一种适用于常规雷达低角跟踪的改进算法

本文主要讨论在常规雷达低角跟踪中运用波束空间域最大似然（ＢＤＭＬ）估计的实现技术，为了改善目标方向估计的性能，文中介绍了频率分集（多个工作频率），波束空间延拓，利用先验信息，接收数据的预处理和估计数据的滤波处理等技术，最后还给出了雷达对目标跟踪的计算机模拟结果。     

基于快速张量分解的波束空间MIMO雷达二维DOA估计算法

传统MIMO雷达由于采用全向发射模式导致目标增益损失严重,致使DOA估计算法性能较差.因此,本文提出基于波束空间MIMO雷达的张量模型和快速张量分解的二维DOA估计算法.波束空间MIMO雷达能够通过发射波束成形技术将发射能量集中到指定空域,弥补传统MIMO雷达的发射增益损失.通过高阶张量模型应用MIMO雷达多脉冲接收数...     

舰载相控阵雷达的自适应波束扫描技术优化

为了提高舰载相控阵雷达的目标定位检测能力,提出一种基于二维波束域加权谱峰搜索的舰载相控阵雷达自适应波束扫描算法.采用均匀阵列构建舰载相控阵雷达相干分布源模型,以目标的方位及目标的扩展角为二维参量,建立点目标信号源的多亮点特征分布阵列,用点目标来模拟空间的分布式目标,采用自适应波束形成算法进行目标的方位、距离及DOA的联合参量估计,采用二维波束域加权谱峰搜索方法实现远场分布式目标的空间谱特征提取,根据谱峰的位置求出目标方位,实现对目标的自适应波束扫描,提高目标的定位检测能力.仿真结果表明,采用该方法进行舰载相控阵雷达的自适应波束扫描,对目标的定位准确率较高,检测性能较好,波束输出具有很好的旁瓣抑制能力,说明抗干扰能力较强.     

基于时频分析的高频雷达目标检测与定向

针对宽波束高频雷达对非平稳目标探测的问题,提出了一种新的基于线性时频分析的目标检测与定向方法,即先从时频面上检测出目标的时频脊,然后沿脊线对线性时频表示采样形成阵列快拍,进行空间谱估计.分析了目标横向运动对空间谱估计的影响,提出了横向运动补偿及目标时变方位和横向速度估计的方法.雷达实测数据处理表明,本文方法能有效地应用于宽波束高频雷达对非平稳目标的探测中.     

基于波束域的米波雷达低仰角波达方向估计

针对米波雷达低仰角工作时除了收到目标的直达波外,还会收到与直达波相干的地(海)面反射的多径信号,提出了一种基于波束域的米波雷达低仰角波达方向估计的新算法.利用阵列输出数据协方差矩阵构造一个Toeplitz矩阵,以实现对雷达回波数据的解相干;在波束域对降维后的数据协方差矩阵应用基于信号子空间的角度超分辨算法实现波达方向估计;最后,研究了波束域下米波雷达低仰角波达方向估计的特点,分析了不同信噪比、波束个数对算法性能的影响.所提算法不但可以有效地克服多径效应,还极大地降低了运算量,理论分析和计算机仿真都证明了新算法的优越性.     

基于波束空间的米波MIMO雷达角度估计算法

针对米波多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达低仰角估计的问题,提出了一种基于波束空间的角度估计算法.结合米波MIMO雷达低仰角目标的回波特点,建立了同时考虑发射多径和接收多径的信号模型.算法首先在接收端形成多个接收波束,再利用发射信号进行匹配滤波,然后在接收端形成多...     

频控阵雷达空距频聚焦信号处理方法

针对复杂环境下对低可观测运动目标探测的迫切需求,该文在系统回顾近几年频控阵雷达国内外发展现状、频控阵雷达阵列结构设计及波束形成、距离和角度的联合估计等技术的基础上,提出了基于空距频聚焦的频控阵雷达信号新方法。充分利用频控阵雷达提供的发射波形自由度、阵元位置自由度、波束方位与距离相关性以及凝视观测的特点,即在空间(角度)、距离和频率(多普勒)的灵活自由度和能量集性,实现空-距-频聚焦和联合参数估计。仿真分析表明该方法具有提高复杂环境下雷达微弱动目标检测和参数估计的潜力,在杂波和干扰抑制、动目标精细化处理等方面有广阔的应用前景。      

基于降维波束空间的实值ESPRIT单基地MIMO雷达测角算法

单基地多输入多输出(MIMO)雷达的波达方向(DOA)估计问题是近年来研究的热点。高维度的MIMO雷达数据,导致传统旋转不变性参数估计技术(ESPRIT)算法需要付出较大的运算代价。在低信噪比、低快拍数的条件下,传统ESPRIT算法性能会严重下降。为了克服传统ESPRIT算法的以上缺点,该文提出一种降维波束空间的实值ESPRIT算法。该算法通过转换矩阵,将高维度MIMO雷达数据转换到低维度的数据,从而去除数据中的冗余。然后再将低维数据变换到波束空间,构造实值旋转不变性等式,用以估计目标的角度。仿真结果表明,在低信噪比和低快拍数时,相比于传统ESPRIT算法,该文所提方法具有更好的角度估计性能和更少的运算量。     

改善相控阵雷达跟踪性能的一种有效方法

本文着重研究相控阵雷达跟踪剧烈运动的空间目标时的数据处理问题。推导了一组在速度坐标系中进行状态估计的滤波公式。计算机仿真结果表明,与在方向余弦坐标系中进行状态估计的方法相比,新方法可以改善相控阵雷达对剧烈运动目标的跟踪性能,对于给定的几种跟踪剧烈运动目标时的情况,雷达波束控制角的预测精度约可提高一个数量级。     

一种基于机相扫阵面雷达的重点目标方位角估计方法

提出了一种应用于机相扫阵面雷达的重点目标方位角估计方法.阵面雷达采用机相扫同时方位电扫的一维相控阵体制,利用数字多波束技术,可以在不同方位范围内形成多个接收波束以满足较大的监视区域.对重点目标的精细跟踪不仅需要考虑到雷达自身的旋转特性,还需要考虑到阵面雷达的波束形状在每个方位均不相同.因此,首先利用多项式拟合法对不同方...     

一种提高目标参数估计精度的雷达、红外数据融合方法

介绍了一种雷达、红外数据融合的方法,并利用融合输出的数据进行目标状态估计,从而获得较高的目标参数估计精度.     

Distributed fusion architectures and algorithms for target tracking

Modern surveillance systems often utilize multiple physically distributed sensors of different types to provide complementary and overlapping coverage on targets. In order to generate target tracks and estimates, the sensor data need to be fused. While a centralized processing approach is theoretically optimal, there are significant advantages in distributing the fusion operations over multiple processing nodes. This paper discusses architectures for distributed fusion, whereby each node processes the data from its own set of sensors and communicates with other nodes to improve on the estimates, The information graph is introduced as a way of modeling information flow in distributed fusion systems and for developing algorithms. Fusion for target tracking involves two main operations: estimation and association. Distributed estimation algorithms based on the information graph are presented for arbitrary fusion architectures and related to linear and nonlinear distributed estimation results. The distributed data association problem is discussed in terms of track-to-track association likelihoods. Distributed versions of two popular tracking approaches (joint probabilistic data association and multiple hypothesis tracking) are then presented, and examples of applications are given.     

基于IMM-PF的再入目标数据融合算法与仿真

为了提高弹道再入目标的跟踪精确度,提出了一种基于交互式多模型粒子滤波（IMM-PF）的再入目标数据融合算法。该算法将交互式多模型和粒子滤波相结合,用有限个运动模型来逼近再入目标的运动状态,在对再入目标的运动方程和观测方程离散处理的基础上,采用粒子滤波算法计算各模型的状态估计值和协方差,并采用残差重采样方法克服了粒子权重的退化问题;在粒子滤波过程中,系统不断改善粒子的概率密度函数,不断更新各个模型的概率,从而实现对再入目标跟踪中未知参数的精确估计。通过实例仿真表明：与其他算法相比,该算法的跟踪精确度较高,运行时间较短,算法收敛性较好,适合对再入目标的快速、精确跟踪。     

基于联合概率加权的高分辨雷达目标点迹处理

针对高分辨雷达在跟踪扩展目标时出现多散射点的问题,提出了一种基于联合概率加权的雷达目标点迹处理方法。首先,对信号检测出的多散射点构建其残差变量,根据判别准则进行目标点迹配对处理,剔除异常散射点;然后,同时考虑散射点位置和回波幅度信息,计算联合概率的权值,目标多散射点经概率加权融合后估计得到散射中心。仿真分析表明,该方法在高分辨雷达扩展目标点迹处理中能有效抑制杂波的干扰,目标点迹精度在距离、方位和俯仰上分别提高了20.63%、47.51%和41.03%,同时具有很好的可靠性,满足工程应用的需求。     

基于后验数据辅助的雷达系统补偿方法

在警戒、精密跟踪雷达与逆合成孔径成像雷达中,准确地估计目标距离、速度和角度对目标捕获与跟踪至关重要。在实际的雷达系统中,由于实现电路的非理想性,生成的信号往往难以精确符合理论设计,导致目标距离、速度估计结果与理论真值存在不同程度的偏差;同时,雷达接收通道不可避免地存在由系统各部分相互耦合产生的幅相不一致性,对目标角度估计带来潜在影响,且常规补偿过程复杂,往往难以获得一套最优的补偿系数。本文结合某实际雷达系统,建立了典型目标参数估计方法的数学模型,理论分析了影响雷达目标参数估计结果的各类因素,提出了一种基于后验数据辅助的系统补偿方案,并通过实测数据与外场试验验证了方法的有效性。     

一种改进的机载多普勒雷达目标跟踪算法

针对传统的基于多普勒雷达量测转换的目标跟踪算法只适用于静止雷达的问题,将该算法推广至机载多普勒雷达。在每个递推周期里,首先将机载导航数据转换到东北天坐标系中;然后,将距离量测转换成东北天系下的位置伪量测,由此完成对目标的位置滤波;最后,联合目标位置滤波值及多普勒量测对目标进行运动状态滤波,由此得到目标的位置最终估计值。仿真实验结果表明,改进后算法的跟踪精度优于传统的多普勒雷达目标跟踪算法。     

基于多普勒耦合估计的弹道目标测距方法

反导预警与空间监视雷达通常采用高频段、大脉宽探测远距离目标,此时距离多普勒耦合对于雷达精确测距有较大影响。同时,距离多普勒耦合的准确修正是稳定跟踪目标的必要条件,然而传统的处理方法不能适用于弹道目标等高机动目标的准确处理。本文提出了基于多普勒耦合估计的弹道目标高精度测距方法：首先采用旁路速度-加速度估计方法求解目标的径向速度,对目标测量距离进行距离多普勒耦合修正,再进行IMM-UKF滤波完成目标距离估计。该方法具有以下优势：利用当前帧的测量数据,同时考虑了目标径向加速度对于耦合的影响,提高了距离和速度的估计精度;相比跟踪时增加测速波形的方法,节约了雷达的资源,同时避免了速度测量与航迹误关联的问题;距离和速度的精确估计能够提升航迹关联成功率。仿真实验中与传统的距离多普勒耦合处理方法进行了比较,实验结果显示该方法大幅提高了雷达测距的精度。     

基于叠加式传感器的多普勒雷达多目标联合检测与估计

多目标检测与估计是多普勒雷达的基本任务。当信噪比较低时,为确保检测到目标需降低门限而产生了大量虚警,基于数据的多假设跟踪（Multi-Hypothesis Tracking, MHT）和联合概率数据关联（Joint Probabilistic Data Association, JPDA）方法因计算复杂度过高而失效,基于原始信号的随机有限集（Random Finite Set,RFS）滤波器可有效解决该问题。多普勒雷达回波信号以叠加的方式受到多个目标影响,其多目标检测与估计问题属于叠加式传感器的典型应用。本文在叠加式多伯努利（Multi-Bernoulli, MBR）滤波器基础上利用具有准确势估计的独立同分布群（Independent and Identically Distributed Cluster, IIDC）RFS对新生目标建模,并采用辅助粒子滤波器（Auxiliary Particle Filter, APF）实现了多目标联合检测与状态估计。仿真结果表明,混合MBR和集势概率假设密度（Cardinalized Probability Hypothesis Density,CPHD）滤波器对多普勒雷达多目标的检测估计性能优于MBR滤波器,且减小了计算复杂度。      

基于最小二乘法的海基双站测量数据综合处理

针对测量船执行海上任务单船数据处理及弹道参数计算受时间和弧段限制局限性的问题,提出了采用加权最小二乘法解算双站目标坐标的综合数据处理方法,并在综合后的数据库增加了跟踪时间及重要特征点弧段数据,提高了位置及其他弹道参数的估计精度。该方法的推广对改进测量船数据处理方法和技术、提高弹道状态估计精度均具有积极的意义。