舰艇隐身对反舰导弹末制导 雷达目标截获能力的影响

以法国海军的拉菲特级隐身舰为典型对象,就水面舰艇目前的隐身水平进行了评估,分析和计算了典型反舰导弹末制导雷达对隐身舰艇的检测概率和理想状态下对隐身舰艇的截获概率。指出在反舰导弹的攻击过程中,如果能够保证末制导雷达对目标的多次捕捉,舰艇隐身的效果将被抵销;隐身舰艇利用电子干扰产生假目标将可以抑制末制导雷达对真实目标的捕捉。因此,反舰导弹及其末制导雷达要对付舰艇隐身,其关键不是采用新体制雷达来提高检测能力,而在于提高现体制末制导雷达的目标识别能力。     

雷达与红外制导反舰导弹协同攻击岛礁区目标

研究了雷达与红外制导反舰导弹协同攻击岛礁区目标的攻击阵位和攻击方向问题。分析了岛礁区环境对反舰导弹作战的影响。根据目标与岛礁的空间位置关系,结合反舰导弹单个航路点航路规划简化模型,建立了反舰导弹可选攻击阵位模型,以及雷达和红外制导反舰导弹可行攻击角范围的计算模型。该方法为雷达和红外制导反舰导弹协同攻击岛礁区目标的攻击阵位、方向选择提供了理论依据。     

基于正交设计的反舰导弹末制导雷达参数优化

分析了反舰导弹末制导雷达的目标捕捉的限制条件,以一种典型的目标态势为前提建立了基于蒙特卡洛仿真法的目标捕捉概率计算模型,在此基础上利用正交设计的方法对末制导雷达参数组合进行寻优,并通过调整重要因素水平进行多次实验,得到了适合当前目标态势的较优参数组合,为提高反舰导弹目标捕捉能力的相关研究提供了参考。     

基于RBFNN与D-S证据理论的反舰导弹模式识别

由于反舰导弹在速度、机动性等方面的显著潜力,已日益成为舰船的主要威胁.尽快识别反舰导弹类型对缩短系统反应时间,正确预测目标运动具有重要意义.针对从不同目标传感器提取的末制导雷达辐射源参数和弹道特性参数,对目标数据进行相关处理,应用径向基神经网络(RBFNN)分别对反舰导弹模式识别,仿真中充分考虑了各种误差干扰并进行容错性处理,仿真结果表明该算法的有效性.最后将两部分识别结果通过D-S证据理论进行综合决策,进一步提高了系统识别决策的可信度.     

基于PSO-BP神经网络的HRRP目标识别

为提高雷达目标识别准确率,提出了一种基于PSO-BP神经网络的雷达一维距离像识别方法。利用粒子群优化算法良好的全局搜寻能力,对BP神经网络的权值和阈值进行了优化,弥补了BP神经网络收敛速度慢、存在多个局部极值点的缺陷。利用实测数据对PSO优化前后的BP神经网络的识别性能进行了对比测试。实验结果表明,PSO-BP神经网络具有更高的识别准确率及噪声鲁棒性,分类性能优良。     

舰艇队形识别目标选择算法

根据反舰导弹自控终点散布、末制导雷达方位探测误差、舰艇队形和散布,推导建立了正态判据总体的均值向量和协方差矩阵,并描述了如何应用马氏距离判别法和判据总体从舰艇编队中识别选择出所装订目标的算法流程。对算例的仿真结果表明队形识别目标选择算法优于传统目标选择算法。     

一种可进化人工神经网络的结构设计及其在舰船雷达目标识别中的应用

设计了一种基于GA的带有可进化性的ANN的体系结构,并将该结构应用于舰船雷达的目标识别中。实验结果表明,经GA的优化搜索,这种经过改善的有进化能力的ANN结构,在舰船雷达目标识别中取得了较好的效果.     

反舰导弹对编队内预定目标捕捉概率研究

基于现代反舰导弹末制导雷达的搜索过程，通过分析反舰导弹对编队内预定目标的捕捉条件，研究反舰导弹对编队内预定目标的捕捉概率计算模型，研究了反舰导弹对编队进行突击时捕捉概率的计算方法，并通过实例计算，得出反舰导弹对编队突击时，突击方向和开机时机等参数的确定方法。     

可变搜索区末制导雷达捕捉模型

反舰导弹远程化是一种发展趋势。但是随着射程的增加,反舰导弹自控终点的误差散布也增加,同时降低了目标捕捉概率,扩大末制导雷达搜索区域是解决该问题的一个途径,但这将降低末制导雷达的目标选择能力。选用可变搜索区末制导雷达是解决该矛盾的一种方法。在分析该模式末制导雷达搜索规律的基础上,建立了可变搜索区末制导雷达目标捕捉模型,为该模式末制导雷达目标捕捉概率的计算提供了一种较准确的方法。仿真结果显示该模型基本可信。     

BP神经网络在无源雷达目标识别中的应用

目标识别技术是无源雷达的关键技术之一.针对无源雷达目标识别的特点,在分析空中目标类型和目标表征的基础上,建立了基于BP神经网络的目标识别模型,并对设计该模型涉及的基本问题进行了详细分析,最后运用该模型对给定特征的空中目标的进行了实验.实验结果表明,该模型提高了目标识别的稳定性和准确性,是有效可行的.     

基于极化分解的目标识别方法研究

在全极化、高距离分辨力雷达体制背景下，研究了光学区雷达目标极化特性。利用极化分解将复杂目标分解为三个简单目标， 并提取描述三目标关系的特征参数对四类军用飞机目标进行了识别实验研究， 获得了良好的目标分类识别效果。     

高分辨率雷达目标一维距离像的编码识别算法

文中提出了一种高分辨率雷达目标一维距离像的识别算法。该算法借用图像处理方法,先对雷达目标的一维距离像进行编码,经过傅里叶变换提取一组形状特征。这组特征精确地描述了一维距离像曲线的走向。而后,利用人工神经网络技术对一定姿态角变化范围内的这组形状特征进行识别。实验结果表明,可以获得良好的识别效果。该算法为雷达目标一维距离像识别算法的实时处理提供了一条有效途径。     

基于结构自整定前馈网络的雷达目标识别研究

概述了基于雷达成像的目标类型识别技术。阐述了多层前向网络的分类特性,提出一种网络结构自整定算法来训练网络,并构造分类器,对基于转台成像实验的雷达目标类型识别问题进行了仿真研究。研究结果表明,经结构自整定算法训练后的前馈网络对成像雷达目标具有较好的推广识别能力,识别率达到９０％。     

基于小样本脉冲序列匹配的重点雷达目标快速识别

针对雷达对抗侦察系统如何快速有效识别出重点雷达电子目标的问题,提出了利用雷达小样本脉冲序列模板从接收到的复杂混合脉冲序列中抽取重点雷达信号的思路,并实现了该算法,克服了目前雷达对抗侦察信号处理流程僵化、识别速度与识别正确率受信号分选算法限制的缺陷。在此基础上,提出了多目标并行理论分析与计算机仿真实验,进一步验证了该方法能够在密集雷达脉冲流中快速、准确识别出重点雷达电子目标。     

反舰导弹电子对抗仿真问题的研究

为观察、评估和研究针对反舰导弹末制导雷达的电子干扰的效果,研制了一个反舰导弹电子对抗仿真系统。文中给出了该仿真系统的模型框架,从仿真可信度的角度对其中的末制导雷达仿真模型作了进一步的说明,并介绍了该仿真系统在针对反舰导弹末制导雷达的电子干扰技术研究方面的应用。     

舰载雷达对抗技术推陈出新

目前,水面舰艇面临着日趋严重的雷达与反舰导弹的威胁。为了有效对抗这种威胁,大力发展舰载雷达对抗技术具有十分重要的意义。舰载雷达对抗技术及设备主要包括舰艇雷达隐身、雷达侦察告警、敌我识别、有源干扰机和一次性干扰装置等等。     

扇形搜索下反舰导弹末制导雷达检测性能分析*

反舰导弹末制导雷达在进行自动跟踪前,首先要在方位向和距离向上对目标搜索并进行检测。末制导雷达的检测性能与脉冲积累数目、信杂比和搜索方式密切相关。针对反舰导弹末制导雷达常用的扇形搜索方式,提出一种二项式积累OS-CFAR检测算法。该方法在一个方位搜索周期内对距离向回波进行非相参积累。仿真分析表明,与常规OS-CFAR算法相比,该检测算法提高了末制导雷达的检测性能。     

舰载无人机对敌编队实施电子干扰最优空间配置

针对水面舰艇编队对海攻击时,舰载无人机实施电子干扰掩护反舰导弹突防的问题,从单架舰载无人机对单舰实施电子干扰的压制近界分析入手,以无人机的最优空间配置为目标,构建了舰载无人机单机和多机对舰艇编队各舰雷达有效干扰区分析模型和阵位配置优化模型,并进行了仿真计算,得出了有益结论。     

基于元学习的反舰导弹目标识别研究

为了进一步提高干扰环境下反舰导弹的目标识别精度和泛化能力,将集成学习中的元学习策略引入反舰导弹的目标识别领域,并提出了一种基于叠加归纳策略的元学习目标识别算法。该算法首先通过构建元层学习器对多个基层学习器的学习结果进行"再学习",以纠正基学习器的错误分类、巩固基学习器的正确分类,进一步提高集成分类精度;然后,以决策树为基学习算法构建了同质多分类器系统,在自建的全极化一维距离像HRRP特征数据库上研究了基分类器的数量以及元特征样式、元学习算法的选取对元学习系统分类精度的影响;最后,通过与单一分类器和常用集成算法的对比,验证了基于元学习的反舰导弹目标识别算法的可行性和有效性。     

选择编队指定目标的一种新方法

提出了反舰导弹攻击末段对编队中指定目标进行识别的一种新方法。通过将被打击的编队在自控开机点各目标预估的位置信息,与末制导雷达开机时刻实际探测到的编队各目标的空间位置关系进行对比,得到各节点其向量差值之和的最小值,从而正确地选择出空间位置关系最逼近预定打击目标的指定目标。在被打击目标施放冲淡干扰的情况下,采用虚拟中心点和二次识别的方法能较好地识别出指定目标。通过进行大量的导弹突防对抗仿真,证实该算法获得了编队作战较好的突防概率和攻击效果。