相控阵雷达导引头收发系统设计

相控阵雷达导引头是未来雷达导引头的发展方向,而小型化收发系统是相控阵雷达导引头的关键技术。本文讨论了相控阵雷达导引头的系统组成和工作原理,给出了满足系统要求的收发系统设计方案和仿真结果。     

跟踪部位不一致对连续波雷达测距测速的影响分析

以工程试验为背景,通过仿真计算分析了跟踪部位不一致对连续波雷达测距测速的影响,并进一步分析其对弹道参数的影响,给出了初步的分析结果并提出了建议,对提高外测数据处理精度具有一定的参考价值.     

雷达散射截面对反舰导弹生存能力的影响研究

建立了反舰导弹对由预警雷达和舰空导弹武器系统组成的现代化反导系统的突防概率的计算方法,其中包括探测概率和拦截概率的计算.通过仿真计算,分析反舰导弹的RCS对生存能力的影响.研究结果表明,减缩反舰导弹的RCS可以显著降低反舰导弹被探测的概率,从而可以缩短舰空导弹的发射区远界,缩短反导的作战准备时间,提高反舰导弹的生存能力.     

目标特性对反舰导弹捕捉概率的影响

在分析了反舰导弹末制导雷达对目标探测能力的基础上,研究了导弹对目标捕捉概率的计算模型,通过实例,阐述了目标雷达散射特性和目标机动特性对反舰导弹捕捉概率的影响.     

基于极化比参数的零导数正交搜索优化方法

针对基于极化比参数的信于噪比等式,提出了一种零导数正交搜索极化优化方法并进行了详细的讨论。该方法的关键是：沿着一条特殊基线进行的第一次局部优化就基本接近全局最优点,接着进行正交向零导数搜索,搜索过程也只需简单地利用前一次局部最优解的结果。经过大量试验,给出了参数范围,结果表明该方法基本上只需几步计算后就找到了全局最优点。     

非合作多基地雷达系统性能仿真分析

针对低RCS（radar cross section）的隐身舰船很难被普通的单基地雷达探测到的问题,提出了采用非合作多基地雷达系统对海上目标进行探测,创建了一个海上场景,其中多艘商船在S波段（3 GHz）发射电磁波,作为机会雷达;一艘护卫舰大小的军舰作为雷达系统接收机,目标假定为一艘货船和一艘隐身军舰。采用专业的电磁软件对海上目标进行仿真,计算普通货船和隐身军舰的双基地RCS数据,建立了MATLAB仿真模型,研究了非合作多基地雷达的探测覆盖范围。使用FEKO的双基地RCS仿真表明,通过改变发射机的数量和发射机到接收机之间的距离,找到一种最优的多基地雷达系统几何结构和系统配置。     

结合全局和局部稀疏表示的SAR图像目标识别方法

提出结合全局和局部稀疏表示的合成孔径雷达(SAR)目标识别方法。基于全局字典的稀疏表示可以比较各个训练类别对于测试样本的相对表征能力。而基于局部字典的稀疏表示则体现各个类别对于测试样本的绝对描述能力。因此,两者的结果具有良好的互补性,可以为正确决策提供更充分的信息。采用D-S (Dempster-Shafer)证据理论对两者的决策矢量(即重构误差)进行决策融合从而得到更为稳健的识别结果。基于MSTAR数据集进行了目标识别实验并与其他SAR目标识别方法进行了充分对比,实验结果证明了提出方法的有效性。     

结合属性散射中心模型和空间变 迹法的 SAR 图像旁瓣抑制方法

针对合成孔径雷达( synthetic aperture radar,SAR) 图像旁瓣抑制问题,提出结合属性散射中心模型和空间变迹法 (spatially variant apodization, SVA)的新途径。 空间变迹法作为一种经典超分辨率图像处理技术,能在抑制旁瓣的同时保持良 好的主瓣分辨率。 属性散射中心可以很好地描述目标在高频区的电磁散射特性,是分析 SAR 图像的有力工具。 基于属性散射 模型的参数估计得到的先验知识再利用空间变迹法处理 SAR 图像,达到抑制旁瓣的目的。 实验结果表明,该方法可以有效抑 制 SAR 图像旁瓣。     

基于点迹时空关系的雷达目标航迹识别

雷达目标航迹的识别有助于指挥员判断对方作战意图和作战任务,从而为战场决策提供协助作用,但目前少有文献研 究目标航迹识别问题。 根据雷达检测到的目标物体的时间、距离和方位等时空数据,研究目标航迹识别问题,并提出了一种基 于雷达点迹数据时空关系的目标航迹识别算法(TRST)。 该算法首先对雷达点迹数据进行属性选择,然后挖掘点迹数据在空间 关系上的间距值特征,最后构建递归神经网络进一步捕捉点迹数据的时空关系特征,实现对目标航迹的分类识别。 实验结果表 明,TRST 算法能够有效提高目标航迹识的准确率、精确率、召回率和 F1-Score 性能。     

基于SVM和能量最小化的PolSAR图像分类方法

极化合成孔径雷达(PolSAR)采用全极化的工作方式可以获取地物的多种特征,利用这些特征对地物进行分类是PolSAR图像的重要应用方向。不同的特征和分类器对分类精度有着较大的影响。提出了一种基于支持向量机(SVM)和能量最小化(EM)的极化SAR图像地物分类方法。该方法选择基于6种散射模型的分解方法(6SD)所得的6部分散射能量、总散射能量span和3个极化相干矩阵旋转域角参数作为SVM的输入,得到图像分类结果,并使用基于图割的能量最小化算法α-expansion对分类结果进行优化。最后使用AIRSAR系统获得的Flevoland地区的数据进行实验,结果表明所提算法可以提高总体分类精度,总体分类精度为95.6%,高于其他方法的92.3%。所提算法可以较大幅度地提高散射机理明显的区域,如建筑、森林、水域、草地等区域的分类精度。另外,结合EM优化结果可以提高所有种类的分类精度,其中在苜蓿、小麦1、小麦2、裸地、草地、油菜籽等区域的分类精度可提高1%以上。