组网雷达中弹道目标微动特征提取与识别综述

针对组网雷达中弹道中段目标微动特征难以识别与分辨的问题,文中分析了弹道中段目标微动特征的差异,总结了基于低分辨雷达网和高分辨成像雷达网的雷达目标微动特征提取技术在反导预警探测中的应用与研究现状,并分析了此类识别手段的优缺点。在此基础上,探讨了今后低分辨雷达和高分辨成像雷达相结合的混合体制雷达网在弹道中段目标识别中的主要研究方向,为进一步推动组网雷达中弹道目标识别研究提供参考和基础。      

用于雷达目标识别的层次化信息融合算法

基于对目标识别特点的认识，提出了可用于坦克目标识别的层次化信息融合算法，对高分辨率毫米波非相干雷达，毫米波辐射计及红外辐射计等目标识别概率进行了的融合实验表明，该算法不仅可融合不同层次的信息，而且具有较强的处理信息不确定性的能力和容错能力，极大地提高了目标识别概率。     

某雷达网的检测仿真

研究了某雷达在布网方式下的目标检测特性，首先讨论了该雷达网的布站方式和检测原理，然后给出了雷达网分布式检测融合系统的最优检测、融合系统全局最优化的必要条件和求解系统全局最优解的数值迭代算法，并进行了仿真。仿真结果表明，采用该融合算法对某雷达在布网方式下的目标检测特性进行优化，可有效提高系统的检测性能。     

多雷达跟踪定位精度分析

多传感器组网的数据融合,可以提高目标的定位精度.文中提出了一种雷达网空中目标的空间位置融合的加权最小二乘算法,在目标位置估计Fisher信息矩阵基础上给出了目标位置估计误差的克拉美-罗下限.经蒙特卡罗仿真实验表明,该融合算法已逼近了克拉美-罗限,是一种理想的多雷达跟踪定位算法.     

基于深度学习和多通道融合的低空目标声识别方法

低空目标声识别主要指被动接收低空飞行目标辐射声信号，依据声纹信息对目标类型进行判别的技术方法 .基于单个传声器通道的目标识别性能往往会受到传声器周边环境和传声器本身特性异常的影响，因此需要研究基于多通道融合的低空目标声识别方法。对此，采用卷积神经网络处理各通道声信号的Mel频率倒谱系数特征，获取目标识别概率，并利用基于证据距离的信息融合方法，计算最终的目标识别结果。实测数据验证结果表明，基于多通道融合的低空目标声识别方法相较于单通道具有更高的稳健性，对单通道异常情况不敏感，仍然具有较高的识别准确率。     

制导雷达组网相对系统误差补偿研究

在制导雷达网中进行精确系统误差补偿是实现制导雷达组网信息资源共享与数据融合的先决条件，是实现制导雷达组网的关键技术之一。通过对制导雷达网中误差源的分析，分别建立了距离、方位角、高底角的误差补偿模型，在此基础上，提出了一种制导雷达组网相对系统误差补偿方法。通过仿真可以看出，误差补偿后的支援信息更接近于观测信息，表明此补偿方法具有可行性与有效性。     

基于星载电子侦察与成像侦察的数据融合技术

该文在提出单星侦察体制下的电子侦察与成像侦察融合方案的基础上，研究了基于不精确图匹配方法的平台配准算法和基于模糊推理与证据理论的目标融合识别算法等数据融合技术，并构建了一个星载电子侦察与成像侦察融合仿真系统。仿真实验结果表明，融合电子侦察信息与成像侦察信息提高了目标定位精度与目标识别准确性。     

某雷达网的检测仿真

研究了某雷达在布网方式下的目标检测特性,首先讨论了该雷达网的布站方式和检测原理.然后给出了雷达网分布式检测融合系统的最优检测、融合系统全局最优化的必要条件和求解系统全局最优解的数值迭代算法,并进行了仿真。仿真结果表明,采用该融合算法对某雷达在布网方式下的目标检测特性进行优化.可有效提高系统的检测性能。     

一种多传感器信息融合点目标识别方法（二）

提出了一种多传感器信息融合识别空间复杂弹道式目标及其伴随诱饵的识别模型。将人工神经网络和确定性理论结合起来，以神经网络的输出代替应用确定性理论所需的有关领域专家的知识和经验，并用确定性理论进行不同空域和时域的信息融合。仿真结果表明，经过融合后，大大改善了识别效果。     

一种多传感器信息融合点目标识别方法（一）

提出了一种多传感器信息融合识别空间复杂弹道式目标及其伴随诱饵的识别模型。将人工神经网络和确定性理论结合起来，以神经网络的输出代替应用确定性理论所需的有关领域专家的知识和经验，并用确定性理论进行不同空域和时域的信息融合。仿真结果表明，经过融合后，大大改善了识别效果。     

基于对象Petri网的雷达组网系统建模仿真研究

建立了复杂环境下雷达网的OPDL模型，并以雷达网分布式目标检测分析为背景，运用所建立的雷达网OPDL模型进行了仿真实验。研究表明，基于OPDL的雷达组网系统建模仿真是一种分析、评价雷达网系统的有效途径。     

预警探测系统雷达组网技术研究

通过对雷达网体系结构、雷达网优化布站、雷达网数据接入及融合技术、网内雷达实时控制与管理技术及预警探测系统建模与评估技术的研究，为发展预警探测系统的集成试验提供支撑技术，以及为提升我国雷达组网技术水平提出一些新思路。     

SOJ干扰下雷达网检测性能分析

通过建立SOJ干扰时雷达的检测概率分布模型,研究了雷达网在秩K准则和Neyman-Pearson准则时检测概率分布,仿真了不同准则时雷达网的检测概率分布图,分析比较了以上2种融合准则的融合性能.通过仿真发现,雷达网检测概率分布图克服了传统方法利用单个空间位置检测概率描述雷达网性能的局限性,并且为干扰下雷达网融合准则的选取提供了一个更全面、更直观的参考.     

基于反辐射导引头信息的近炸引信目标识别研究

为提高反辐射导弹近炸引信目标识别能力,提出了一种融合导引头信息与激光近炸引信信息的目标识别方法。在分析导引头与引信信息的一致性与冲突基础上,应用D-S证据理论综合利用导引头与引信信息判定导弹从目标上方掠过或落于目标前方;对于导弹掠过目标的情况,采用Dempster规则融合导引头与激光近炸引信测得的目标信息,以正确识别出目标雷达。研究结果表明,基于D-S理论的制导与引信信息融合方法,可以有效地判别弹目交会情况并以较高的概率识别出目标。     

基于多层LSTM模型的雷达目标航迹快速识别算法

雷达目标航迹的快速识别对指挥员战场决策具有重要的参考作用，传统雷达目标航迹识别算法对于目标特征分析效果差，导致航迹识别效果不理想，为此，设计了基于多层长短期记忆网络(Long Short-Term Memory, LSTM)模型的雷达目标航迹快速识别算法。对雷达目标航迹信息进行采集与去噪处理；构建多层LSTM模型，提高对时间序列数据处理的性能，将采集的数据输入多层LSTM模型中；通过多层LSTM网络自主学习获取雷达目标航迹特征，并设计融合模块对多个特征进行融合处理，得到多特征子集，改善单一特征分析的不足；基于适应性矩估计(Adaptive Moment Estimation, Adam)算法优化模型超参数，训练损失函数，通过构建多层LSTM模型分类器完成雷达目标航迹快速识别。仿真实验结果显示，该算法能够精准提取雷达目标的多特征信息，多特征融合效果良好，航迹识别结果精准，目标位置平均识别误差为0.31 m,雷达目标航迹识别时间平均值为0.56 s,说明该方法能够精准、快速完成航迹识别。     

基于OPDL的雷达组网系统建模仿真

本文建立了复杂环境下雷达网的OPDL模型，接着以雷达网分布式目标检测性能分析为背景，运用所建立的雷达网OPDL模型进行了仿真实验。研究表明，基于OPDL的雷达组网系统建模仿真是一种分析、评价雷达网系统的有效途径。     

雷达网对抗远距离支援干扰检测能力分析

在建立单部雷达对抗远距离支援干扰检测概率模型的基础上,研究雷达网在秩K准则和Neyman—Pearson准则时检测概率分布,仿真出不同准则时雷达网的检测概率分布图,分析比较这两种融合准则的融合性能。通过仿真发现,雷达网检测概率分布图克服了传统的单个空间位置检测概率描述雷达网性能的局限性,并且为远距离支援干扰下雷达网融合准则的选取提供了一个全面、直观、准确的参考,具有一定的实际意义。     

多传感器目标的模糊识别

根据模糊理论，采用信息融合技术和模糊识别技术，讨论了在多类传感器网内进行多目标模糊识别的一般原理和方法。     

一种基于信息融合的目标识别算法

为了有效处理目标识别中的不确定信息,将信息融合的D-S、DSmT规则与近邻分类相结合,提出了一种新的基于信息融合的目标识别算法。首先选取待识别目标在训练数据中的近邻样本,并构造各近邻的基本置信指派函数,然后使用D-S规则对各类别下的近邻证据进行组合,最后再应用DSmT规则将所有类别的组合证据进行融合,并根据融合结果和所建立的分类规则进行目标的识别判断。通过目标实测数据实验,将新算法与目前目标识别中应用最为广泛的SVME方法进行了对比分析,结果表明新算法能够有效提高目标的识别正确率。     

基于Choquet模糊积分的决策层信息融合目标识别

引入模糊测度和 Choquet模糊积分的概念后,信息融合目标识别可转化为各信源识别结果关于信源重要程度的广义 Lebesgue积分。该文给出了 Choquet模糊积分应用于决策层信息融合目标识别的通用技术路线,并提供了信源重要程度的度量方法。算法实用于红外/毫米波融合目标识别系统,融合识别结果与 D-S 证据理论方法作了比较,证明了基于 Choquet模糊积分方法的有效性。