三维雷达跟踪改进的卡尔曼滤波设计

本文探讨了三维雷达的跟踪问题。在高度非线性情况下,通常的跟踪滤波器设计依赖于一阶(或线性)近似,结果导致滤波器的收敛性和稳定性很差。对于两种不同类型的三维雷达量测,本文开发了能够克服这些不良影响的简单滤波算法。对每一种雷达量测,经过坐标转换,通过估计雷达量测固有的非线性,可以获得量测协方差的精确表达式。在表达式的基础上,应用代数计算和合理的近似,可以产生简单的滤波公式。产生的滤波方程与广义卡尔曼滤波(EKF)公式相似,并提供了一些用于雷达量测的线性卡尔曼滤波的有用见解。模拟结果表明本文提出的方法对解决量测的非线性是非常有效的。     

LFM-BC雷达信号的间歇采样转发干扰的研究

线性调频-二相编码(LFM-BC)信号是在二相编码信号脉内进行线性调频处理得到的组合信号。利用LFM-BC信号附加多普勒频移通过匹配滤波器的响应特点,研究了基于数字射频存储的间歇采样转发干扰方法对采用该信号的脉冲压缩雷达的干扰效果。分析了调制参数(占空比、间歇采样周期、正频调制)对干扰效果的影响以及干扰功率与干信比。根据调制参数的不同可以产生压制性干扰和欺骗性干扰,且相对于常规射频噪声干扰而言只需要较小的干扰功率。理论和仿真实验均证明了这种干扰方法的正确性和实际应用的可行性。     

基于频域调制的相干噪声干扰研究

针对线性调频脉冲压缩雷达,提出了一种移频干扰新样式——噪声移频干扰。利用信号分解理论研究了干扰信号的时域和频域特性,推导了干扰信号脉冲压缩输出的近似表达式。理论分析表明,噪声移频干扰信号经脉压处理后为覆盖一定距离范围的似噪声干扰带,通过调整干扰信号参数可改变干扰带覆盖范围、干扰带中心位置和干扰带内能量分布。由于干扰获得了部分压缩增益,较低的干扰功率就可实现遮盖干扰。仿真实验证实了理论分析的正确性和干扰的有效性。     

基于神经网络的混合双滤波器自适应目标跟踪算法

在分析近期基于神经网络数据融合的目标跟踪算法的基础上,结合一种新的自适应滤波模型(NAF)和速度估计自适应跟踪算法(AVE),提出了基于神经网络混合双滤波器的机动目标自适应跟踪算法(NHDF).该算法通过在线自动调节网络输出进行过程噪声方差融合,降低了现有算法因系统方差的调整不当而带来的精度损失.理论分析及仿真结果证明,与"当前"统计模型、速度自适应模型和新的自适应模型算法相比,该算法具有跟踪精度高,自适应能力强的优点.     

一种基于轮廓自扩展的GVF算法

针对Snake算法及GVF算法对初始轮廓覆盖区域敏感性的缺陷,提出一种轮廓自扩展方法,从而使初始轮廓能够有效地覆盖目标所在区域,达到对目标的完整搜索;将其应用到目标跟踪中,根据下一帧中目标与当前帧设置的轮廓的交叉,通过自扩展初始轮廓可以很快将目标划为搜索区域之内.实验表明,基于轮廓自扩展方法的GVF方法可以实现对目标轮廓的完整提取;在目标跟踪中可以自动、有效地跟踪目标.     

V-调频信号抗移频干扰的方法研究

简单介绍了V-调频信号的时频特点,以及V-调频信号对距离-速度二维信息的测量。研究了移频干扰对V-调频信号的干扰效果。针对移频干扰,利用V-调频信号的脉压特点,提出了一种抗移频干扰的方法,通过该方法,能够从受到移频干扰的V-调频信号的回波中获得单个运动目标的距离和速度信息。最后,通过仿真验证了这一结论。     

机载导弹惯导系统传递对准机动方式研究

研究了机动方式对机载导弹捷联惯导系统的传递对准时间和对准精度影响,通过理论分析和仿真计算的方法,比较了不同机动方式对传递对准效果的综合影响,分析了采用匀速直线飞行中一定范围的滚转幅值和平均滚转角速度的最优机动方式,可提高传递对准效率,为工程应用提供理论依据.     

利用波达方位角及其变化率对运动辐射源的无源定位

阐述了利用波达方位角及其变化率对地面运动辐射源进行无源定位的原理,通过Jacobi矩阵推导出可观测性表达式,讨论了不同相对运动状态下的可观测条件.提出了融入波达方位角变化率信息的MGEKF(修正增益的扩展卡尔曼滤波)算法,并通过仿真与只利用方位角信息的MGEKF算法以及经典的EKF(卡尔曼滤波)算法进行了比较.     

基于深度强化学习的兵棋推演决策方法框架

针对兵棋推演的自动对抗问题,文章提出基于深度学习网络和强化学习模型来构建对抗策略。文章结合深度强化学习技术优势,立足多源层次化的战场态势描述,提出面向智能博弈的战场态势表示方法;将作战指挥分层分域的原则同即时策略游戏中的模块化和分层架构相结合,提出一种层次化和模块化深度强化学习方法框架,用于各决策智能体与战场环境交互的机制以及对抗策略的产生;为满足实际作战响应高实时特点,提出压缩的深度强化学习,提升模型输出速度;为改善对不同环境的适应性,提出利用深度迁移学习提升模型泛化能力。