相控阵雷达导引头的惯性视线重构北大核心

针对弹载相控阵雷达导引头的惯性视线重构问题,提出了基于Unscented卡尔曼滤波(UKF)的视线重构方法。与传统方法相比,提出的方法无需对导引头测量的角信息使用微分网络,避免了对测量噪声的放大。仿真结果表明,该方法可有效地重构视线角,从而进一步提高视线转率的估计精度。     

脉压雷达信号处理仿真分析研究

针对脉冲压缩雷达,从系统仿真的角度建立了描述雷达与目标位置的三维坐标系,根据雷达信号脉冲压缩和非相参积累模型,通过计算机Matlab仿真得出了目标回波经过脉压雷达信号处理后的结果,并进一步分析了脉冲压缩和脉冲积累处理的效能。结果表明:目标回波信号通过脉冲压缩和脉冲积累处理后,显著提高了目标回波信噪比以及对目标距离估计的精度。     

防务

印军多款无人机接连试飞成功印版全球鹰横空出世"白肩雕""鲁斯特姆"等多款印度产军用无人机日前接连试飞成功。其中,"蟠螭"的最大飞行速度185千米/小时,实用升限可达3600米。"鲁斯特姆2"长航时无人机因机头形状和机翼与美国"全球鹰"颇为相似而被称为"全邦鹰"。该无人机能在9000米高空持续飞行24小时,可配装合成孔径雷达、海上监视雷达、通信和电子情报侦察设备、光电/红外传感器设备等,用来执行侦察、目标识别等任务。     

太赫兹雷达技术研究

太赫兹雷达具有频率高、带宽宽、波束窄的特点,是太赫兹军事应用的一个重要发展方向。在介绍太赫兹雷达技术特点的基础上,分析了制约太赫兹雷达发展的技术瓶颈,阐述了太赫兹雷达发展现状,并对太赫兹波雷达未来发展进行了展望。太赫兹波是电磁波谱上亟待人类开发的最后一个频段,抢占太赫兹雷达技术高地对于提升国家经济、军事能力竞争力具有重大意义。     

陆基探测和防撞雷达促进美陆军无人机有人机编组训练

据美国《陆军时报》报道,美国陆军开始在5个地点安装陆基探测和防撞雷达,防止无人机与其它飞行器碰撞。陆基探测和防撞雷达由SRC公司生产,计划安装该型雷达的5个地点分别是纽约州德鲁姆堡、乔治亚州亨特陆军机场、肯塔基州坎贝尔堡、德克萨斯州胡德堡和堪萨斯州赖利堡,主要目的是保证陆军MQ-1C无人机在美国国内空域安全飞行。其中胡德堡2015年年初将成为首个配置此型雷达的地点。     

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。     

雷达反隐身技术分析及进展北大核心

雷达反隐身技术是克服目标隐身的核心技术。结合雷达方程、电磁散射原理及隐身目标RCS分布具体分析了雷达反隐身的基本原理和方法,根据雷达反隐身的基本特性从空域、频域、极化域等角度详细介绍了雷达反隐身常用技术。最后,提出了雷达反隐身技术的发展趋势,并给出了一种新的雷达组网反隐身模式。     

无源雷达杂波抑制与相干检测的联合优化处理

杂波抑制和相干检测是外辐射源雷达信号处理的两个关键环节,针对扩展相消批处理杂波对消算法和基于分段的多普勒谱分析的运动目标相干检测方法存在重复分块和冗余计算的问题,提出了扩展相消批处理算法与基于分段的多普勒谱分析方法的联合优化算法,推导了它们的数学原理,给出了分段数及滤波器阶数的设置方法。仿真结果表明,该方法在取得较好杂波抑制效果的同时,降低了系统整体的运算量。     

基于赋色Petri网的反辐射导弹对雷达毁伤效率评估建模

针对反辐射导弹对雷达毁伤效率评估过程中,存在的评估结果不稳定问题,基于赋色Petri网构建了雷达毁伤效率评估模型。采用ZigBee协议构建赋色Petri网,并建立反辐射导弹对雷达毁伤效率参数分析模型。提取反辐射导弹对雷达毁伤评估统计特征量,采用反演特征分析方法,构建雷达毁伤效率大数据分析模型,并结合大数据参数融合和特征分析结果,求解反辐射导弹对雷达毁伤效率评估模型,将输出的评估信息传输至Web界面,实现反辐射导弹对雷达毁伤效率自动化评估。测试结果表明,采用该方法进行反辐射导弹对雷达毁伤效率评估建模的可靠性较高,评估效能较好。     

基于LVQ神经网络的雷达杂波抑制方法

针对雷达目标检测后的剩余杂波影响雷达航迹起始和航迹跟踪的问题,提出基于学习向量量化（learning vector quantization,LVQ）神经网络的雷达杂波抑制方法。从雷达回波点迹的特征入手,通过分析目标点迹和杂波点迹的特征分布,通过人工提取特征的方式选取具有差异化的特征。根据特征数量和点迹类别数量构建LVQ神经网络分类模型,并对模型进行训练。利用训练好的LVQ神经网络分类模型对雷达回波点迹进行分类,区分目标点迹和杂波点迹,保留判别为目标的点迹,滤除判别为杂波的点迹,从而实现杂波抑制功能。通过对某型航管雷达的实测数据进行测试表明：该方法能够有效区分目标点迹和杂波点迹,杂波抑制能力比BP神经网络算法更好。