针对自适应滤波的组网雷达欺骗干扰优化策略

针对组网雷达系统在跟踪目标发生机动时采用自适应滤波来估计目标状态的特点,在点迹融合数据处理结构的组网雷达基础上提出了一种欺骗干扰优化策略.根据状态和量测方程描述了组网雷达跟踪目标的模型,同时建立了跟踪机动目标的自适应滤波模型.在此基础上,建立了欺骗干扰模型,并在目标机动检测约束下,推导了虚假目标欺骗干扰对于组网雷达融合...     

支持向量机的OTHR多频特征目标分类识别法

针对低信噪比下多频法在天波超视距雷达(Over-The-Horizon Radar,OTHR)目标分类识别中分类精度不高的缺点,充分利用雷达量测的一些先验信息,将基于支持向量机(Support Vector Machine,SVM)的多分类器引入多频法中,提出了一种基于SVM的OTHR多频特征目标分类识别方法。仿真结果表明,利用较少的3个频率点,在信噪比较低的条件下可获得较好的分类识别效果,说明了该方法在OTHR目标分类识别中的有效性和可行性。     

基于最大信噪比的盲源分离雷达抗主瓣干扰方法

针对现有压制干扰从主瓣进入雷达天线,传统副瓣抗干扰方法失效的问题。提出一种应用最大信噪比准则的盲源分离抗主瓣干扰方法。首先提出了盲源分离应用于雷达抗主瓣干扰的模型,估计信号源个数后构建基于信噪比的目标函数,而后选择求解得到的广义特征向量构造分离矩阵。与传统算法相比,该方法不需要进行迭代运算,有效降低了计算复杂度。经过仿真分析,验证该方法能够有效分离混合信号,具有较高的分离效率。     

单脉冲雷达导引头对抗投放式诱饵技术研究

为提高单脉冲雷达导引头对投放式诱饵干扰的检测和分辨性能,利用投放式诱饵干扰情况下单脉冲比的概率分布特性,采用基于奈曼-皮尔逊准则的GLRT检测方法来进行干扰的检测;在干扰信噪比未知情况下通过顺序估计目标和诱饵信噪比进而估计目标DOA的方法对目标和诱饵进行分辨.仿真结果证实了对诱饵的检测和分辨算法的有效性.     

箔条干扰下雷达信号自相关检测方法研究

箔条是雷达无源干扰的常用材料,由于目标的雷达回波信号被淹没在箔条云强背景噪声中,雷达难以探测和跟踪目标,提出利用自相关方法检测箔条干扰下目标的雷达回波信号.对箔条云回波噪声进行了数学描述和仿真分析,可以看出箔条噪声是多个随机高斯分布的叠加;介绍了自相关检测箔条干扰下雷达回波信号的基本原理,并用SIMULINK软件对具体实例进行分析,利用接收的回波信号自相关函数反推出信号周期,并利用自相干法把淹没在噪声中的信号提取出来,所提取的信号和原信号具有很高的相似度,该方法对提高雷达抗箔条干扰有重要的研究意义.     

面向数字射频存储的雷达欺骗干扰检测方法

基于数字射频存储(digital radio frequency memory,DRFM)技术的转发式欺骗干扰与真实雷达回波高度相干,这导致雷达难以分辨真假目标。针对该问题,提出一种基于Hough变换的DRFM欺骗干扰检测方法。建立基于线性调频的干扰信号模型,分析其谐波分量的频谱特性,采用短时傅里叶变换和二维恒虚警率检测器对干扰信号进行特征提取,并利用Hough变换完成欺骗干扰检测。所提方法是基于DRFM欺骗干扰本身的特征,不依赖于先验信息与应用场景,计算复杂度低,且在低信噪比条件下具有良好的检测性能。计算机仿真实验验证了方法的有效性。     

基于时间反转的MIMO雷达多目标DOA估计

针对MIMO(Multi-input Multi-Output)雷达多目标DOA(Direction Of Arrival)估计问题,提出一种基于时间反转(Time Reversal,TR)的MIMO雷达多目标DOA估计方法。首先,算法根据MIMO雷达接收信号模型,采用时间反转理论,建立TR MIMO雷达接收信号模型;随后,利用MIMO雷达波形分集特性对TR MIMO雷达接收信号匹配滤波并进行向量化处理,扩展了MIMO雷达的虚拟孔径;最后,采用MUSIC(Multiple Signal Classification)算法进行多目标DOA估计,有效提高了精度。与常规MIMO相比,TR MIMO能够有效提高回波信号增益和增大虚拟孔径。计算机仿真结果表明,在信噪比-20 d B的条件下,TR MIMO雷达仍能准确地估计出目标的角度,表明TR MIMO雷达具有更好的性能。     

基于EA-FPHT的无源协同定位检测前跟踪方法

针对无源协同定位系统低可观测目标的跟踪耗时及虚假航迹问题,提出一种基于能量积累的快速极坐标霍夫变换无源协同定位检测前跟踪方法。建立了多目标无源协同定位系统的数学模型。提出了快速极坐标多目标无源协同定位跟踪方法。利用目标运动速度先验信息和雷达回波帧序号信息,组合相邻两帧满足目标运动特性的雷达数据,并在第二门限中加入目标能量积累信息构成双门限。仿真分析算法性能,并得出结论:所提方法能够有效解决无源协同定位系统低可观测目标的跟踪耗时及虚假航迹问题。     

基于参差中重频脉组的搜索雷达跟踪波束设计

为解决常规搜索雷达在强气象、地物杂波下目标检测性能下降的问题,基于目标先验信息,设计一种跟踪波束实现对特定目标的跟踪处理,对目标所在的波位采用参次中重复频率脉组的方式探测,有效扩展速度检测清晰区并抑制慢速气象杂波及强地物杂波,实现目标距离、速度双模糊的解算,提高对跟踪目标的检测性.基于先验信息实现目标距离、速度模糊解算,试验表明,通过采用基于参差中重频的脉组跟踪波束探测,能够提升搜索雷达对特定目标的检测能力,并实现重点目标的高精度测速,提高目标的航迹质量.     

一种雷达主瓣欺骗干扰抑制算法北大核心

针对单通道雷达受到主瓣干扰,提出了一种基于多周期采样的抗主瓣干扰方法。首先针对距离密集假目标欺骗干扰,建立了基于多脉冲重复间隔(paulse repeat interval)采样的抗主瓣欺骗干扰模型并对其可行性进行证明,然后对信号源个数进行估计,最后借助提出的盲源分离方法将干扰信号与目标回波信号分离,达到抗干扰效果。理论分析和仿真表明,该方法具有较好的分离效果及干扰抑制能力。     

基于数字图像合成器的ISAR微动干扰方法

根据目标微动产生的微多普勒谱会影响ISAR成像的特点,提出了基于数字图像合成器的ISAR微动干扰方法。该方法将传统的固定假目标模板修改为具有一定微动特性的假目标模板,并将该模板对截获的雷达信号进行调制,得到了包含微动信息的干扰信号。研究结果表明该干扰信号不仅可以对ISAR形成微动特征欺骗干扰,还可以对ISAR图像造成一定程度的污染,甚至形成散焦压制干扰。最后,计算机仿真实验验证了该方法的有效性。     

非椭圆扩展目标联合跟踪与分类算法

充分利用目标尺寸和形状信息,提出了一种基于星凸随机超曲面模型(random hypersurface model, RHM)的非椭圆扩展目标联合跟踪与分类(joint tracking and classification, JTC)算法。将目标空间扩展状态建模为星凸形状,通过目标类别相关先验信息的矢量化建模,建立起其与目标瞬时扩展状态的关系,并在统一的贝叶斯滤波框架下,实现跟踪与分类的一体化处理;进一步对目标运动学状态和扩展状态单独进行建模,并通过构建扩展状态的似然函数,利用粒子滤波实现目标类别概率算式的递推处理。仿真结果表明:与基于椭圆形状的扩展目标JTC算法相比,所提算法能对尺寸相近、形状不同的目标进行准确分类,同时可改善目标状态的估计效果;与基于星凸RHM的扩展目标跟踪算法相比,所提算法能大幅提高目标状态的估计性能。     

一种对间歇采样转发干扰的识别新方法

间歇采样转发干扰是一种针对相干雷达的有效干扰样式,该类干扰的抑制技术研究需求迫切,而干扰识别历来是抗干扰流程中的关键环节,针对间歇采样转发干扰的识别问题,提出了一种基于关联维数的干扰识别方法。通过对3类间歇采样转发干扰信号进行傅里叶变换,挖掘信号频谱上的差异,提取频域关联维数作为干扰识别的特征参数,并利用支持向量机进行分类识别,为后续雷达系统采取针对性抗干扰措施提供重要的决策信息。仿真结果证明该方法具有较高的识别率。     

线性调频脉冲压缩雷达的匹配干扰研究

由于脉冲压缩雷达对目标回波具有很高的压缩比(增益),而对不匹配的干扰信号则压缩比很小.为了提高干扰的有效功率,提出一种与脉压雷达目标信号相仿的线性调频信号作为干扰信号(即匹配干扰),经过理论分析得到了匹配干扰信号在不同的对准频偏情况下,进入雷达的有效干扰功率.通过仿真,结果证实这种匹配干扰可很大程度地提高进入雷达的有效干扰功率,但有效干扰功率会随对准频偏的加大而减小.     

基于噪声调相干扰寄生扩频的隐蔽信息传输

在常见的各种信息隐蔽传输方法中,宿主载体大多集中于图像、音频、视频等各类多媒体信源,而通过射频信号作为载体来实施隐蔽信息传输的技术手段十分缺乏。针对这一情况,提出了一种基于噪声调相干扰寄生扩频的隐蔽信息传输方法。在干扰机对雷达、通信等目标对象发射噪声压制干扰信号的同时,将需要传输的信息寄生调制于噪声干扰的相位分量,形成一种类扩频传输信号,并有效隐藏于大功率干扰信号之中实现传输。在接收端通过解扩处理而恢复出隐藏的调制分量,最后解调出其中所隐蔽承载的数字比特流。仿真试验结果显示了该方法的可行性与有效性,这对于电子对抗设备的综合一体化应用和隐蔽通信的实施提供了新的技术途径。     

边缘化粒子概率假设密度滤波的多目标跟踪

针对复杂情况下的多目标跟踪问题,提出一种边缘化粒子概率假设密度滤波(MPF-PHD)方法。该方法首先将复杂情况下多个目标的状态向量分别提取出其中的非线性状态与线性状态。然后利用粒子概率假设密度滤波(PF-PHD)估计非线性状态,利用卡尔曼滤波(KF)估计线性状态,并把其中与非线性状态相关的线性状态估计用来优化非线性状态估计。通过对MPF-PHD方法与传统的PF-PHD方法仿真对比,验证了MPF-PHD方法有效解决了复杂情况下多目标跟踪的漏检问题,提高了多目标状态估计精度。     

基于微动调制的SAR新型复合有源干扰方法

在静态虚假目标的基础上,利用有源运动调制干扰原理,提出了一种基于微动调制的SAR新型复合有源干扰方法。建立了基于微动调制的复合有源干扰信号模型,详细分析了该干扰信号对SAR的干扰效果,确定了各调制系数,最后进行了基于实测数据的仿真实验。结果表明,该方法具有距离向相干处理和方位向部分相干处理的特点,可对SAR在方位向上实现多个匀(加)速虚假运动目标的欺骗干扰效果。     

基于Rényi信息增量的机动目标协同跟踪算法

针对基于多传感器组网进行机动目标跟踪的传感器管理问题,提出了一种基于Rényi信息增量的机动目标协同跟踪算法。首先结合"当前"统计模型和交互式多模型不敏卡尔曼滤波算法设计了一种变结构多模型算法,来进行机动目标的状态估计;然后以Rényi信息增量为评价准则,选择使Rényi信息增量最大的单个传感器进行目标跟踪;最后利用得到的最优加速度估计进行网格划分,更新变结构多模型中的模型集合。在一般机动及强机动场景下进行了算法性能分析,仿真结果表明,该算法能够合理地选择传感器,提高了对机动目标的跟踪精度。     

基于IMM-RUASFF的网络化目标跟踪算法

针对目前网络化目标跟踪算法存在实时性差、精度低等问题进行了研究。首先,基于网络信息共享需求,建立了网络探测节点的目标跟踪模型;其次,网络探测节点目标跟踪需求和实战要求发现目标经常是有多种运动状态并存,而单一模型的滤波器不能满足对机动目标跟踪性能的要求,采用了基于交互式多模型(Interacting Multiple Model,IMM)的有反馈实时更新的异步状态融合算法。最后,针对多个探测节点目标跟踪的状态融合估计问题,提出了一种有反馈实时更新的异步状态融合算法,通过仿真验证了算法的有效性。