标宽带雷达特征信号包括目标的高分辨一维距离像和两维SAR／ISAR图像的仿真方法。并通过仿真目标和实际复杂目标的高频区宽带雷达特征信号的仿真实验结果验证了该文方法的有效性。     

基于时域双谱特征的雷达目标识别

雷达目标高分辨一雏距离像(High range resolution profile,HRRP)是目标散射回波在雷达径向上的投影,具有非高斯、非线性特点.文中从双谱概念出发引入时域双谱概念.分析了HRRP的时域双谱特征.为提高识别性能,定义了Fisher类可分离度函数,以类间可分离度最大化作为特征提取准则,提取一些特征双谱作为HRRP的特征向量.采用基于子空间变换的独立分量分析(Principle component analysis,PCA)和线性判别分析(Linear discriminant analysis,LDA)的特征提取方法进行了对比实验.结果表明,本文方法用于雷达目标高分辨一维距离像识别具有良好的抗喙性能和较高识别率.     

合成孔径雷达图像中的动目标速度联合估计

为估计复数合成孔径雷达图像中动目标的速度,本文基于对称散焦滤波技术设计了联合速度估计方法.对于一个动目标雷达图像,该方法首先利用一距离向速度值在距离多普勒平面将目标的距离多普勒轨迹沿距离向对齐,然后利用一方位向速度值构建的对称散焦滤波器沿方位向将该目标图像重新聚焦,得到两个新的目标图像.通过计算这两幅散焦图像的锐度差,可建立一个以距离向速度和方位向速度为变量的锐度差曲面.在曲面的峰值或谷底处即可得到目标速度的估计值.理论分析和实验结果表明了该方法的可行性和有效性.     

高分辨雷达信号的平移不变KPCA特征提取算法

研究高分辨雷达信号特征提取,针对传统提取平移不变特征存在信息损失量大、识别的准确率低的问题,提出了一种平移不变KPCA特征提取算法。首先计算高分辨雷达信号的原点矩,并在低信息损失的前提下利用高分辨雷达信号相对原点矩的位置来描述原信号,从而消除高分辨雷达信号的平移敏感性。然后结合KPCA特征提取算法得到平移不变的特征信号。最后应用SVM分类器对特征信号进行分类识别。实验证明,改进算法识别率高于雷达目标识别系统中的传统特征提取算法,略低于KPCA特征提取算法,且在常用雷达探测距离内都能够保持较高的识别率。     

基于HLA的分布式虚拟靶试系统研究

分布式靶试系统是军事仿真领域内的一个新的应用方向,它的实现将对新型武器研制以及试验起到节约成本、缩短周期的效果,有着不可估量的经济效应。针对分布式虚拟靶试系统,探讨了HLA框架下的分布式仿真系统开发流程。针对分布式靶试系统进行了需求分析、功能特性分析,并进行了联邦设计和SOM/FOM模型。文中采用了重合引导算法增加系统的仿真逼真度,通过外部时间同步方式实现系统的时空一致性,突出了HLA体系结构的优点及其在分布式仿真应用中的优势。     

Radar automatic target recognition based on feature extraction for complex HRRP

Radar high-resolution range profile （HRRP） has received intensive attention from the radar automatic target recognition （RATR） community. Usually, since the initial phase of a complex HRRP is strongly sensitive to target position variation, which is referred to as the initial phase sensitivity in this paper, only the amplitude information in the complex HRRP, called the real HRRP in this paper, is used for RATR, whereas the phase information is discarded. However, the remaining phase information except for initial phases in the complex HRRP also contains valuable target discriminant information. This paper proposes a novel feature extraction method for the complex HRRP. The extracted complex feature vector, referred to as the complex feature vector with difference phases, contains the difference phase information between range cells but no initial phase information in the complex HRRR According to the scattering center model, the physical mechanism of the proposed complex feature vector is similar to that of the real HRRP, except for reserving some phase information independent of the initial phase in the complex HRRP. The recognition algorithms, frame-template establishment methods and preprocessing methods used in the real HRRP-based RATR can also be applied to the proposed complex feature vector-based RATR. Moreover, the components in the complex feature vector with difference phases approximate to follow Gaussian distribution, which make it simple to perform the statistical recognition by such complex feature vector. The recognition experiments based on measured data show that the proposed complex feature vector can obtain better recognition performance than the real HRRP if only the cell interval parameters are properly selected.     

基于散射中心的雷达目标SVM识别方法

为减少经典目标识别算法中的计算量与模板存储量,本文将雷达目标散射中心作为目标识别的特征,通过支持向量机(SVM)方法分类目标.首先,采用基于传播算子的多重信号特征法(PM-MUSIC)提取雷达目标散射中心参数;其次,计算散射中心的中心矩以建立统一标准的识别特征,并采用SVM方法对目标进行分类.最后,通过仿真实验比较了该...     

高分辨率极化合成孔径雷达成像研究进展

合成孔径雷达（Synthetic aperture radar,SAR）是一种有效的地球遥感技术,对观测区域进行全天时、全天候的高分辨率大范围成像,在军事侦察、环境监测和地质测绘等领域有着十分广泛的应用。随着雷达技术和地球科学的发展,人们期望能够获取更多的目标特性,传统的单极化SAR已经难以满足越来越多元化的实际应用需求。极化合成孔径雷达（Polarimetric synthetic aperture radar,PolSAR）基于多个极化通道获取目标不同极化状态下的散射特性丰富了SAR图像的信息量,拓展了SAR的应用领域。从极化数据中准确地解译目标的物理特性是PolSAR应用的重要前提。本文对PolSAR的研究进展进行了总结,重点介绍了极化目标分解算法,给出了高分辨率PolSAR实测数据处理结果,并对未来研究方向进行了展望。