基于机会发射的无源雷达系统发展评述

基于机会发射无源雷达系统采用的是一种古老而特殊的雷达体制，由于其具有潜在的隐蔽和反隐身等特性，近年来倍受媒体关注。专家们认为它将成为今后10-20年内雷达系统的一个重要发展方向。本文分三个阶段对这一系统的发展作了阐述，并评述了各个阶段的技术特征，最后对开展基于民用机会发射无源雷达系统关键技术的研究提出了几点建议。     

知识融合理论研究发展与展望

介绍了知识融合的定义及结构,概述和分析了其国内外研究现状,指出了该领域研究存在的问题,展望了知识融合的发展趋势,为今后相关研究提供了有益的思路。     

基于排序方差的非参量自动删除检测算法

为了增强广义符号(GS)检测算法在多目标环境中的检测性能,基于自动删除单元平均(AC-CA)检测算法和GS统计量提出了一种新的非参量检测算法(ACGS),它的前沿和后沿均采用ACCA检测算法进行参考单元选择,然后与检测单元进行比较形成检验统计量.分别针对均匀背景和多目标环境分析了ACGS检测算法的性能,并与GS检测算法进行了比较,最后利用实测数据进行验证.结果表明在均匀杂波背景下,ACGS检测算法较GS检测算法有较小的CFAR损失,但在多目标背景下较GS检测算法取得了较大的性能改善.     

Research on localization algorithm of naval vessel for submarine based on bearing-range measurements

Combined with naval vessel practical antisubmarine equipment of towed linear array sonar,a mathematical model of naval vessel localization for submarine based on bearing measurement was built,and local...     

基于固有模态奇异值熵的微弱目标检测算法

为检测海杂波中的微弱目标,文中首先提出采用固有模态函数构建海杂波的特征矩阵,解决采用延时嵌入法构建时间序列的特征矩阵时嵌入维数和延迟时间难以确定的困难,然后经奇异值分解获得海杂波的固有模态奇异值,并分析海杂波固有模态奇异值的特点以及目标的影响。分析发现,当目标出现时,海杂波的后6个固有模态奇异值明显增大,而固有模态奇异值熵可以描述目标对海杂波固有模态奇异值的这种影响。在此基础上,文中提出了采用固有模态奇异值熵检测微弱目标的方法。仿真结果表明,与基于盒维数的微弱目标检测算法和多脉冲单元平均恒虚警检测算法相比,该文所提算法的检测性能较好。     

基于序贯修正灰关联度的全局最优航迹关联算法

航迹关联是分布式多传感器航迹融合的前提。针对融合中心无法获得目标状态估计协方差的情形,该文提出一种基于序贯修正灰关联度的全局最优航迹关联算法。该算法取消数据列的区间值化,对数据列指标绝对差进行序贯积累,对灰关联系数计算式进行可交换性修正,得到各传感器航迹间的序贯修正灰关联度,以此关联度为全局统计量进行全局最优的航迹关联判决。仿真结果表明,在密集平行编队、随机交叉目标和存在非共同观测目标环境下,该算法的性能和稳健性明显优于传统方法。     

基于粗糙集与小波分析的图像融合算法

提出了将粗糙集理论与小波理论相结合的图像融合算法。对含有椒盐噪声图像进行了图像融合实验,用粗糙集对源图像增强,然后再用Db4小波对源图像进行图像融合。用熵作为图像融合效果评价准则,仿真结果表明得到的融合图像熵值比源图像大,视觉效果比源图像更好。     

基于FPGA的超高速雷达信号实时采集存储系统

采用服务器作为采集主控设备,利用多个硬盘组成磁盘阵列作为存储设备,并制作了一块基于FPGA的超高速雷达信号采集PCI卡。系统以FPGA为采集的核心控制芯片,并在FPGA内部实现了64位/66MHz的PCI接口逻辑,无需专用接口芯片,简化了电路板设计,提高了系统的灵活性。该系统数据传输总速率可高达528MB/s,实时流盘速度可达150MB/s,存储容量可扩展至1000GB以上。     

多被动传感器多目标数据互联算法

将求解指派问题的行列启发式算法应用于求解多传感器多目标数据互联的广义3D分配问题松弛的2D子问题;针对3D分配算法计算量较大的问题提出一种改进算法。仿真结果表明,行列启发式算法不仅实施方便,而且程序运行时间较短。改进的3D分配算法既大幅度降低了3D分配问题的拉格朗日松弛算法的程序运行时间,又可将目标互联准确率提高3%～5%。行列启发式算法与改进的3D分配问题算法联合使用,可进一步减少改进3D分配算法的运算量,使其能更好地适应工程实际应用的需要。     

扩展式机动目标当前统计模型

在许多实际情况中,目标测量值通常在极坐标或球坐标中得到,而不是在笛卡尔坐标中得到。此时,目标跟踪实际上是非线性的。在众多的军事与非军事领域,机动目标跟踪都是一个非常重要的问题。机动目标跟踪的困难之处在于目标模型的不确定性。针对非线性机动目标跟踪问题,本文提出了一种扩展式当前统计模型机动目标跟踪算法。该算法不需要假定目标的机动加速度模型,而是直接正确地估计出机动目标的当前状态,不存在任何估计滞后与修正问题。最后,给出了算法的仿真分析。