主动雷达导引头工作波形设计及“遮挡”现象分析

主动雷达导引头的工作波段、工作波形及工作体制是三个基本设计项目。工作波形设计直接决定着导引头的性能。当导引头采用准连续波工作波形时 ,其遮挡问题尤为突出 ,影响导引头的多项性能 ,必须认真分析和对待。     

宽带多普勒声纳信号波形设计

宽带多普勒声纳相对窄带多普勒声纳提高了测速精度,并已广泛应用于多种载体的导航。为了研究其提高精度的机理和设计波形,从海底回波特性出发,从频域推导了窄带多普勒声纳的克拉美-罗界;利用重复相位编码信号的等效时域形式推导了宽带多普勒声纳的克拉美-罗界,分析了引起单波束测速误差的因素以及宽带相对窄带提高精度的原因;最后对波形参数与精度的关系进行了分析并给出了波形参数选择方法。数字仿真表明了理论分析结论的正确性。     

基于强化学习的对空雷达抗干扰波形设计

被探测目标的电子战能力严重影响对空雷达的检测和识别性能。针对对空雷达抗干扰问题，提出基于强化学习的抗干扰波形设计方法。从博弈角度利用强化学习方法建立雷达和目标干扰间动态对抗模型，计算博弈各方状态、动作价值，利用策略迭代法生成最优策略，基于相位迭代法合成时域波形。仿真结果表明：使用新方法设计的雷达发射信号时，与线性调频信号、捷变频信号相比，信干噪比分别提高了6.39 dB和1.12 dB;信号总功率为11 W时，与捷变频信号相比，目标检测概率提升了5%,可在低功率实现抗干扰的同时提升雷达信号抗截获性能。     

基于LMB平滑的雷达弱小目标跟踪

低小慢目标的有效检测和跟踪是雷达领域目前的热点问题.本文是基于RFT和AMF融合聚焦的雷达弱小目标检测的续篇,重点研究脉冲多普勒(Pulse Doppler,PD)雷达对典型无人机的跟踪问题.跟踪算法的实现步骤主要包括三步:首先进行点迹凝聚和帧间加速度估计的预处理;其次利用标记多伯努利(Labeled Multi-Be...     

基于卡尔曼滤波的无源雷达目标跟踪分析

提出了一种基于卡尔曼滤波的无源雷达目标跟踪方法.利用无源雷达所测得的运动目标的二维不全信息, 根据卡尔曼滤波迭代估算出目标的位置.简要对无源雷达组网中的信息转换和航迹融合问题进行了讨论.对目标的仿真结果表明, 该算法具有良好的跟踪性能.     

基于改进麻雀搜索算法的雷达功率与带宽联合分配算法

在雷达资源有限的情况下,为了提高多目标跟踪的精度,提出了一种基于改进型麻雀搜索算法的雷达功率与带宽联合分配算法。使用具有预测性质的后验克拉美罗下界构建优化目标函数,提出一种改进型麻雀搜索算法,对麻雀搜索过程中的安全值进行非线性调整,并在麻雀追踪过程中加入遗传算法的交叉运算,提高跳出局部最优的能力,使用改进型麻雀搜索算法对目标函数进行求解。仿真结果表明,相比于平均分配算法、传统麻雀搜索算法和灰狼优化算法,所提算法在提高多目标跟踪精度的同时,减少了雷达系统功率与带宽的使用。     

基于粒子滤波的非线性目标跟踪算法研究

针对非线性非高斯的目标跟踪,传统的卡尔曼滤波和扩展卡尔曼滤波等算法将会出现滤波精度下降甚至发散的现象,提出了采用粒子滤波算法来解决非线性滤波问题;粒子滤波方法作为一种基于贝叶斯估计的非线性滤波算法,在处理非高斯非线性时变系统的参数估计和状态滤波问题方面有独到的优势,但是存在运算量大和实时性差的问题,因此提出了基于EKF的扩展粒子滤波;仿真结果表明：在强非线性非高斯环境下,PF算法的跟踪性能优于EKF算法,基于EKF的扩展粒子滤波能够取得较好的跟踪精度,并且能够有效的减少粒子滤波的运算量。     

基于改进粒子滤波的静电目标跟踪算法

针对静电探测的数学模型结构复杂、强非线性以及实验测量数据存在极大不确定性的特点和传统粒子滤波(PF)算法存在的缺陷,提出了一种改进的粒子滤波(UPF)算法。该算法以无迹卡尔曼滤波(UKF)算法生成替代分布并从中采样,理论分析与仿真结果均表明,UPF算法能够提高静电探测系统目标跟踪的稳定性和精确性,解决了传统PF算法中以转换先验密度函数作为替代分布所引发的各种问题,具有较高的实用价值和广泛的应用前景。     

基于粒子滤波的三维转弯目标跟踪方法

为了提升对转弯目标的跟踪精度,本文提出了一种基于粒子滤波的三维转弯目标跟踪方法。首先,针对在三维空间中做HGB机动的目标提出了一种三维转弯模型,并建立了目标拦截过程中合理、可信的导弹动力学模型。然后,分别用粒子滤波(PF)、扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)对三维转弯模型进行匹配滤波,通过对各滤波方法的仿真对比分析,选用PF作为三维转弯模型的匹配滤波方法。最后,将机动目标跟踪问题转化为粒子滤波的求解,通过抑制粒子退化和增加粒子多样性的方法,提高了非线性滤波的估计精度。仿真结果表明,基于粒子滤波的三维转弯模型可以对做HGB机动的目标实现稳定可靠的跟踪,对基于三维转弯模型的非线性滤波问题,相较于EKF和UKF, PF的估计精度至少可提升30%。     

基于多输入多输出雷达发射方向图综合的波形设计

针对多输入多输出（MIMO）雷达发射方向图匹配时阵元功率不均匀和发射波形存在较高峰均比等缺点,提出了一种新的MIMO雷达发射方向图综合方法。构造一组基矩阵,将协方差矩阵的求解等效为基矩阵系数的寻优问题,在简化寻优模型的基础上进一步将其转化为一个凸优化问题,以便采用原对偶内点算法进行有效求解;在基矩阵中引入单位矩阵,以保证发射阵元满足等功率辐射要求,同时将尺度因子作为变量进行联合寻优,克服优化方向图对期望波束模值的依赖,解决二者增益不匹配引起优化误差变大的问题;在得到发射波形的协方差矩阵后,利用矩阵分解和交替迭代法设计发射波形,每次迭代过程中利用凸优化理论对发射波形的模值上界进行严格约束,有效减小发射波形的峰均比。仿真实验表明,合成的发射方向图在有效地逼近期望波束的同时大大降低了发射波形的峰均比。     

基于重采样粒子滤波的目标跟踪算法研究

基于传统粒子滤波的机动目标跟踪方法针对非线性、非高斯系统有较好的估计性能,但是存在粒子退化现象。利用残差重采样算法,可以有效克服粒子滤波的退化问题。本文针对残差重采样算法作进一步研究,提出了一种改进的残差重采样粒子滤波算法。该方法在残差重采样基础上进行改进,可以避免残差重采样中关于残留粒子的重采样问题,在保证精度的前提下提高运行效率,减少运算复杂程度。仿真实验结果表明该算法与残差重采样粒子滤波相比提高了目标跟踪的实时性,并且随着粒子数的增加,这种优势表现得更加明显。     

基于多特征融合与粒子滤波的红外弱小目标跟踪方法

研究低信噪比复杂背景下的红外弱小目标检测和跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于多特征融合与粒子滤波的红外弱小目标跟踪方法.仿真试验表明,与单特征跟踪算法相比,该算法对复杂背景下的红外弱小目标具有更好的跟踪与检测性能.     

基于粒子滤波的红外/毫米波复合制导目标跟踪方法

介绍了在红外/毫米波复合制导中观测方程的非线性而产生的跟踪问题,将粒子滤波应用于这一工程领域,并针对其易发生粒子退化现象这一缺点进行了改进,获得了很好的效果,仿真结果证明,粒子滤波较扩展卡尔曼滤波具有更好的跟踪效果,并且由于其并行处理的特性,在工程上有较高的应用价值。     

主动雷达导引头工作波形研究

对两种常见的脉冲多普勒雷达工作波形进行了详细的研究和介绍,重点分析了准连续波,提出了一种高重频下有效抗遮挡的方法,分析了线性调频波形,给出了其信号表达式和信号处理流程,对其设计参数进行了分析,在此基础上结合雷达导引头的发展方向提出了多工作波形体制的设计思想,为雷达导引头工作波形实用化设计提供参考。     

一种新的三阶距离跟踪环参数设计算法

针对高动态目标的距离跟踪,提出了一种基于α-β-γ跟踪器的三阶距离跟踪环参数设计方法。该方法首先按照最小距离误差准则确定环路带宽,然后利用环路带宽拟合环路传递函数满足临界阻尼条件的三阶极点值,并进而解得α、β、γ值,从而完成整个距离跟踪环的参数设计。仿真结果表明,按照六阶多项式拟合得到的三阶极点值与其理论值之差在10-4量级以内。文章最后对三阶距离跟踪环的跟踪精度进行了仿真分析,并提出了一种最小距离跟踪误差意义上的环路带宽确定方法。     

闪烁噪声环境下目标跟踪的UPF算法研究

介绍了一种改进的粒子滤波（PF）算法——无味粒子滤波算法（UPF）。该算法结合UKF（unscented Kalman filter）和PF算法,利用UKF对非线性系统的处理能力,用UKF得到粒子滤波的重要性采样密度函数,从而克服了PF没有考虑最新量测信息和UKF只能应用于噪声为高斯分布的不足。在给出的闪烁噪声统计模型基础上．将UPF、PF算法在雷达目标跟踪中进行了比较,仿真结果表明该方法可以取得比标准的粒子滤波更快的滤波收敛性和更高的滤波精度。     

一种新的混合智能粒子滤波算法在雷达机动目标跟踪中的应用

标准粒子滤波算法的精度不高,鲁棒性差标准粒子滤波算法的精度不高,鲁棒性差难以满足雷达目标跟踪的要求。本文提出了一种新的适用于雷达目标跟踪的智能粒子滤波算法,在粒子滤波中先利用人工鱼群的全局收敛性找到满意的解域,再利用粒子群算法引导粒子向高斯然区域移动,提高滤波精度。仿真表明该算法可以在强闪烁噪声下有效地跳出局部最优,搜索到理想的粒子最优值,提高雷达机动目标跟踪的精度。     

基于UKF的目标状态与系统偏差的联合估计算法

研究了三维系统偏差条件下的扩维目标跟踪问题,提出了一种基于不敏卡尔曼滤波器（UKF）的系统偏差和目标状态的联合估计算法（ASUKF）.Monte-Carlo仿真结果表明,ASUKF算法较好地避免了扩展卡尔曼滤波器的模型线性化误差易导致滤波发散的问题,能更加有效地对目标状态和系统偏差进行实时联合估计.