分集MIMO雷达目标回波相关性分析

针对目标回波的相关性问题,现有模型仅考虑空间和频率间隔的作用,忽略了目标姿态等其他因素的影响．基于以上问题,提出利用直四棱柱散射模型以便更真实地模拟雷达目标;推导出空间和频率分集多输入多输出雷达系统中目标回波相关系数由各雷达站观测角度、目标尺寸、空间和频率间隔等因素共同决定．着重分析了雷达相对目标在不同观测方向时目标的有效孔径随目标空间尺寸和观测角度变化,从而对回波相关系数产生影响．     

欺骗式干扰下组网雷达优化布站方法分析与仿真

针对组网雷达抗欺骗式干扰的资源优化问题,提出了一种优化布站方法。首先,对数据融合抗欺骗式干扰能力进行理论分析,给出组网雷达在空间不同位置被欺骗概率的理论值;利用理论分析结果,实现组网雷达被欺骗概率最小化和其覆盖范围最大化的联合优化布站,从而达到最优的资源利用方式。最后,通过仿真得到不同条件下的最优布站位置。     

一种深度神经网络多站雷达系统干扰鉴别方法

针对现有多站雷达系统欺骗式干扰鉴别方法,仅利用目标回波空间相关性单一特征作为度量标准,导致特征提取全面性不够,鉴别算法有效性和普适性不足的问题,提出一种基于深度神经网络的多站雷达系统干扰鉴别方法,将多站雷达协同探测技术在空间、时间和频率域内可用资源多、调度能力强的特点,与深度神经网络很强的模型学习和特征表示能力相结合,...     

分布式结构下主/被动雷达抗假目标干扰方法

针对欺骗式假目标干扰,提出一种利用分布式融合结构主／被动雷达网的距离欺骗式假目标鉴别算法．首先利用主动雷达中的量测值来联合被动雷达进行航迹起始,并在航迹起始阶段剔除部分假目标; 之后,主动雷达和被动雷达独立地对目标进行跟踪滤波; 对于主动雷达中已形成稳定航迹的假目标,利用航迹关联的方法将其剔除．仿真结果表明,这种方法可以在保证真实目标鉴别概率的前提下,对欺骗式假目标进行有效的鉴别,降低主／被动雷达网的被欺骗概率．     

分布式多站雷达转发式欺骗干扰研究

作为一种重要的欺骗干扰样式,转发式干扰通过对雷达发射信号存储转发,形成的距离欺骗假目标在空间上是分散的。而分布式多站雷达进行空间配准时,会将未分布于一个空间分辨单元内的假目标剔除,使之失去干扰效果。因此,有必要研究转发式干扰对分布式多站雷达的干扰能力。该文在多站雷达中各雷达站相距不远的条件下,从空间分辨单元的物理含义入手,导出了多站雷达在一定空间分辨率下,转发式干扰能对其进行有效干扰的条件。当干扰机位于远场区域时,证明了相同时延产生的假目标必然可对多站雷达实现有效欺骗;当干扰机位于近场区域时,推导出有效干扰的欺骗距离范围,通过控制转发延迟量,可保证对多站雷达的欺骗效果。该结论对多站雷达的干扰和抗干扰均具有重要的指导意义。     

一种自适应混合权重的自步学习方法

自步学习是一种受人类和动物学习过程启发的学习机制,它赋予训练样本不同的权重,从而逐步将简单到更复杂的样本纳入训练集进行学习.自步学习在目标函数中加入自步正则项控制学习过程.目前存在多种形式的自步权重正则项,不同的正则项可能会导致不同的学习性能.其中,混合权重正则项同时具有硬权重和软权重的特点,因而被广泛应用在众多自步学习问题中.然而,当前的混合权重方法只结合了对数软权重,形式较为单一.此外,相较于软权重或硬权重方式,混合权重方法引入了更多的参数.提出一种自适应混合权重的自步正则方法来克服形式单一和参数难以调节的问题.一方面,在学习的过程中权重的表示形式能够自适应进行调整,另一方面,可以根据样本损失分布特点来自适应混合权重引入的自步参数,从而减少参数对人为经验的依赖.行为识别和多媒体事件检测上的实验结果表明提出的方法可以有效地解决权重形式和参数的自适应问题.