机动目标跟踪的修正输入估计(MIE)算法与自适应α-β算法

机动目标的跟踪是雷达数据处理中的重要问题,对此进行了探讨的代表性的算法有Singer算法、IE算法、VD算法、IMM算法等。本文提出了修正的输入估计(MIE)与自适应的α—β两种新算法。MIE算法性能与IE算法相当,但运算量比IE算法小。自适应α—β算法的性能略低于以上几种算法,但运算量则大大低于上述几种算法,在对性能要求不很高的情况下,采用这种算法是较为合适的。     

阻尼的非线性最小二乘滤波算法

为提高在弱可观测条件下滤波器的稳定性,本文把非线性优化方法应用于递推滤波,形成了阻尼的最小二乘迭代滤波算法。同时还得出了该方法的信息平方根滤波形式。     

卡尔曼滤波的心动阵列实现研究

基于Faddeeva算法可以实现各种矩阵运算 ,并且可以方便地映射到心动阵列结构上这一事实 ,提出了一种基于Faddeeva算法的卡尔曼滤波心动阵列实现方法 ,并在此基础上设计了两种处理器拓扑结构。分析结果表明 ,这两种处理器结构具有效率高、规整性好和易于扩展等特点。     

交替极化阵列滤波性能研究

针对极化敏感阵列在工程应用中所受到的诸多限制条件,本文提出了一种新型交替极化阵列结构,分析了其在滤波抗干扰中的理论极限性能,并与极化敏感阵列滤波性能进行对比研究。研究表明:相对而言,交替极化阵列在设备量减半、信号处理自由度减半的条件下,滤波抗干扰性能逼近极化敏感阵列,克服了极化敏感阵列系统复杂性带来的一系列问题,因此在阵列雷达领域具有广泛的应用前景。     

对数据后处理雷达的多参数协同相关干扰

基于DRFM转发或者重复转发的干扰信号,虽然在功率上能达到干扰要求,但是产生的虚假目标与真实目标缺乏相关性,数据后处理雷达能根据该特性实现对欺骗干扰信号的检测和抑制。针对数据后处理雷达在抑制非相关干扰信号的优越表现,根据不同特征域干扰信号的相关性要求,提出了在幅度域上具有起伏特性,时频域协同一致,方位上具有相关性的干扰信号模型,以保证对数据后处理雷达干扰的有效性。最后在与非相关干扰信号比较中,验证了该干扰方式的有效性。     

基于S变换的跳频信号参数估计

对跳频信号的时频域进行分析和参数估计是识别、跟踪及干扰跳频信号的重要基础。针对接收到的未知任何先验参数的跳频信号,提出了一种基于S变换(S-transform)的跳频信号参数估计算法,通过S变换,能正确估计出跳频信号的跳频周期、跳变时刻及跳频图案。仿真结果表明,与平滑伪Wigner-Ville分布(SPWVD)进行比较,该算法能够在低信噪比条件下,在时频域中有较好的解析能力,提高了跳频信号参数估计的准确性。     

基于优化滤波的水平非均匀蒸发波导反演算法

针对水平非均匀蒸发波导反演中大气折射率剖面水平分布规律不确知和大范围海域气象参数观测难的问题,提出一种基于优化滤波的水平非均匀蒸发波导折射率剖面参数反演算法,该算法采用粒子群优化估计折射率剖面参数初始状态和描述剖面参数水平分布规律的状态转移函数,结合GPS海面散射信号波导传播的DMFT步进计算正演模型和实测GPS散射信号功率建立系统方程和观测方程,并采用粒子滤波迭代估计水平步进上的非均匀折射率剖面参数。该算法的精估计环节有效修正了粒子群估计误差在后续反演过程中导致的误差积累,保证了反演精度,并使得算法具备距离分段条件下逐段反演的能力,为远距离海域蒸发波导折射率剖面参数的反演提供了可行的方法。     

单信道时频重叠MPSK信号的调制识别方法

提出一种基于高阶循环累积量的调制识别算法,用于解决单信道两个时频重叠M PSK信号的调制识别问题。对接收到的重叠信号进行预处理,计算其四阶循环累积量,提取分类特征参数,采用最小误差准则算法实现时频重叠双信号的自动分类。理论分析和仿真试验结果均证明了算法的正确性和有效性。     

基于模糊自适应变维Kalman滤波器的跟踪算法(英文)

针对不同阶数的Kalman滤波器具有不同的跟踪能力与跟踪效率之间存在的矛盾,设计了一种模糊自适应变维跟踪算法(FAVD)。该算法使用两级滤波器,根据目标机动性的变化,适当地调整滤波器的阶数,使跟踪结果快速收敛,很好地解决了矛盾。同时通过模糊推理机制,在线调节高阶滤波器的参数,使适用范围大大增强,提高自适应能力,从而使该算法可以采用较少的模型覆盖较多的目标运动模式,达到很好的跟踪滤波效果,计算量也会大大减小。通过对计算机仿真结果分析表明,提出的算法具有可靠、计算简便、快速等特点,模型滤波精度较高,并可实现实时跟踪预测,具有一定的理论价值和实用价值。     

机动目标IMM三维并行滤波跟踪算法

由于复杂的空中目标机动,其三维方向的机动强度是不一致的,传统IMM算法存在模型匹配不准确的问题,提出一种机动目标IMM三维并行滤波的跟踪算法。算法以CV和修正的CS模型为子集,在3个坐标轴上分别根据目标机动的分量实际更新其模型概率,并行IMM滤波方法,尽量确保模型的适配性,提高滤波精度。仿真结果表明,该算法比传统IMM方法跟踪精度更高,对空中机动目标跟踪适应性更强。