基于信息增量的弹道目标协同跟踪方法

针对反导传感器网络中弹道目标的协同跟踪问题,提出了一种基于信息增量的弹道目标协同跟踪方法。分析了多传感器对弹道目标的协同跟踪问题,并建立了自由段弹道目标分段匀加速模型。在此基础上,对自由段弹道目标跟踪过程中,利用跟踪滤波的协方差阵信息获得每个传感器对目标的信息增量,并以信息增量最大为准则选择传感器对弹道目标进行跟踪,从而实现对弹道目标的有效跟踪。仿真结果表明：所提的方法能够及时动态地选择性能最佳的传感器对弹道目标进行跟踪,提高弹道目标整体的跟踪性能,实现对弹道目标的协同跟踪。     

投散射式伪杂波分辨单元面积计算及其仿真应用

针对空时自适应处理（STAP）的投散射式伪杂波干扰克服了传统干扰方法的单维性,现有文献中基于干噪比（JNR）来仿真伪杂波,由于未能反映干扰功率的真实分布而不能准确反映伪杂波干扰效果。为了更准确的评估干扰效果,本文提出了一种计算伪杂波分辨单元面积的方法。根据伪杂波干扰模型,建立合适坐标系,通过坐标变换推导了伪杂波地面等距离椭圆环的解析表达式,给出了分辨单元面积的积分表达式。根据分辨单元面积计算出各伪杂波块散射的干扰功率,结合投散射干扰的空时特性对伪杂波进行仿真。通过仿真实验对比了两种方法生成的伪杂波的功率分布、功率谱和干扰效果。仿真结果表明基于分辨单元面积生成的伪杂波更符合实际,能更准确地评估伪杂波干扰效果。      

多信号模型下精确干扰波形设计方法研究

精确干扰是电子战领域的新概念,核心思想是通过集群无人机将干扰功率高效、精确地投送至目标设备,且不影响友邻设备的正常工作。然而,当前的窄带波形设计方法无法精确控制目标区域内的最低合成功率,在实际中难以实施有效干扰;而现有的宽带波形设计方法的计算效率较低。为了解决上述问题,分别针对窄带和宽带信号模型提出2种精确干扰波形设计方法。在窄带波形设计方法中,以最小化友邻区域的最大合成功率为目标,并将目标区域的最小合成功率高于给定阈值作为约束条件,以半定规划方法求解波形协方差矩阵;在宽带波形设计方法中,首先将波形的四次目标函数降为二次,然后以交替最小化方法进行求解。仿真实验表明,提出的窄带波形设计方法较现有算法具有更好的干扰有效性,宽带波形设计方法具有更高的计算效率。     

被动传感器航迹起始算法

针对目标数目未知和被动传感器测量精度不同情况下的航迹起始问题,提出一种基于多站被动传感器系统的航迹起始算法.该算法首先利用多规则法对测量数据进行预处理,消除一部分“鬼点”,然后将模糊集的思想引入Hough变换,利用模糊函数的隶属度作为参数空间累积量,最后通过序列Hough变换检测航迹.仿真实验表明:该算法可有效改善航迹簇拥现象,抑制虚假航迹的产生,适合于杂波环境下目标的航迹起始.     

量测随机延迟下带厚尾噪声的鲁棒Student's t随机容积卡尔曼滤波器

针对量测随机延迟下带厚尾过程噪声和量测噪声的非线性状态估计问题，本文通过充分考虑量测一步随机延迟特性及过程噪声和量测噪声的"厚尾"特性，推导了一种新的鲁棒Student's t滤波器框架，并采用随机Student's t-球面相径容积规则近似计算Student's t权值积分，从而设计了一种新的鲁棒Student's t随机容积滤波器.首先，采用一组服从伯努利分布的随机序列来描述系统中可能存在的量测一步随机延迟现象，并采用Student's t分布刻画过程噪声和量测噪声中存在的"厚尾"特性；其次，从理论上证明了当自由度参数趋于无穷以及随机延迟概率为零时，该鲁棒Student's t滤波器就自动地降为标准的非线性高斯近似滤波器；最后，采用随机Student's t-球面相径容积规则给出了一种新的鲁棒Student's t随机容积滤波器，并通过协同转弯模型验证了该滤波器的有效性和优越性.     

基于可行点追踪的机载MIMO雷达收发联合设计方法

针对目标先验信息不准确条件下机载多输入多输出(multiple-input multiple-output,MIMO)雷达运动目标检测性能下降的问题,提出了一种基于可行点追踪连续凸近似(feasible point pursuit successive convex approximation,FPP-SCA)的机载MIMO雷达发射波形和接收滤波器组联合设计方法。在角度-多普勒平面上目标可能出现的区域设计一组接收滤波器,以最大化最差情形输出信杂噪比作为联合设计的优化准则;考虑波形的恒模和相似性约束建立极大化极小的联合设计问题,以提高目标参数不准确条件下对目标的稳健性检测;基于FPP-SCA算法框架,将联合设计问题的非凸约束条件进行凸近似处理,解决了极大化极小联合设计问题。仿真实验验证了所提方法能在目标参数不准确时保持较优的目标检测性能,且运算量低于对比方法。     

基于先验信息稀疏恢复的非均匀样本检测方法

针对训练样本被干扰目标污染导致空时自适应处理（STAP）目标检测性能下降的问题,提出了一种基于先验信息稀疏恢复的非均匀样本检测方法。该方法首先采用欠定系统局灶算法恢复待检测单元的稀疏表示系数,然后利用机载雷达系统参数等先验信息离线设计“稀疏滤波器”,并采用其滤除稀疏表示系数中的目标及“伪点”的影响,进而估计杂波协方差矩阵,最后与广义内积（GIP）方法结合,根据新的检测统计量来剔除被污染的样本。仿真分析表明,与传统GIP方法相比,该方法能够有效地检测出被干扰目标污染的训练样本,提升了STAP在非均匀环境下的目标检测性能。