基于跟踪脉冲的MIMO雷达多目标微动特征提取

微动特征是空间目标识别的重要特征信息之一。然而,现有的多功能多输入多输出(Multi-Input Multi-Output, MIMO)雷达通常需要在完成目标搜索和跟踪任务之后为目标微动特征提取分配大量连续的时间资源,导致目标识别实时性能和雷达系统整体工作性能均不高。针对该问题,该文提出了一种基于跟踪脉冲的MIMO雷达多目标微动特征提取方法。首先依据各目标的方位信息对MIMO雷达发射波形进行设计,为不同方向目标同时发射跟踪脉冲;在此基础上,综合考虑目标微动特征提取性能以及目标跟踪性能的需求,对跟踪脉冲的发射时间序列进行优化设计;最后,直接利用窄带跟踪脉冲实现对不同方向目标微动特征的同时提取,无需再为目标微动特征提取分配额外的时间资源,有效提升目标识别实时性和雷达工作效率。仿真实验表明,在信噪比大于–10 dB时,所提方法能够实现多目标微动特征的准确提取,具有良好的有效性和鲁棒性。      

MIMO雷达多目标检测前跟踪算法研究

 本文基于检测前跟踪技术研究了MIMO雷达系统中多个运动目标的早期预警问题,在推导已知目标数量时的二元广义似然比检验的基础上,提出了一种次优的基于“逐目标消除和极坐标Hough变换（STC-PHT）”的多目标检测前跟踪算法,并推导了该算法的虚警概率和检测概率表达式。与以往的多目标检测前跟踪算法相比,新算法具有较低的计算量,且本质上无需目标数量的先验信息,避免了目标数量未知时需执行多元假设检验的问题。仿真分析表明,新算法能有效地改善MIMO雷达在低信噪比条件下的检测性能。     

目标个数未知时双基地MIMO雷达多目标角度跟踪算法研究

针对目标个数未知时双基地MIMO雷达角度跟踪问题,该文提出一种基于改进自适应非对称联合对角化(AAJD)的目标个数与角度联合跟踪算法。AAJD算法中无法得到特征值变量,因此改进AAJD算法引入主成分顺序估计思想,循环求出特征值,然后运用改进信息论准则估计出目标个数。其次提出目标个数防抖动算法,提高了稳健性。最后改进了ESPRIT算法,完成了目标参数的自动配对和关联。仿真结果表明改进AAJD算法能够成功跟踪目标个数和角度,验证了理论分析的有效性。     

基于APC技术的空间分集MIMO雷达目标检测

为有效地抑制样本随机性的影响,改善MIMO雷达的检测性能,通过分析已有的基于迭代最小均方误差(RMMSE)估计和迭代最大化输出信噪比(RMSNR)准则的APC技术,指出样本随机性是影响以迭代APC技术为基础的检验统计量检测性能的重要因素。提出基于RMMSE和RMSNR的多通道多脉冲平均APC(MMA-APC)技术,并以此为基础构造检验统计量。基于自适应脉冲压缩(APC)技术研究了空间分集MIMO雷达相参脉冲串条件下的目标检测问题。     

干扰下的组网雷达目标跟踪分析

简述了组网雷达及其对抗技术概况,引入空间匀速直线运动与水平匀速圆周机动模型下状态方程与较强干扰强度下组网雷达的观测方程,运用扩展卡尔曼滤波,在干扰条件下实现对目标跟踪。通过对受到干扰与未受干扰状态下对目标跟踪仿真与误差对比,得出仅从压制干扰或距离欺骗干扰来对抗组网雷达,其效果是非常有限的。因此,对组网雷达的有效对抗还需综合考虑增加诸如角度欺骗干扰等其他手段协同实现。     

单站两坐标雷达空间目标跟踪新算法研究

在以常规卡尔曼滤波器为基础的各种跟踪算法中，要求精确的模型和噪声统计，但在实际问题中，大多数情况上述要求不能满足。本文给出了考虑初始条件不精确性的改进型卡尔曼滤波算法，并在引入速度量测信息的基础上，运用该滤波方法进行空间目标二维定位。蒙特卡洛仿真表明该方法降低了对模型精度的要求，在工程上是可行的。     

低信噪比双基地MIMO雷达目标角度跟踪算法

研究了低信噪比时双基地MIMO雷达目标跟踪问题,提出了一种基于改进AAJD（Adaptive Asymmetric Joint Diagonalization）的目标跟踪算法.首先,对AAJD算法进行改进,得到与特征值作用相同的变量,从而找出大特征值变量对应的特征矢量,解决了低信噪比时AAJD算法信号子空间扩展问题.其次,在非稳定跟踪状态时消除特征值变量误差积累的影响,得到更加准确的信号子空间,并对ESPRIT算法进行改进,实现收发角度的配对和相邻时刻角度的自动关联.仿真结果表明改进AAJD算法低信噪比时能够实现角度跟踪,且收敛速度和稳定性能明显优于AAJD算法.     

分集通道相关时MIMO雷达的检测算法

多输入多输出(MIMO)雷达利用波形分集或空间分集提高雷达性能,目标回波散射系数是全相关或者独立完全取决于阵列系统配置。然而,在有些情况下,雷达阵列系统配置导致散射系数部分相关,从而使MIMO雷达的检测性能受到影响。针对上述问题,文中研究了基于尼曼-皮尔逊准则下分集通道相关时MIMO雷达检测算法,推导检测概率与虚警概率的近似解析表达式,分析了分集通道相关性对MIMO雷达检测的影响。仿真结果验证了该算法的有效性。     

相控阵雷达目标跟踪算法

相控阵雷达和边跟踪边搜索雷达相比多一个自由度,因为它可以采用可变更新时间。当探测到某一目标机动时,可以缩短更新时间以改善跟踪精度。业已证实可变更新时间能够用于αβ滤波器,但更新时间值取决于偏差的大小。作者把Monte-Carlo模拟应用于各种各样的目标轨迹,对Cohen算法作了验证,此外还研究了选取更新时同的其它策略,探讨了算法参数范固内均方估算误差和平均更新时间的关系。由此而得出的结论是:在选取算法参数时,必须折衷考虑以使得估算误差较低而又不至于使平均更新时间太短。     

双基地MIMO雷达目标角度快速跟踪算法

针对双基地多输入多输出（MIMO）雷达目标角度跟踪问题,提出了一种低复杂度目标角度跟踪算法。首先估计出相邻时刻接收数据协方差矩阵的差;然后推导了协方差矩阵的差与目标角度差的关系,并且得到了相应的公式;最后通过最小二乘法得到相邻时刻的角度差,估计出目标的收发角度。算法避免了协方差矩阵的分解,实现了相同时刻收发角度的自动配对,降低了计算复杂度。由于算法能够实现相邻时刻的角度的自动相关,不需要复杂度高的角度相关算法,能够实现目标角度的快速跟踪,为双基地MIMO雷达的实际应用提供理论支持。      

一种基于自适应滤波的雷达目标跟踪算法

针对在复杂环境下基于卡尔曼滤波的雷达目标跟踪中存在的鲁棒性和自适应性较差的问题,研究了一种新的雷达目标自适应鲁棒跟踪算法;通过引入自适应渐消因子,对估计误差协方差和滤波增益矩阵进行在线自适应调整,从而使得滤波算法具备良好的鲁棒性和自适应性,提高雷达目标跟踪的精度。最后,通过仿真对所研究的方法进行了验证。     

角闪烁背景下基于IMM算法的末制导雷达目标跟踪

为了抑制末制导雷达目标跟踪过程中的角闪烁噪声,对闪烁噪声的统计特性进行了分析,建立了符合其分布的统计模型及系统的状态空间模型,用交互多模型算法解决了角闪烁背景下的目标跟踪问题;并根据该问题的特点,对IMM算法进行了简化.仿真结果表明,用交互多模型方法抑制角闪烁噪声是非常有效的,基于转换卡尔曼滤波的IMM算法比基于扩展卡尔曼滤波的IMM算法具有更高的跟踪精度;简化的IMM算法虽然在跟踪精度上不如基本的IMM.但仍然达到了很好的滤波效果,而且大大降低了计算的复杂程度,是一种更符合工程实际的抑制角闪烁噪声的方法.     

基于改进型自适应非对称联合对角化双基地MIMO雷达多目标跟踪算法研究

针对双基地MIMO雷达自适应非对称联合对角化(AAJD)跟踪算法性能低的问题,该文提出一种改进AAJD双基地MIMO雷达多目标跟踪算法。AAJD算法角度估计时重复利用上一时刻的角度信息,导致跟踪性能的下降。通过证明AAJD算法求出的特征矢量每一列都对应着一个目标,改进AAJD算法直接求解目标的收发角度,提高了跟踪性能,更加适用于大机动目标跟踪,并对ESPRIT算法进行改进,实现了目标角度的自动配对与关联。仿真结果表明改进AAJD算法跟踪性能高于AAJD算法,特别是跟踪大机动目标时改进AAJD算法性能更优,验证了理论分析的有效性。     

基于姿态角辅助非线性滤波算法的机动目标跟踪

基于扩展卡尔曼滤波思想,本文提出了一种融合姿态角信息的非线性滤波算法.通过分析目标二维和三维运动特征与姿态角的关系,以姿态角和速度模值为控制项,建立状态方程和量测方程,对目标的位置状态进行估计,实现了姿态角信息和位置信息的有效融合.姿态角在不同随机噪声条件下的仿真实验结果验证了算法的准确性和实时性.     

改进的Camshift与Kalman融合的目标跟踪算法

Camshift算法主要利用物体的颜色信息进行跟踪,在复杂背景条件下容易造成目标的跟丢,且在目标被遮挡时,也容易造成跟踪失效。本文提出了一种改进的Camshift目标跟踪算法。首先将目标图像的HSV模型的三个分量进行加权建立一种新的目标颜色模型,然后由对整帧图像计算反向投影改为比搜索窗口稍大的区域计算反向投影,减少了相似背景的干扰。同时为了解决遮挡问题,结合了Kalman滤波器,有效地预测了目标的位置。实验表明,本算法能够避免背景颜色干扰和解决遮挡问题,实现了对运动目标准确跟踪。     

基于IEKF的目标、外辐射源联合跟踪滤波

在外辐射源雷达中,当外辐射源的位置信息未知时,无法利用外辐射源对目标跟踪定位。文中介绍了一种基于迭代扩展卡尔曼滤波(IEKF)的目标、外辐射源联合跟踪滤波算法,该算法通过对已知外辐射源和未知外辐射源的联合利用,保证了雷达系统在探测目标的同时,也可定位跟踪未知外辐射源。通过仿真数据验证,该方法对目标、外辐射源的跟踪定位有较好的滤波效果,辐射源定位收敛速度优于EKF滤波方法。     

最大互信息准则下的认知MIMO雷达波形设计

针对杂波背景下对认知多输入多输出(MIMO)雷达波形设计研究较少的问题,提出了一种基于最大互信息准则的波形设计方法。该方法结合一般认知雷达波形设计模型,以雷达发射功率作为约束条件,以最大化目标与接收回波间的互信息为目标,对认知MIMO雷达的波形设计问题进行建模,并采用卡尔曼滤波一步预测的方法对快速运动扩展目标的冲激响应进行预测,实现对目标的精准估计;同时,基于上述分析采用最大能量分配的方法进行波形设计。仿真实验表明,与传统的线性调频信号(LFM)相比,文中所提方法可以获得更多的信息量。