认知雷达网联合传感器选择和功率分配

合理分配雷达有限的传感器资源,充分发挥传感器的认知能力可提高跟踪性能。提出了一种基于后验克-拉美罗下界(PCRLB)的多雷达系统联合传感器选择和功率分配方法。推导多雷达系统单目标跟踪下的PCRLB,该指标不依赖于具体的滤波算法,且多目标跟踪下的PCRLB的计算相互独立。以PCRLB的迹为代价函数,构建基于PCRLB的联合传感器选择和功率分配模型。对于构建的非凸优化问题,设计了基于凸松弛的循环最小化算法,优化求解最佳的传感器组合方式和功率分配方案。最后,仿真结果显示,所提的算法和策略具有较好的跟踪性能。     

基于半定规划的无源跟踪最佳传感器选择

在多站测向定位系统中,观测站与目标的几何位置影响目标定位跟踪精度。以目标估计的克-劳美罗下界(CRLB)行列式最大值为优化指标,在考虑传感器自身的探测能力等实际约束的前提下,建立了无源协同跟踪下最佳传感器选择优化模型。提出了一种基于半定规划(SDP)算法将上述组合优化问题转换为凸优化问题,进行优化求解。仿真结果验证了算法的有效性,与松弛算法和随机选择算法相比,基于SDP的传感器选择可以进一步提高无源协同跟踪的精度。     

多目标环境下基于分布式融合思想的误差估计方法

针对多雷达多目标跟踪过程中分布未知的系统误差估计问题,提出了基于"分布式融合思想"的误差估计方法。给出相应误差估计方法的计算公式,利用改进截断奇异值方法来减轻矩阵病态性的影响,提高误差估计的稳健性。设置了两种不同的系统误差仿真场景,对"分布式"误差估计方法在两种情形下的估计性能进行了仔细对比分析。结合"分布式"误差估计方法与"集中式估计"方法所体现出的优缺点,提出了一种将两种方法结合起来的系统误差估计算法,算法通过合理选择阈值门限η,能够在多雷达多目标且系统误差分布未知的复杂环境下对两种误差估计算法自适应地进行切换,从而充分发挥两种误差估计算法各自的优点,给出更好的误差估计结果。     

一种针对分布式MIMO雷达的高效干扰功率分配方法

MIMO雷达的种类很多,其中分布式MIMO雷达是具有空间分集特性的一种,具有较强的代表性。针对采用多波束多信号干扰设备干扰分布式MIMO雷达的情况,要考虑针对MIMO雷达各节点干扰功率的分配问题,提出了采用能量集中法进行功率分配。给出分配方法及干扰效果的仿真实验,结果表明在使用相同的干扰功率情况下,所讨论的方法比传统的干扰等比例分配法具有更佳的干扰效果。     

RCS特性辅助的CMIMO雷达功率资源分配方法

针对集中式多输入多输出(collocated multiple-input multiple-output, CMIMO)雷达在实际探测过程中,未有效结合目标雷达散射截面(radar cross section, RCS)高动态变化特性导致雷达跟踪精度不高甚至失跟的问题,提出一种基于目标RCS高动态特性的CMIMO雷达功率资源自适应分配方法。考虑到目标RCS特征的角度敏感性,利用目标运动状态的可预测性动态获取实际观测角度,从而完成跟踪帧的极化方式优选;在此基础上构建包含功率与RCS的多目标跟踪误差后验克拉美罗下界,将其作为目标函数进行优化,利用内点惩罚法求解该凸优化问题即可实现RCS高动态情况下的功率优化分配。实验结果表明:该方法可结合目标不同方向RCS动态分集特性实现功率的有效分配,相比于传统RCS模型分配方案,有效解决了分配方案与实际跟踪场景之间的失配问题,从而提升了CMIMO雷达的多目标跟踪性能。     

基于SDP松弛的干扰资源优化分配技术研究

提出一种基于semidefinite programming(简称SDP)松弛的干扰资源优化分配算法。在问题优化过程中首先对模型中非凸的约束条件进行松弛,变为凸约束,将原来的数学模型转化成SDP求解形式,利用内点算法对松弛后的模型求解。该算法利用解析的手段使得干扰资源优化分配问题中的NP难问题在多项式时间内得以解决,并且有较高的可靠性。仿真结果验证了算法的有效性。     

杂波环境下机动目标跟踪的分布式估计算法

本文考虑了杂波环境下机动目标的多雷达跟踪问题，提出了一种分布式联合估计算法。子站独立于总站，并单独跟踪，把当地估计结果周期地传送给总站，由总站进行合并，得出基于所有子站量测的全局估计。数字仿真表明，分布式联合、估计算法在各种性能指标上都优于单站跟踪算法。     

基于交会角的多站交叉定位融合算法及误差仿真

交叉定位是一种利用多站角度信息进行解算获得目标距离信息的方法,利用双站即可完成对目标的三维定位,但此时的误差分布特性和定位精度较差。在多站系统中,可以利用目标的冗余信息进行数据融合,以改善雷达交叉定位系统中交叉定位误差分布特性和定位精度,提出了基于交会角的多站交叉定位融合算法,仿真结果给出了融合前后的定位误差分布图。与以往的方法相比,此方法计算量小,实时性较好。     

多站多目标交叉定位技术

交叉定位是一种利用多站角度信息进行解算获得目标距离信息的方法,利用双站即可完成对目标的三维定位.但在多站多目标情况下,该方法存在虚假定位问题,且此时的误差分布特性和定位精度较差.提出一种基于最小距离门限判决的多雷达站多目标交叉定位假点剔除算法,并利用目标的冗余信息进行数据融合,以改善雷达交叉定位系统中交叉定位误差分布特...     

改进粒子群算法在雷达组网优化布站中的应用

针对雷达组网优化布站问题,通过分析雷达组网探测性能指标,建立了优化布站数学模型,提出了一种融入自适应反向学习机制的改进粒子群算法并应用于雷达组网布站优化。在此基础上,通过调整加权值分析了不同情形下各性能指标对雷达网探测能力的影响,得出了各情形下的最优布站方案。仿真结果表明,采用改进算法得到的布站方案相对标准粒子群算法要更优,从而验证了布站模型的可行性和改进算法的有效性。