平流层飞艇晃动对艇载雷达回波影响的分析

平流层飞艇载雷达系统较之地基雷达针对临近空间目标更具探测优势,但也存雷达探测性能受飞艇运动影响的问题,须结合飞艇的运动特点分析艇载雷达的回波形式。对此,本文从艇载雷达天线阵元的速度差别入手,分别建立了艇载雷达天线阵元的运动计算模型和艇载雷达回波计算模型。根据建立的模型,分析了飞艇晃动对雷达信号的影响,计算了不同因素对天线阵元速度的影响,并分别在天线阵元速度差别最大和最小的情形下进行了回波仿真,结果显示:在飞艇运动状态下,艇载雷达探测效果随目标距离增加而下降,但在不同的探测方向上下降程度是不同的。      

临近空间高超声速跳跃式滑翔目标跟踪模型

针对临近空间高超声速跳跃式滑翔目标跟踪问题,在分析目标运动特性的基础上提出了一种二阶时间相关的新型机动跟踪模型,该模型的核心是将加速度作为具有衰减振荡自相关的零均值随机过程,并据此构建了跟踪临近空间高超声速跳跃式滑翔目标的状态方程;为进一步分析模型的运动适应性,结合卡尔曼滤波算法推导了模型的系统动态误差稳态值,从模型参数取值的角度探讨了模型的适应性问题;为提高模型参数设计的合理性,分析了模型中两个参数的对应关系,并给出了参数设计的大致参考区间.理论分析表明,模型具备周期性与衰减性的统一,在短时间内主要表现为周期性,在长时间内主要表现为指数衰减性,这一特性提高了对临近空间高超声速跳跃式滑翔运动描述的合理性,此外,该模型跟踪临近空间高超声速跳跃式滑翔目标时的参数理论取值具有较低的系统动态误差稳态值.仿真实验表明与已有的临近空间高超声速目标单噪声机动模型相比,该模型具有较高的跟踪精度;并通过比较不同参数下的仿真结果一定程度说明了参数取值方法的合理性.     

高超声速滑翔飞行器典型运动分析与模型设计

为了得到合理可行的高超声速滑翔飞行器运动轨迹和目标跟踪预测仿真数据,对滑翔飞行器典型运动进行了分析和模型设计.首先建立简化的飞行器动力学模型,分析了无横向机动的平衡滑翔和恒攻角跳跃滑翔两种纵向运动特点;然后在给定纵向运动条件下对摆动式和转弯式两种横向运动进行了分析,建立了不同横向运动与所需控制量攻角、倾侧角之间的关系模型;最后对设计的轨迹模型进行了仿真.仿真结果表明所设计的轨迹模型是合理的.     

基于等效电路模型的高频透波频率选择吸波体设计

基于等效电路模型分析方法设计了一种高频透波频率选择吸波体,实现了吸波体通带位于其吸波带之上频段的滤波特性.频率选择吸波体的损耗层和带通层分别采用了加载集总电阻的曲折方环单元和十字缝隙单元.仿真结果表明,所设计结构的通带中心频率位于X波段内的9.34 GHz,通带中心频率处的插入损耗小于0.7 dB,-10 dB吸波带为3.0~8.3 GHz.当电磁波斜入射角度小于40°时,所设计结构均保持稳定的传输性能和反射性能.由于频率选择吸波体所采用的周期单元结构的旋转对称性,其传输和吸波性能对入射电磁波的极化方式不敏感.     

自适应平方根球型无迹卡尔曼滤波算法

针对传统无迹卡尔曼滤波器存在跟踪精度低、数值稳定性差、鲁棒性弱等缺点, 提出了一种基于球型无迹变换的自适应平方根UKF滤波算法（Adaptive Square Root UKF Filtering Algorithm Based on Spherical Unscented Transform, ASRS-UKF）。该算法在标准的平方根UKF算法上,首先改用了球型无迹变换对权系数以及sigma点进行计算选取;其次改进了平方根UKF中平方根矩阵的分解方法;同时在预测误差协方差矩阵中引入了自适应衰减因子。最后,通过将该算法同平方根UKF以及强跟踪UKF算法进行仿真对比,结果表明,ASRS-UKF算法在减少计算量、加快计算速度的同时还提高了滤波精度和稳定性,而且对于系统模型匹配不佳的情况下,仍具有良好的跟踪性能。     

基于子阵的FDA-MIMO雷达去栅瓣方法

针对频率分集多输入多输出(Multiple-Input Multiple-Output with Frequency Diverse Array, FDA-MIMO)雷达在采用常规线性频率间隔的情况下,出现的距离维栅瓣与距离维主瓣宽度的矛盾问题,提出了一种基于子阵的FDA-MIMO雷达去栅瓣方法,推导出基于子阵的FDA-MIMO雷达闭合方向图表达式,并分析了FDA-MIMO雷达采用子阵去除栅瓣和提高距离维分辨率的原理。仿真结果表明,与通过限定频率间隔选取范围去除距离维栅瓣的常规方法相比,当子阵采用互质大频率间隔时,FDA-MIMO雷达形成的方向图不仅去除了距离维栅瓣,且距离维主瓣宽度更窄,距离维分辨率更高。     

基于随机森林的HRGV滑翔段飞行状态识别

针对临近空间高超声速再入滑翔飞行器(Hypersonic Reentry-Glide Vehicle,HRGV)滑翔段飞行状态识别问题,提出了一种基于随机森林的识别方法。首先将目标的飞行状态分为6类,通过运动方程生成具有代表性的飞行数据;其次分析了目标运动特性,利用运动参数构造特征属性并对其进行处理和筛选,得到最终样本数据。为实现雷达跟踪轨迹的飞行状态识别,将雷达跟踪数据进行平滑处理,经坐标变换后得到运动参数估计结果,并用训练好的分类器识别目标的飞行状态。试验结果表明,所设计的随机森林分类器识别精度较高,但当运动参数的估计存在误差时,识别精度会有一定程度的下降。