基于多源数据融合的GEO目标轨道改进分析

以美国新一代天基监视卫星SBSS为例,构建了天地联合方式观测GEO目标的观测模型。同时作为对比,介绍了传统地基雷达的距离测量模型;提出了将天地联合测量数据与传统地基测距数据融合,利用扩展卡尔曼滤波(extended Kalman filter,EKF)对GEO目标进行轨道改进的方法。仿真结果表明,利用2种不同方式的观测数据对GEO目标轨道进行改进,得到的定轨误差效果好于只有一种测量数据的结果。     

靶场初始段目标激光成像技术

<正>本项技术研究服务于靶场初始段试验任务,在实现靶场测控目标全过程可控、可视需求方面,具有较大推广应用价值,2014年11月获得军队科技进步一等奖。主要内容包括:1靶场目标激光散射特性分析。通过建立靶场目标的光学及激光散射特性模型,进行靶场目标激光成像可探测性研究;2激光成像工作体制研究。针对靶场运动目标观测需求,通过建立仿真平台对系统设计指标和性能参数进行仿真验证;3激光成像关键技术的实现方法研究。主要包括脉冲激光大视场同步均匀照明、高精度距离选通成像、高速图像的实时处理等关键技术的实现方法;     

多因素空间近距离巡查效能评估建模

空间近距离巡查可以开展对目标的近距离观测和监视,用于识别目标类型和工作状态等,对在轨服务、博弈对抗等军民领域均具有重要意义。分析了空间巡查任务的一般形式,并以近距离巡查最常用的光学观测为对象,构建了巡查观测的约束模型和相对距离因素评估模型、有效观测时间评估模型、目标观测角度评估模型等多因素的观测任务效能评估模型,解决了面向巡查任务全过程的综合效能评估问题,可以更好地支撑基于评估结果的巡查策略设计和巡查轨迹优化等。基于数值算例分析和半实物仿真实验,对提出的评估模型进行了仿真验证,结果显示实际观测效果和模型评估结果一致。     

基于3DS的ISAR二维散射点模型仿真

当前,对ISAR成像和目标识别的研究很多,但用于ISAR成像和目标识别的目标模型大都相对简单.建立一种新的ISAR二维散射点模型,生成目标各种姿态的二维散射点数据库.首先选用3DS为散射点生成模型,以此为基础完成模型简化和信息抽取.然后根据目标姿态变化,计算转换坐标,并以F16战斗机为例生成二维散射点图像.最后采用步进频雷达信号对目标散射点模型进行ISAR成像.所建立的目标二维散射点模型可以用于ISAR成像和目标识别研究.     

基于物理光学方法二面角反射器一维距离像特征信号计算

二面角是众多雷达目标中的典型散射结构,是典型的二次散射体,其特征的识别对于复杂目标的识别具有重要的意义。本文中首先在频域内应用PO光学计算方法得到二面角的散射信号,通过IFT变换得到时域散射信号。采用幅度调制信号与目标的时域散射信号进行卷积,即得到目标的距离像     

基于解线频调ISAR成像与散射中心匹配的弹道目标识别

为了能充分利用目标的散射中心进行弹道目标识别,提出利用解线频调的方法,通过对距离向和方位向进行快速傅里叶变换(FFT),实现对目标散射中心成像,然后从目标ISAR像中提取目标特征信息。最后提出了一种新的匹配识别的方法实现对目标的分类识别,该方法利用提取的散射中心的位置和幅度信息,通过构造匹配度矩阵,判定目标所属的类别。仿真实验表明,该方法在设定情况下具有良好的目标识别能力。     

雷达目标高分辨距离像的特征提取及识别方法

本文首先应用ＴＬＳ－ＥＳＰＲＩＴ算法提取光学区高分辨雷达目标散射中心位置信息,并提出了“基于散射中心位置的相关匹配”目标识别算法,而后,证明了该算法相关匹配系数与所选择的基底无关以及算法的稳定性问题。最后,给出了五种飞机缩比模型的实验结果。     

临近空间前置反导目标综合识别

为了解决反导作战中目标的有效识别问题,提出利用临近空间红外探测系统配合地基雷达对弹道导弹目标进行综合识别的方案,给出了临近空间前置反导目标综合识别时序图并建立了反导作战目标综合识别模型,在此基础上,重点对空间弹道目标的光学强度序列与识别特征进行了研究,分析了弹头和诱饵的光学强度序列信号的周期性变化规律,最后提出根据弹头与诱饵对应点目标的等效温度的变化特性,提取特征参数对目标进行识别的方法。     

基于球体-椭球体联合模型的中段目标几何特性反演

针对弹道中段目标RCS(Radar Cross Section)序列识别问题,在分析中段目标电磁散射特性及运动特性的基础上,结合传统的基于球体、椭球体的目标几何特性反演模型,提出了一种新的利用RCS幅度相对于目标姿态角变化率反演弹道中段目标二维几何尺寸的算法,克服了传统方法需要观测到目标RCS极大、极小值的缺陷。利用仿真和暗室测量的典型弹头类目标的RCS数据,验证了方法的有效性。     

地球静止轨道航天器绕飞持续观测任务轨迹规划与控制

针对地球静止轨道(geosynchronous orbit, GEO)航天器的高清观测任务,成像卫星在连续小推力作用下接近GEO航天器,对GEO航天器自然绕飞并以有利的光照条件对其持续观测。针对Clohessy-Wiltshire (CW)方程的偏差问题,通过修正非球形摄动和重力加速度二次长期项偏差对CW方程进行改进,补偿非线性偏差的长期项和主要的摄动项。在轨迹规划问题上,计算绕飞轨迹的初始相位角区间,以保证成像卫星在整个绕飞任务中都能够以良好的观测角观测GEO航天器。基于CW方程和改进的CW方程对成像卫星接近和绕飞GEO航天器全过程进行仿真,基于CW方程的仿真没有达到预期目标;基于改进的CW方程的仿真达到预期目标,全过程所需施加的总速度增量仅为4.67 m/s,工程上具有很强的可行性。     

基于抽象隐马尔可夫模型的CGF路径规划识别

路径规划识别是一种以位置信息为输入的在线识别。为了使CGF能在仿真中识别对手的路径和终点目标,在分析路径规划层次的基础上引入了抽象隐马尔可夫模型的识别框架。针对标准模型在对手更改终点目标和自上而下规划时无法识别的问题,提出了一种顶层策略可变的抽象隐马尔可夫模型。为模型的顶层策略增加初始分布和策略终止变量,更改了策略终止变量间的依赖关系,使下层策略能被强制终止。给出了改进后DBN结构,并通过推导条件概率更新和RB变量抽样流程实现了模型的近似推理。仿真实验表明,改进模型能准确识别给定环境下的各类典型航迹,不仅在终点目标不变时能较好地维持标准模型的识别准确率,在提供足够的观测数据后还能很好地解决变目标识别问题。     

基于微动目标主体信息的平动补偿方法

目标的平动和微动均会对雷达信号产生调制,其中,微动信息的提取对目标识别具有重大意义.选择对点散射模型进行分析,构建回波信号模型.根据信号在时频分布中的特点,通过霍夫变换(TFD-Hough)获得平动参数,重构出参考主体信号,进而补偿主体回波信号,再经高通滤波器处理,最终实现平动调制的补偿以及微动信号的分离.仿真实验验证了该方法的有效性.     

舰船动态散射回波建模与稳定性分析

研究舰船在动态条件下的散射特性对于目标识别而言具有重要的价值。以"提康德罗加"级巡洋舰为例,首先简要介绍了舰船静态散射特性数据的获取方法,其次以切片理论为核心建立了完整的水动力学模型,进而对舰船的动态散射回波进行了仿真。最后对仿真数据进行了统计分析,获取了舰船在不同海况、不同入射余角条件下的回波稳定性估计,并通过与外场实测数据的比较间接验证了模型的可信性。研究结果可为海面雷达目标识别提供一定的理论支撑。     

基于时间-距离像的弹道目标进动特征提取

提出了一种联合宽带雷达多视角距离像进行弹道目标进动特征提取的方法。建立了锥柱体进动模型,并对散射点径向距离进行了分析。运用广义Hough变换提取散射点距离像的曲线参数。定义粗匹配和精匹配选择门限,根据提取的曲线参数信息来对散射点进行匹配,再由散射点初相差的不同进行散射点类型识别。最后,联立两部雷达提取同一散射点的曲线参数求解出进动角θ,再联立多视角距离像信息方程组进行目标的结构参数和雷达视角的求解。仿真结果验证了算法的正确性和有效性。     

基于相关性函数的多站微动特征分析与提取

针对多站雷达精度跨度大、难以有效进行融合识别的问题,提出了基于相关性函数的多站加权融合方法。首先建立了弹道目标滑动散射模型,通过时延相乘重构回波,并利用扩展Hough变换提取出距离像的曲线参数,从而建立方程组以求取微动信息。然后利用相关性函数对各雷达的支持度进行分析,最终对支持度高的观测数据进行融合识别。仿真结果表明该方法计算简单,能有效提高微动参数的估计精度,客观地反映各部雷达的可靠度。     

一种定标缺失情况下的高光谱目标识别方法

高光谱遥感图像识别在民用和军事领域有着广泛的应用。在缺乏定标信息、缺乏同步观测大气光学参数情况下,对高光谱图像进行地物识别尚没有系统有效的方法,制约了其在定量遥感方向的应用。对此提出了一种利用粒子群算法优化6S模型参数基础上的高光谱遥感数据校正方法,并将其应用于定标缺失情况下的目标识别中。实验表明:在对遥感图像利用少许先验信息选择参数进行校正后,分类准确率为76.25%。而利用粒子群算法优化参数的6S校正后,分类准确率提高到91.58%,目标识别准确率得到了有效提高。     

人工智能技术在光学对地观测领域应用探讨

人工智能技术被各军事强国视为"改变游戏规则"的尖端技术之一,具有实现对地观测领域高效数据处理和快速提供战场态势信息的潜力。简要分析了人工智能的技术发展态势及其在光学对地观测领域的应用态势,并在此基础上,从信息采集、信息处理等环节,深入研究了人工智能在天基和空基光学对地观测领域的应用场景。归纳了人工智能在光学对地观测领域应用的趋势。本文可为我国发展人工智能技术在光学对地观测领域的应用提供参考。     

基于属性散射中心的SAR图像重构及在目标识别中的应用

提出基于属性散射中心重构的合成孔径雷达(SAR)图像目标识别方法.该方法采用邻域匹配算法构建测试图像散射中心集与对应模板散射中心集的对应关系.并分别利用所有的测试散射中心以及匹配的模板散射中心基于属性散射中心模型重构测试图像和模板图像.在此基础上,设计重构图像之间的相似度度量并根据最大相似度的准则判定目标类别.利用MSTAR数据集在多种条件下进行了目标识别实验,验证了所研究方法的有效性.     

空中复杂目标的CAD建模及其电磁散射特性可视化研究

雷达目标的电磁散射特性对于目标的检测与识别具有至关重要的意义,文中给出了复杂目标的建模及电磁散射特性的可视化研究。利用3DSMAX和AutoCAD建立复杂目标的三维模型,介绍了两种建模方法:平板面元逼近和参数面元逼近。文中着重于平面元逼近方法,并给出了计算远区场和RCS的物理光学(PO)的近似积分结果。调用 OpenGL库完成目标的三维显示及散射特性的可视化输出,给出了导弹再入段的三维电磁散射和二维电磁散射强度分布。     

TBM模型的目标综合识别算法

利用电子支援措施(ESM)和光学成像传感器等不同类型传感器进行目标综合识别,是现代综合电子战中的一个重要研究课题。TBM是D-S证据理论的一个扩展模型,它研究了D-S证据理论的动态部分,从数据融合的角度来看,它是一种层次化的递进模型,尤其适用于需要逐层进行数据、特征或决策级融合的融合系统。提出了一种基于TBM模型的异类传感器目标综合识别算法,充分利用了电子侦察和光学成像侦察提供的独立、互补的信息,获得了对目标的有效识别。仿真结果证明了这种算法的有效性。