基于双统计判据的速率陀螺故障诊断方法研究

针对卫星姿态控制系统中速率陀螺噪声增大、饱和、漂移等常见故障,直接利用各敏感器的输出数据,应用双统计判据法进行陀螺的故障检测与诊断。该方法利用测量数据之间的相关性将其分为主元子空间和残差子空间,在各空间中建立统计量来检测故障,通过双统计量的贡献图识别出故障传感器。仿真结果表明:双统计判据法对卫星姿态控制系统中的速率陀螺具有良好的故障检测与诊断能力。     

组网火控雷达传感器分配研究

从科学合理分配组网火控雷达资源出发,以扩展卡尔曼滤波跟踪为基础,研究了用航迹精度作为传感器分配准则的方法;针对火控提高航迹精度和反隐身目标、低空目标作战需求,考虑雷达布站对防空覆盖区域划分和对抗ARM,提出了单部火控雷达对单目标进行跟踪、多部火控雷达对单目标进行跟踪和多部火控雷达对单目标间歇式轮换跟踪3种分配方式,对在不同方式下基于航迹精度的传感器分配方法进行讨论分析;设定组网系统雷达布站、目标运动和典型参数进行了仿真实验,通过仿真结果表明:3种分配方式的合理性和可行性。     

基于卡尔曼滤波器的雷达跟踪

卡尔曼滤波是一种统计估算方法,通过处理一系列带有误差的实际测量数据而得到所需要的物理参数的最佳估算值.对于每一个估计量,就使贝叶斯MSE最小而言,卡尔曼滤波器是最佳的。本文介绍了卡尔曼滤波器在雷达跟踪问题上的应用,说明卡尔曼滤波器在建模和计算机仿真上有着重要的现实意义。     

雷达射频隐身技术发展及研究

雷达射频隐身技术主要用于对抗敌方无源探测设备,保护己方雷达安全,在现代战场上对于雷达生存是至关重要的。介绍了射频隐身技术的发展历程和现状,总结了现有的射频隐身技术方法和射频隐身性能测试技术,并分析了射频隐身技术发展面临的挑战。     

基于参数化时频分析的机动目标ISAR成像方法

对于机动目标,运动补偿后目标相对于雷达并不是标准的转台目标,目标的多普勒是时变的,此时传统的距离多普勒成像算法不能得到很好的成像效果.论文分析总结了几种针对非匀速转动的时频联合分析算法,提出了一种基于参数化时频分析--AGCD快速算法的ISAR成像算法,并且用机动目标的仿真数据进行了验证,验证结果表明了该算法具有精度高、速度快且无交叉项的优点,比传统的算法有较大的改进.     

虚拟仪器在雷达接收机灵敏度测试中的应用

用自行研制的PC虚拟仪器卡以工控机为平台,构成一个集成化的通用雷达接收机灵敏度测试仪器,完成对多种雷达接收机灵敏度的测试,并给出了实现自动测试的软件表达。     

基于图像旋转相关的空间目标ISAR等效旋转中心估计算法

为了消除逆合成孔径雷达(ISAR)越分辨单元徙动(MTRC)引起的图像散焦,需要估计目标的等效旋转中心。该文以空间目标为研究对象,提出了一种基于图像旋转相关的ISAR旋转中心估计算法。首先,分析了ISAR的瞬时成像机理;其次,将采用相同运动补偿后的回波数据分段成像,得到不同视角的2幅图像;然后,基于定标后的图像像素旋转和图像相关,估计等效旋转中心。当假定的等效旋转中心与真实的旋转中心一致时,2幅图像相关性最大,据此得到旋转中心位置。仿真实验表明,该算法能够有效利用图像整体信息,估计出高精度的目标等效旋转中心,利于提高成像质量。     

雷达网数据时间校准处理方法研究

数据的时间校准是雷达网系统数据处理的重要组成部分,成功的时间校准将能较大地提高雷达网数据融合的质量。针对数据时间校准的要求,结合雷达网数据校准过程,提出了雷达网系统时间校准的一般方法,给出了具体的实现过程,并通过仿真验证了该方法的有效性和实用性。     

基于局部保持判别子空间的ISAR目标识别

由于目标运动及其所处环境的复杂性,雷达目标数据之间往往呈现出局部的非线性,如果采用传统的线性子空间方法降维,必将会使雷达目标识别性能有所下降,基于以上原因,文章尝试将流形学习的思想应用于逆合成孔径雷达(ISAR,inverse synthetic aperture radar)目标二维像的目标识别.局部保持投影(LPP,locality preserving projections)是一类有效的流形学习算法,但它在构建权矩阵时没有充分利用样本的类别信息.针对此问题,提出了一种称为局部保持判别投影(LP-DP,locality preserving discriminant projections)的子空间学习方法,该方法通过构建类内和类间两个权矩阵来描述多类样本数据集的局部几何结构,以使在高维空间中相互靠近的同类数据点在低维嵌入空间中也相互靠近,而不同类的近邻点则尽可能地远离.对三类飞机目标的仿真实验结果表明,与PCA、LDA和LPP等算法相比,LPDP算法具有更好的识别性能.     

基于非线性流形学习的ISAR目标识别研究

详细分析了逆合成孔径雷达（Inverse Synthetic Aperture Radar, ISAR）二维像的非线性流形结构特点,指出ISAR二维像可以看作是由位置、姿态和尺度等内在参数共同作用而张成的一个在高维图像空间中的非线性流形。在此基础上,论文将非线性流形学习的思想引入到ISAR目标识别领域,提出了一种基于局部保持投影（Locality Preserving Projections, LPP）算法和k近邻分类器的ISAR二维像特征提取和目标识别方法。该方法首先利用LPP算法对维数较高的ISAR二维像进行降维,然后采用具有拒识功能的k近邻分类器对四类飞机目标进行了分类识别。仿真实验结果表明,LPP算法能够发现嵌入在高维ISAR图像空间中的低维非线性流形,并且能够利用LPP算法降维后的特征获得较高的识别率。