地面侦察雷达目标威胁度评估方法研究

根据目标状态参数和身份识别结果,对目标的威胁度进行评估是地面侦察雷达急需解决的问题。基于地面侦察雷达的目标属性集,利用隶属度函数、专家知识和贝叶斯网络构建了地面侦察雷达动态威胁度贝叶斯评估模型。经仿真验证,目标威胁度评估数据变化特征符合人的推理过程,对于多功能相控阵雷达,可根据目标威胁度自适应调度波束实现对目标的跟踪。     

相控阵雷达导引头调度策略研究

相控阵雷达导引头调度策略是发挥其波束灵活扫描优势的关键所在。针对相控阵雷达导引头的不同应用要求,分别讨论了相应的工作方式调度策略设计,并在分析自适应调度算法设计原则的基础上,提出了一种针对多功能相控阵雷达导引头的自适应调度算法,给出了具体的性能评估指标,并对算法进行了仿真分析和评估。仿真结果验证了算法的有效性。     

相控阵雷达不同工作模式作用距离研究

通过对相控阵雷达不同工作模式下作用距离的研究,推导了相控阵雷达不同工作模式下的探测与跟踪距离的计算模型,并通过仿真分析了在资源一定时,相控阵雷达不同工作模式下的作用距离随目标个数、威胁等级等因素改变的变化情况,为对相控阵雷达不同工作模式的威力范围的估算提供了依据,为雷达对抗侦察情报提供了理论参考依据。     

综合优先级规划下的相控阵雷达自适应调度方法

对时间资源的合理分配是相控阵雷达发挥自身优势的关键,提出一种考虑目标威胁度的相控阵雷达调度算法。根据目标信息构建非线性目标威胁度量化模型,并通过设计二维优先级表,将目标威胁度与雷达任务的截止期相结合,共同进行综合优先级规划;在性能评估环节,提出执行威胁率的概念,以反映调度算法对重要任务的执行情况。仿真结果表明,当跟踪目标数量饱和时,相比于原有的高工作方式优先级优先算法,改进后的算法有效减少了任务的截止期错失率,提升了时间利用率和执行威胁率。     

未知杂波状态下基于箱粒子滤波的PHD算法

针对未知杂波环境中,传统的多目标概率假设密度(PHD)滤波器跟踪精度无法保证,所需粒子支撑集过大导致效率低下的问题,引入了区间分析技术,提出了未知杂波状态下基于箱粒子滤波的PHD算法。该算法首先完成对雷达目标和杂波的混合空间随机有限集模型的构建,然后基于箱粒子滤波技术,利用量测数据建立未知杂波模型,推导出目标状态更新方程,并用多目标箱粒子PHD滤波递推地估计目标状态。仿真实验表明,当杂波环境与先验模型不匹配时,相较于多目标粒子滤波算法,该算法在保证目标跟踪性能的同时,有效减少了算法的计算时间。     

干扰条件下弹载认知雷达波形优化研究

现代战场电磁环境日趋复杂,末端主动制导阶段弹载雷达常受到噪声、杂波和干扰影响从而导致弹载雷达的目标检测、识别及跟踪性能下降。现有弹载雷达波形较为固定,没有根据战场环境改变自身参数的能力,严重制约导弹制导精度。针对电子战环境中的弹载雷达波型设计问题,在分析影响弹载雷达性能因素基础上,分析了弹载雷达常用信号,给出了三种干扰条件下弹载雷达波形设计方法。最后探讨了目前弹载雷达波形设计存在的问题及今后的研究方向。     

杂波未知条件下基于箱粒子滤波的CBMeMBer算法

针对杂波未知条件下,传统的势均衡多目标多伯努利滤波器(CBMeMBer)的序贯蒙特卡洛实现跟踪精度不高,且所需粒子数目过大,导致跟踪效率低下的问题,引入区间分析理论,提出了杂波未知条件下基于箱粒子滤波技术的CBMeMBer算法。该算法构建目标和杂波的混合状态空间模型,基于箱粒子滤波技术,建立杂波模型,推导出目标预测、更新方程,用多目标箱粒子CBMeMBer递推表达式估计目标状态。仿真实验表明,在杂波模型先验已知或未知条件下,所提算法既保证了目标跟踪精度,又大幅度提高了算法的执行速率。     

相控阵雷达自适应调度及优化算法研究

在具有时间窗的相控阵雷达调度算法基础上,提出了一种提高调度成功率的优化算法,该算法在调度本次任务的同时,考虑到下一任务的调度情况,以本次调度产生最大连续空闲时间间隔为目标条件来进行调度。仿真结果表明,文中提出的优化算法能有效地完成相控阵雷达自适应调度,调度成功率明显增加。     

综合优先级下反导预警相控阵雷达任务调度算法

针对相控阵雷达跟踪多弹道导弹目标时的资源分配问题,提出一种综合优先级下的价值优化调度算法。基于弹道导弹目标特性,构建目标威胁度模型;设计二维优先级表,结合目标威胁度和截止期进行综合优先级规划;基于任务优先级建立任务动态价值函数,并从调度及时性原则出发,构建任务调度的价值优化模型;对遗传算法进行改进,设置自适应选择、交叉、变异算子,并利用该算法求解调度模型;通过仿真实验将所提算法与传统工作方式优先级加截止期调度算法进行性能对比,对任务价值函数参数对调度性能的影响进行分析。结果表明：相比传统调度算法,所提调度算法的调度时间偏移率减小了46%,实现价值率提升了12%.     

密集杂波环境下数据融合估计算法评估

由于观测量获取的不确定性,使得密集杂波环境下的多传感器机动目标跟踪变得复杂,解决这个问题的关键在于跟踪门限和数据联合与融合算法的选取。文中在分析最邻近卡尔曼滤波(NNKF)和概率数据联合滤波(PDAF)两种融合算法的基础上,对其在密集杂波环境下的跟踪误差和算法实时性效果采用当前统计模型进行评估,仿真结果表明PDAF算法跟踪性能明显优于NNKF算法。     

基于混合自适应遗传算法的相控阵雷达任务调度

针对相控阵雷达任务调度NP难题,提出一种混合自适应遗传算法进行求解。在构建相控阵雷达任务调度优化模型的基础上,通过混沌理论优化初始种群,采取精英保留和混合排名的选择策略以及设计自适应的交叉、变异算子来提升算法的搜索性能;在自适应遗传算法的框架下,提出启发式脉冲交错算法,以利用雷达任务中的等待期来交错执行其他任务的发射期或接收期。仿真结果表明：相比于基于遗传算法的调度方法,改进算法的搜索效率更高、结果更优;相比于传统启发式算法,改进算法的调度成功率、时间利用率和实现价值率均得到了提升,并有效降低了时间偏移率。     

基于贝叶斯滤波算法的警戒相控阵雷达目标跟踪时间资源优化分配算法

针对警戒相控阵雷达的目标跟踪时间资源优化配置问题,基于贝叶斯滤波算法提出一种 应用于警戒相控阵雷达的变数据率跟踪算法。传统Cohen算法受量测噪声起伏影响引起跟踪数据率抖动,在目标反向机动阶段易造成目标的失跟;新算法在非机动时段利用正态分布的2σ准则对目标是否机动进行判决,在机动时段目标加速度服从修正的瑞利分布;在数据率增加和降低阶段采用不同平滑系数能够快速响应目标机动且确保在反向阶段不失跟。通过两个机动实例进行仿真验证,结果表明:新算法能够有效地抑制目标反向机动时的失跟问题;与传统Cohen算法相比,新算法能够快速响应目标机动。     

基于模糊神经网络的相控阵雷达任务调度设计

针对相控阵雷达任务调度中任务优先级较难建立数学模型,从而影响任务调度效率的问题,提出一种基于自适应模糊神经网络的相控阵雷达任务调度算法。该算法：模糊控制部分能够利用模糊隶属度对多个目标参数值进行量化处理;神经网络部分可以智能地实现目标参数和任务优先级之间非线性映射。仿真结果表明,该方法有效,在目标数目饱和情况下,保证高优先级任务被调度的同时,使更多的任务得到调度执行,其性能优于传统任务调度方法。     

弹载相控阵雷达系统设计与信号处理问题

弹载相控阵雷达的系统设计与信号处理实现低空目标探测是下一代主动雷达导引头的一项关键技术。针对这些问题,本文从技术难点、工作模式等方面对导引头雷达动目标检测进行了分析。相比机载预警雷达,弹载雷达采用前视阵列且运动速度快、工作波长短,杂波存在距离、多普勒多重模糊问题,杂波特性严重非均匀,杂波抑制难度大。本文给出了笔者在弹载雷达系统设计及空时自适应处理方面所做的工作,同时指出了目前这一领域有待改善和研究的相关问题。