弱目标检测前跟踪技术研究综述

该文阐述了弱目标检测前跟踪的基本原理,重点综述了近年来检测前跟踪技术的研究现状,包括动态规划、递归贝叶斯滤波、有限集统计学及直方图概率多假设跟踪等方法,对检测前跟踪技术的应用亦有相关介绍.最后在现有研究发展的基础上,着眼于提高针对弱目标的检测和跟踪性能及检测前跟踪算法鲁棒性的迫切需求,提出了检测前跟踪技术需重点关注和解决的若干问题,包括检测前跟踪算法的性能分析与评估、邻近弱目标检测前跟踪、机动弱目标的检测前跟踪、弱目标的多传感器融合检测和跟踪及弱目标的联合检测、跟踪与分类等方面.     

MIMO-SAR技术发展概况及应用浅析

多发多收合成孔径雷达(MIMO-SAR)是近年来提出并备受关注的一种新型雷达成像模式,通过多天线同时发射、多天线同时接收的工作方式能够获得远多于实际天线数目的等效观测通道,为解决常规SAR面临的方位向高分辨率与宽测绘带指标相互矛盾、弱小慢速运动目标难以检测等难题提供了更为有效的技术途径。该文围绕MIMO-SAR成像技术及其应用展开论述,从距离分辨率增强、3维下视成像、高分辨率宽测绘带成像以及动目标检测等方面综述了MIMO-SAR的研究状况,分析了系统的体制优势和不足,进而归纳了MIMO-SAR研究中的若干关键技术问题,最后对其应用前景进行了展望。     

地空反辐射导弹抗目标关机技术研究

针对地空反辐射导引头的特殊测量值,推导了相应的EKF滤波公式;并在此基础上提出了采用递推卡尔曼滤波对抗雷达关机的方法。通过仿真验证了所推导卡尔曼滤波公式的正确性及所提方法对抗目标关机的有效性。     

八卦庙金矿床成因新认识

矿床成因类型判定是一个基于系统扎实的地质工作基础上的多元信息集成优化过程。地质—地球化学特征表明,八卦庙金矿床的成矿过程与秦岭地区的造山运动具有密切的内在联系,为一赋存于沉积建造之中而产出于秦岭造山带构造环境受二里河—八卦庙脆—韧性剪切带构造控制的造山型金矿床,修正了前人认为该矿床为卡林型金矿的认识。     

基于有限集统计学理论的目标跟踪技术研究综述

有限集统计学理论为杂波背景下的目标跟踪问题提供了一种工程友好的理论工具.对近年来基于有限集统计学理论的目标跟踪技术研究现状进行了综述,包括最优多目标贝叶斯滤波器及其近似技术、参数未知与机动多目标跟踪技术、航迹生成方法、单目标联合检测与跟踪滤波器及基于有限集观测的单目标滤波器等,对相关应用亦有所介绍.最后在已有研究发展的基础上,着眼于提高目标跟踪精度和增强目标跟踪鲁棒性的发展需要,提出了基于有限集统计学理论的目标跟踪技术需重点解决和关注的若干问题,包括多目标跟踪性能评价、弱小目标跟踪、多机动目标跟踪、多传感器融合跟踪以及联合目标检测、跟踪与分类等方面.     

决策模板法在决策层融合目标识别中的应用和改进

决策模板法是一种简单直观的决策层融合识别算法,但是经典的决策模板法没有充分利用各传感器对于不同类目标鉴别能力的先验信息。本文提出利用传感器平均度量熵对决策模板法进行修正,合理度量各个传感器对不同类目标的分类鉴别能力,仿真结果表明改进的决策模板法能提高目标正确识别率。     

VxWorks实时操作系统在相控阵雷达系统中的应用

对嵌入式实时操作系统VxWorks在相控阵雷达系统中的应用问题进行了研究。简要分析了中心控制系统的硬件结构及VxWorks操作系统的主要特点,提出了整个雷达系统的总体设计过程。结果证明系统方案是可行的。     

平面隙缝阵列天线的宽带电磁散射特性分析

 针对主动雷达导引头对防空导弹武器系统制导雷达站检测与识别的需求,研究了平面隙缝阵列天线的宽带电磁散射特性.将天线的电磁散射机理与目标高频散射中心理论相结合,建立了天线的电磁散射模型,分别采用矩量法和物理光学法计算天线的模式项散射场和结构项散射场,并从理论上证明了天线散射中心的客观存在,分析了隙缝阵列天线的散射中心分布特征.最后对不同视角下天线的高分辨距离像进行了仿真,为进一步理解天线的电磁散射机理、分析其宽带电磁散射特性、以及采用高分辨率成像技术对雷达站进行检测与识别奠定了基础.     

双/多基地合成孔径雷达研究进展

近年来,双/多基地合成孔径雷达已经成为SAR研究领域中的热点之一。深入分析了双/多基地合成孔径雷达的优势,归纳和总结了双/多基地SAR研究中的关键技术及其国内外研究现状,包括信号处理、系统同步、运动补偿、基线测量与设计、干扰与抗干扰和外场实验情况等。在此基础上探讨并指出了该技术的应用前景及其未来发展趋势,对开展双/多基地合成孔径雷达研究具有一定的指导意义。     

一种结合K近邻法的改进的渐进直推式支持向量机学习算法

为了进一步提高改进的渐进直推式支持向量机学习算法(IPTSVML)的速度,提出了一种结合K近邻法(KNN)的改进的渐进直推式支持向量机学习算法,利用KNN对无标签样本集进行删减,去掉对学习作用不大的无标签样本,再对有标签样本集和剩余的无标签样本集利用IPTSVML算法进行学习与分类。雷达实测数据实验结果表明该算法是有效的。