一种目标密集环境下的雷达目标与IFF点迹相关算法

提出了一种基于联合概率数据关联（Joint Probability Data Association，JPDA）思想的雷达目标与敌我识别（Identification Friend or Foe，IFF）点迹相关方法，利用雷达目标历史IFF属性及关联概率作为先验信息，结合当前雷达目标航迹和IFF点迹的分布情况，通过基于JPDA的方法计算各雷达目标与IFF点迹的关联概率，最后利用目标识别规则库对目标属性进行判定。几种典型场景下的仿真结果表明，通过对目标的多次询问和相关概率的迭代，所提方法可有效提高目标密集环境下对我方合作目标的正确识别率，同时降低对非合作目标的误识别率。     

雷达与IFF正常配置时的相关算法

为了能有效利用敌我识别器提供的信息对雷达所发现的目标进行敌我属性识别,研究了直角坐标系下雷达与IFF正常配置(IFF系统的应答信号的所在方位与雷达目标回波方位相同)时的相关问题。基于卡方分布检验理论和n/m逻辑准则,提出了直角坐标系下雷达与IFF正常配置时的相关算法。首先,基于卡方分布检验的思想,对于两坐标、三坐标雷达与IFF相关分别构造了平面、空间相关判别函数,给出了决策规则及决策门限的计算方法,讨论了多义性问题的处理;然后,为了提高正确相关概率和减小误相关概率,使用n/m逻辑进行相关判决;最后,进行了计算机仿真。仿真结果表明,该算法在将误相关概率控制在较低水平的同时,可以获得较高的正确相关概率。     

灰关联分析和证据理论在雷达辐射源识别中的应用及改进

针对雷达辐射源识别中灰关联分析和修正的DS证据融合策略的运用进行了研究,探讨了通过灰关联分析来确定证据理论中的基本概率赋值函数的方法,并应用修正的DS证据融合策略对证据冲突情况下的融合算法进行了改进.仿真结果表明该算法是可行而有效的.     

雷达组网数据融合处理中的点迹融合技术

基于点迹的雷达组网系统,可以充分发挥多雷达信息的优势.提高目标航迹起始概率.改善系统跟踪性能。本文结合工程实践,详细分析了组网雷达数据融合处理中的点迹融合技术,以及点迹关联处理的一般步骤和常用关联滤波方法.最后对点迹融合性能做了定量的分析。     

基于灰关联分析与D-S证据理论的多传感器雷达辐射源识别方法

提出了基于灰关联分析与D—S证据理论的多传感器雷达辐射源识别方法。该方法在单个传感器中运用灰关联分析法通过计算灰关联度给出该传感器关于识别框架的基本概率赋值,再在融合中心用D—S证据理论对多个传感器的识别结果进行融合。仿真试验结果表明该方法是可行的。     

地波雷达与自动识别系统目标点迹最优关联算法

为了提高海洋探测精度和范围,针对高频地波雷达(HFSWR)和自动识别系统(AIS)目标点迹的融合利用问题,该文提出一种基于JVC(Jonker-Volgenant-Castanon)的点迹分状态全局最优关联算法。首先,通过判断高频地波雷达和AIS点迹的径向速度,将点迹分为准静态目标和动态目标。接着,选取径向速度和点迹间的球面距离为特征参数,对不同状态下目标点迹分别进行径向速度和位置间球面距离粗关联。最后,使用相对距离比的平均值进行关联效果的评价,通过选择合适的关联门限参数,使用JVC算法实现高频地波雷达和AIS的点迹最优关联。实验结果表明：该算法在关联相同点迹对数的情况下,关联精度高于最近邻(NN)算法和Munkres关联法,关联用时少于最近邻算法和Munkres关联法。通过近3年内3组不同时刻实测目标点迹的验证,该算法可以满足关联的实用性和实时性要求。     

雷达组网数据融合处理中的点迹融合技术

基于点迹的雷达组网系统，可以充分发挥多雷达信息的优势，提高目标航迹起始概率，改善系统跟踪性能。本文结合工程实践，详细分析了组网雷达数据融合处理中的点迹融合技术，以及点迹关联处理的一般步骤和常用关联滤波方法，最后对点迹融合性能做了定量的分析。     

高重频询问干扰下的二次雷达IFF系统目标检测概率分析

敌我识别（IFF）系统在现代战争中占有极为重要的地位。本文介绍了二次雷达IFF系统的工作原理,分析了IFF系统单站、多站工作的目标识别概率。针对IFF系统工作机理中存在的问题,建立了高重频询问干扰模型,从IFF系统的识别概率的角度出发,论证了高重频询问干扰能提高二次雷达IFF系统的应答占据概率,因而降低了IFF系统的识别概率,达到了干扰IFF系统的目的。     

基于雷达点迹处理的抗RGPO干扰的机动目标跟踪

针对距离波门拖引(Range Gate Pull Off,RGPO)干扰下机动目标跟踪性能恶化的问题,提出一种基于雷达点迹处理的机动目标跟踪算法。该算法首先使用RGPO干扰鉴别技术将跟踪波门内的雷达点迹数据分为正常点迹集与RGPO干扰点迹集,针对不同的点迹集采取了不同的状态更新策略,最后融合两类状态信息后输出目标位置。仿真结果表明,该算法的跟踪精度明显优于传统的交互多模型－概率数据关联(Interacting Multiple Model Probabilistic Data Association,IMM-PDA)算法及现有抗RGPO干扰机动目标跟踪算法。     

融合物理与战术信息的空中目标综合识别

为满足联合作战背景下空中目标敌我识别(IFF)的需要,提出一种融合物理与战术信息的空中目标综合识别方法。首先通过借鉴美军经验,对该方法的基本理念进行介绍,接着对其信息融合策略进行描述;然后围绕该策略,以证据理论和直觉模糊集为工具,对该方法的同类信息融合、异类信息融合与多周期信息融合问题进行建模;最后通过实例计算和对比分析验证该方法的可靠性。     

基于混合算法的数据融合技术研究

信息融合系统可以产生比系统中任一单元更有效、更精确的身份判决结果。在归纳了国内外敌我识别的方法后,提出一种将并行的自适应神经网络-模糊推理系统（ANFIS）、模糊理论以及D-S证据理论相结合的算法,并应用于雷达与IFF的数据融合中,实现空中目标的敌我识别。同时,由于要进行的是动目标识别,提出了利用多次测量数据模拟多传感器的方法来实现多次融合,仿真结果表明,该方法提高了身份判决的置信度,融合结果更加合理。     

机载火控雷达空空工作状态识别研究

为有效解决机载火控雷达空空工作模式反推识别难度大的问题,从非合作方的角度提出空空工作状态的概念,使用DS证据理论对8种工作状态进行识别。首先,基于对空空工作状态的特征分析设计了信号波形模拟器;其次,构建了包含单特征参数、多特征参数融合和多周期融合的分布式DS证据理论识别网络;最后,使用信号波形模拟器仿真的信号进行了随机样本测试。仿真结果显示,识别网络能够对8种工作状态进行有效区分,识别准确率达到92%以上,证明了该方法的合理性和实用性。     

基于PSO-SVM算法的雷达点迹真伪鉴别方法研究

为解决虚假目标点迹对雷达跟踪性能的影响,本文提出了一种基于PSO-SVM算法的雷达点迹真伪鉴别方法,进一步对目标点迹和杂波点迹进行真伪鉴别,有助于滤除杂波剩余点迹,提高雷达处理容量和跟踪性能。本方法利用点迹形成过程中生成的特征参数,先利用PSO算法对SVM算法参数进行优化选择,再利用参数优化后的SVM算法对雷达点迹进行真伪鉴别。最终,目标点迹鉴别准确率达到了95.18%,杂波点迹鉴别准确率达到了89.94%,整体的点迹鉴别准确率达到了92.13%。实验结果表明：该算法有较高、较稳定的点迹鉴别准确率,前期较多的杂波点迹被鉴别为目标点迹的缺陷也得到了较好的改善。     

敌我识别系统与一次雷达融合的一种设计方法

介绍了敌我识别（IFF）系统的组成和工作原理,分析了IFF系统和传统一次雷达的区别与联系,并提出了一种融合IFF系统与一次雷达的设计方法。     

基于雷达宽窄带多特征信息融合的空中目标识别

宽带高分辨一维距离像(HRRP)含有丰富的目标特征信息,是进行型号识别的良好特征。窄带特征所携带的目标信息虽不如宽带丰富,但其与宽带特征有很强的互补性,且有识别距离远、受目标姿态影响小等优点。因此,综合利用目标的宽、窄带特征进行识别能够提高识别系统性能。文中分析了以HRRP的功率谱和目标速度、高度为识别特征的宽窄带识别系统的特点,利用DS证据理论,实现了基于宽窄带识别结果的决策层融合目标识别;外场实测数据的实验结果表明了该方法的有效性。     

LFM雷达对高超声速目标的数据关联研究

基于统计判决的关联决策是当前多雷达数据关联的一个有效途径.然而,在采用该方法对高超声速目标数据关联的问题进行研究时,却会出现随着雷达测量精度的提高,不同雷达数据关联的正确关联概率反而下降这一现象.针对这一情况,首先,利用线性调频（linear frequency modulated,LFM）雷达合理构建了基于统计判决的高超声速目标数据关联模型;接着,在现有的统计判决机制下,进一步分析了目标高超声速运动对多LFM雷达数据关联的影响,并得出了其关联判决函数（服从非中心卡方分布）与现有的关联判决门限（服从卡方分布）相矛盾的结论;最后,结合统计学的原理,通过对目标非中心统计参量的有效求解,合理解释了上述奇怪现象的出现.仿真结果表明,在目标高超声速运动的条件下,上述奇怪现象的出现是合理的.     

基于波位的对空情报雷达工作模式识别方法

针对不能正确识别三坐标对空情报雷达工作模式造成的无法进行智能干扰的问题,提出一种基于波位建模的工作模式识别方法。首先,根据三坐标对空情报雷达处理杂波的特点,对工作模式进行划分;其次,进行建模分析和识别置信度计算;最后,利用D-S证据理论对多个传感器获得的信息进行融合,提高识别可信度。仿真结果表明:该方法能够实现对三坐标对空情报雷达工作模式的有效识别。     

基于模糊集与证据理论的敌我识别新方法

为解决DS方法要求证据相互独立、证据获取手段受限以及证据冲突等问题,提出一种将模糊集合理论与改进DS证据理论结合的新方法,用于空中目标多传感器属性信息处理,给出带置信度的目标敌我属性描述。通过实例验证了该方法的有效性。