ESM量测间歇下雷达/ESM协同跟踪与辐射控制

为减少作战飞机目标跟踪过程中的雷达辐射,提出了一种ESM间歇量测情况下的机载雷达/ESM协同跟踪与辐射控制方法.采用基于IMM-EKF的雷达/ESM序贯滤波算法对目标进行滤波跟踪,利用跟踪过程中的预测协方差与预定门限进行比较控制雷达辐射,并给出了不同ESM间歇时间、控制门限与雷达辐射时间的关系.研究结论有助于提升作战飞机的隐蔽性和生存能力.     

SOJ与RGPO复合干扰下目标跟踪技术

SOJ干扰下目标检测概率降低,容易出现检测不到目标真实回波,如果此时再施放RGPO干扰,由于RGPO回波比目标回波幅度强,雷达更容易误将RGPO干扰回波当成真实目标的回波。针对上述特点,提出了采用检测门限自适应与卡方检验相结合的方法实现了对RGPO的鉴别,同时采用多假设跟踪实现了此种复合干扰下的目标跟踪方法。仿真实验表明,此方法具有较高的RGPO鉴别概率同时也可以较好地实现干扰下目标的跟踪,具有一定的实际工程意义。     

修正的逻辑航迹起始算法

根据目标的运动特性提出了一种基于修正逻辑的航迹起始方法,其主要思想是在航迹起始阶段,对落入相关域中的量测加一个限制条件,以剔除在一定程度上与航迹成V字形的测量点迹。仿真结果表明,这种方法可以有效地在杂波环境中快速获得起始航迹,具有较好的实用价值。     

基于L-M算法改进BP网络的信息对抗能力评估

在未来密集和复杂的电磁环境中,快速、客观地评估敌我双方的信息对抗能力具有重要的意义。目前通常采用的人工打分方法具有一定的主观性,且周期较长,难于满足战场瞬息万变的需求。提出了一种基于L evenberg-M arquardt算法改进的BP神经网络信息对抗能力评估方法,以某组信息对抗数据为训练数据,对改进BP神经网络进行训练,并进行了验证性的仿真试验。仿真结果表明:改进BP神经网络能客观有效地评估信息对抗能力,较大程度地提高了神经网络的收敛速度、缩短了评估时间。     

航迹图像的2D雷达系统误差配准算法

针对传统的系统误差配准算法大都是在航迹已正确关联前提下的误差配准问题。提出了一种新的基于航迹图像的2D雷达系统误差配准算法。该方法首先分析了系统误差对目标航迹的影响,并将该影响表示为目标航迹的相对旋转和平移量,其次根据目标航迹产生参考图像和待配准图像,结合归一化互相关法和相位相关法来对相对旋转和平移量分别进行估计补偿,从而不需要考虑航迹关联即可实现系统误差配准。仿真结果表明了该方法的有效性。     

一种新的多传感器航迹关联算法

提出一种基于多传感器航迹的关联算法.首先根据雷达和目标球极投影后的几何位置关系,利用三角形的几何性质分别建立两个航迹关联函数,并利用加权思想进一步建立相似度函数;在此基础上,利用一阶泰勒展式对航迹关联函数理论分析获得航迹粗关联门限;然后依次通过粗关联和精关联实现航迹关联.仿真结果表明了该算法的时效性和稳定性.     

改进的高脉冲重复频率雷达多假设距离估计方法

高脉冲重复频率雷达目标距离估计时面临距离模糊问题,因此必须采取一定方法解距离模糊。现有方法大都需要在每个驻留时间内至少两帧(包括两帧)检测到目标来实现目标距离估计,多假设方法虽然不要求在每个驻留时间内都需至少两帧检测到目标,但是当模糊区间发生变化时会出现目标距离估计错误。针对现有多假设方法的不足,提出改进的多假设方法,通过建立相关波门来判断目标所在的模糊区间是否改变并对目标状态作出修正,实现对模糊区间发生变化时目标距离的正确估计。仿真表明,方法可以不受模糊区间变化的影响,以较高精度实现目标距离估计。     

主被动传感器异地配置下的航迹关联

在雷达和电子支援(ESM)传感器异地配置的情况下,提出了一种基于位置统计量和最大似然准则的异类传感器航迹关联算法。首先基于位置统计量对目标进行了航迹粗关联,排除掉一些虚假关联组合;然后采用最大似然准则对目标进行了航迹细关联,以求进一步提高雷达和ESM传感器航迹关联的检测概率。仿真结果表明,该算法能够快速、准确地完成对多目标的航迹关联。     

三维空间主/被动雷达抗多假目标干扰研究

针对多假目标欺骗干扰下异地配置的主/被动雷达传感器系统,提出了一种新的三维情况下主/被动雷达联合鉴别虚假目标算法.首先采用基准线最小距离法排除部分虚假目标,再利用三维分配算法进一步进行鉴别.该算法与基于角度统计量和距离统计量鉴别虚假目标算法相比,可以得到较高的正确鉴别概率和较低的误鉴别概率.最后通过仿真的方法分析了观测次数、虚假目标距离和被动雷达精度对算法鉴别虚假目标概率的影响,结果表明,该算法可使主/被动雷达系统有效鉴别假目标.     

一种新的高脉冲重复频率雷达多假设跟踪方法

高脉冲重复频率雷达目标跟踪时面临解距离模糊问题。现有方法需要在每个驻留时间内至少2帧检测到目标才能解距离模糊,新近提出的多假设方法虽然可以克服这一不足,但当模糊区间发生变化时会出现解距离模糊错误的情况。针对该问题,提出一种新的多假设方法,基于统计距离最小原则获取正确假设区间以实现目标跟踪,从而克服了现有多假设方法的不足。仿真表明该方法的收敛速度和跟踪精度均优于现有多假设方法。