极化域—空域联合谱估计

首次提出极化域-空域联合谱的概念,拓广了电磁波特征参量的谱描述方法.结合具体的极化敏感阵列定义了极化域-空域联合谱,用MUSIC方法得到联合谱函数表达式.研究了联合谱的估计的重要性能指标估计精度和分辨力,估计精度用克拉美劳限CRB(cramer-Rao Bound)来具体度量,分辨力由极化域-空域模糊函数以及模糊图来描述.最后仿真结果验证了该方法的有效性和理论分析的正确性.     

导弹防御系统中的雷达目标识别研究

以评估美国国家导弹防御(NMD)系统雷达识别能力为背景,分析了地基雷达识别弹道导弹目标的技术途径。根据弹道导弹目标群在飞行中段和再入段表现出的特性差异,提出了涉及目标结构特性、姿态特性以及再入特性的综合识别策略,并初步分析了各种识别措施的可行性。     

一种综合集成与演示验证一体化系统的构建方法

复杂性科学问题研究中的综合集成方法是构建研究平台的一项重要内容.针对复杂性研究中的系统平台的建模问题,提出一种综合集成与演示验证一体化系统的构建方法,探讨了具体实现方式和数据同步与数据一致性维护等问题.在雷达目标特性研究中,运用上述综合集成与演示验证一体化系统的构建方法,完成了一个具备尺度一致性和可扩展能力的电磁散射特性验证与演示系统.     

高精度单频信号初相测量方法

提出了一种基于误差知识的二重插值DFT方法用于高精度时钟初相测量。理论分析与数值仿真结果表明,该方法性能接近Cramer-Rao界。     

一种新的二维谐波估计方法

研究了二维谐波信号相关矩阵后 ,提出了一种称之为“矩阵束的二维谐波估计 (MP2D)”算法 ,该算法既不需要求解二维特征多项式的根 ,也不需要在二维频率空间搜索谱峰 ,算法具有高效性。仿真实验表明 ,该算法在白噪声条件下对二维谐波频率估计具有高的精度和强的抗干扰能力。     

一种新的高分辨极化目标检测方法

针对宽带毫米波高分辨雷达体制 ,研究了杂波环境中的目标检测问题。提出了极化域线性积累滤波的思路以提高雷达接收信号的信杂比 ,在此基础上利用宽带波形固有的径向高分辨力对目标进行一维距离成像 ,估计出回波中强散射点的数量和分布 ,通过对不同径向分辨单元内的强散射点进行整体检测 ,可进一步有效地提高信杂比 ,改善雷达的检测性能。最后在毫米波段的实验仿真结果表明该方法是一种非常有效的扩展目标检测方法     

态势估计中一种基于贝叶斯估计的统计时间推理方法

统计时间推理是态势估计中的一个重要组成部分。Ｋｉｒｉｌｏｖ的基于极大似然估计（Ｍａｘｉ－ｍｕｍＬｉｋｅｌｉｈｏｏｄＥｓｔｉｍａｔｉｏｎ,ＭＬＥ）的推理方法将未知时间变量看作常数,估计方差较大。文中建立的已知时间信息和未知时间变量之间的关系模型,将未知时间变量扩展为随机变量,将贝叶斯估计（ＢａｙｅｓＥｓｔｉｍａｔｉｏｎ,ＢＥ）引入时间推理。经过对两种推理算法的性能进行分析和比较,发现在一定范围内,基于ＢＥ的方法性能优于基于ＭＬＥ的方法。     

基于递归神经网络的飞机目标识别方法

针对宽带高距离分辨全极化雷达体制,提出了一种基于实时递归神经网络算法的飞机目标自动识别方法,实现了全极化下五类飞机目标的自动识别。实验结果表明,递归神经网络用于飞机目标识别是有效可行的。     

基于矩阵束方法的全极化雷达目标结构特征的描述

针对宽带、高距离分辨率、全极化雷达的工作体制,提出了利用矩阵束方法将雷达目标分解为沿径向距离上的散射中心分布。根据目标的瞬态极化响应,提取相应于散射中心的极化特征,由此形成目标沿径向距离分布的结构特征描述的新方法。     

新型武器装备系统中的人工神经网络技术

本文首先分析了现代战场环境对武器系统智能信息处理的应用需求,然后对神经网络理论与技术在武器装备系统中的现实应用与潜在前景给出了一个从理论到实例的较为详细的介绍与分析。着重介绍了神经网络在雷达、红外及声纳目标的检测、识别、多机动目标跟踪及武器系统的智能控制等方面的应用情况,力图展示神经网络用于武器装备系统的特色与优势,并给出了其在武器装备系统各方面应用情况的一个概貌。在文章的最后,针对目前存在的神经网络实验研究到实际装备之间的缺环,我们分析了神经网络能力验证的研究即神经网络本身可靠性研究的必要性与迫切性。