基于组合分形特征的海杂波中目标检测方法

仅利用一种分形特征检测海杂波中目标时,在低信杂比时往往难以有效区分。为此,提出一种基于组合分形特征的海杂波中目标检测方法,将检测流程划分为粗检测和精检测两个阶段。当检测单元分形谱维数特征明显时,在粗检测阶段即判决目标存在;当分形谱维数特征不明显时,则以分形模型拟合误差和分维尺度变化量为特征量,利用综合模糊隶属度进行判决,实现目标精检测。经X波段雷达实测数据验证表明,所提检测方法可以较大幅度提升海杂波中弱小目标的检测准确度。     

弹道导弹助推段同时跟踪和类型识别算法研究

前置地基雷达跟踪助推段弹道导弹对整个反导防御系统有着重要意义.本文提出了一种以情报数据库为先验知识的弹道导弹助推段及后助推段跟踪方法.首先从动力学角度提取导弹助推段飞行的特征参量,并对参量的敏感度进行了分析,给出了一种参变的助推段弹道导弹时不变运动模型.然后结合交互式多模型(IMM)和迭代无敏滤波(IUF)算法进行助推...     

干扰背景下基于双圆阵的全向测角方法

当干扰与目标方位夹角较小时,基于单圆阵的方位全向米波雷达在进行干扰对消时,目标回波的对消损失较大,从而降低了干扰对消后的目标检测概率和目标方位估计精度。针对此问题,该文提出一种基于双圆阵的干扰对消和目标方位角估计算法。该算法先利用小圆阵激励出的-1,0和1阶相位模式初步估计干扰的方位角,后利用大圆阵激励出对称高阶相位模式获得精确的干扰方位角并利用其激励出的非对称高阶相位模式进行干扰对消和目标方位角的估计。该算法相对于单圆阵的干扰对消和测角方法可以减小目标回波的对消损失,提高干扰对消后的信噪比,从而增大目标检测概率和提高目标方位角的估计精度,仿真结果证明了该算法的有效性。     

宽带相控阵雷达Stretch处理孔径渡越时间数字补偿技术

本文分析了宽带相控阵雷达采用线性调频(LFM)信号时孔径渡越时间对波束指向的影响,给出了经典的时间延时单元(TDU)补偿方法,针对用线性调频信号Stretch处理特点,提出了采用全数字方法实现孔径渡越时间补偿的方法,实验与模拟结果表明本文提出的方法是有效的.     

基于脉冲相关技术的反辐射导弹检测

以反辐射导弹告警系统为背景，根据典型反辐射导弹的发射模式，建立了反辐射导弹的雷达回波时间序列模型，指出了告警系统对反辐射导弹的脉冲串检测实际上是速度及加速度分量未知的线性调频信号的检测。     

一种宽带相控阵雷达合成高分辨率波形方法

宽带线性调频信号在宽带相控阵雷达宽角扫描应用时,由于天线孔径渡越时间的影响会出现目标距离像的散焦,一种有效的方法是采用少数几个带宽较窄的线性调频信号合成带宽,以满足系统大瞬时带宽的需要。本文先提出了利用少数几个线性调频信号Stretch处理后的信号合成带宽的原理,并针对目标高速运动情况的合成带宽处理方法进行了分析,提出了联合估计目标速度与子脉冲合成带宽的方法。计算机仿真实验表明本文对少数线性调频信号Stretch处理后回波合成带宽是有效的。     

相控阵雷达目标径向速度数字精确测量技术

目标的速度及其加速度是弹道导弹防御相控阵雷达鉴别真假弹头的的重要特征量,同时对宽带雷达的一维距离像的速度补偿提供必要的信息。该文根据相控阵雷达多目标数据率低的特点,提出了细谱线目标速度精确测量的数字实现方法;分析了在目标截获中脉冲相关法与通道补偿法两种估计加速度方法的性能,并提出了解速度模糊的新方法,分析和计算结果表明所提出的速度截获和解模糊方法是可行的。     

位置误差对分布式雷达方向图影响研究

针对分布式雷达机动性强带来的单元雷达位置误差问题,对分布式雷达天线方向图影响进行了理论分析,在此基础上,研究了单元雷达位置误差对分布式MIMO雷达联合波束方向图的影响．最后根据具体分布式MIMO雷达进行了数值仿真．仿真结果表明,单元雷达位置误差对分布式MIMO雷达联合波束方向图影响很小,不会影响雷达正常工作．     

分布式MIMO雷达单脉冲测角

由传统DBF方法得到分布式MIMO雷达S曲线的线性区很窄,不利于单脉冲测角。基于无栅瓣的分布式MIMO雷达发射-接收联合波束方向图提出利用回波信号的绝对值相加减得到和、差波束,该方法可以获得理想的零值深度,差波束主瓣能被和波束主瓣包围,有效扩展了S曲线的线性区。针对切向速度较高的目标进行单脉冲测角的数值仿真。在信噪比大于-15 dB时,所提方法精度优于传统方法。在信噪比等于-15 dB时,取绝对值之前进行相参积累,表明所提方法精度接近传统方法。     

基于非均匀FFT的长时间相参积累算法

针对采样引起时域相参积累损失以及相参积累算法运算量较大的问题,该文提出一种在快时间频域实现长时间相参积累的快速算法。该算法在快时间频域利用非均匀快速傅里叶变换(FFT)校正距离走动,完成相位补偿,然后通过快速逆傅里叶变换(IFFT)实现积累。该算法可以避免由采样引起的积累损失且运算量相对较小,理论分析和仿真结果验证了该算法的有效性。