基于方位和线谱频移的TMA新算法

提出了一种基于方位和线谱频移序列的目标运动分析新算法,解决了方位序列估计器工作点漂移方法中初始方位漂移角度较难确定的问题;提出了一种新的多普勒频移匹配估计器,不需要预先提取目标线谱即可估计目标运动参数,并且有效地加快了目标运动参数解算的收敛速度.海上实验数据处理结果表明该算法较以往同类算法在收敛速度和解算精度等性能上有明显改进.     

基于MGEKF的单站无源定位跟踪算法

单站无源定位跟踪技术具有隐蔽性强、设备简单,系统相对独立等优点,有着广阔的应用前景.为了提高定位精度和收敛速度以满足实时化需求,在现有的基于多普勒变化率的单站无源定位算法的基础上.详细推导了基于MGEKF的定位算法以解决EKF算法的不稳定性,并通过计算机仿真比较了两种算法的性能,结果表明MGEKF定位算法提高了定位精度、收敛速度和稳定度,定位结果能够满足实际需求.     

一种特殊结构双基地雷达的空射诱饵信号特征

分析了空射诱饵的使用特点和威胁特征,建立了一种特殊的双基地雷达-单发双收结构下的发射信号和接收信号模型。分析了空射诱饵信号增强设备发射信号与诱饵本体反射信号构成的接收站1接收信号,与仅接收诱饵本体反射信号的接收站2信号的时域、频域特点,证明很难从时频域区分两类信号。建立了雷达发射信号经诱饵本体反射后在两个接收站的时延差和多普勒频移差的模型,分析得出了信号时延差和多普勒频移差与诱饵运行时间和双基地雷达结构参量的关系,证明两个接收站的时延差和多普勒频移差具有稳定的关系。分析结果对于利用该类特殊结构的双基地雷达探测识别诱饵具有一定的参考价值。     

方位/多普勒频率联合单站无源定位方法

在传统的无源定位技术基础之上,采用增加观测信息量的方法来实现单站无源定位,即方位/多普勒频率联合定位技术.该方法通过测量得到的多普勒频率提取目标的径向速度信息,再结合测角系统所测得的方位信息对目标进行定位.在对其定位原理分析讨论之后予以实现,最后通过计算机仿真实验证明这种定位算法具有较高的定位精度.     

简化的UKF方法在多普勒雷达对目标跟踪中的应用

多普勒雷达对目标的观测数据是由距离、方位角、俯仰角和径向速度组成,而大多数雷达的观测数据仅由前三者组成.基于利用径向速度的扩展卡尔曼滤波方法,提出利用径向速度的一种简化的UKF方法对目标进行跟踪.此非线性方法对目标的跟踪有两大改进:①引入径向速度观测值时可以大大提高跟踪性能;②UKF方法比传统的EKF算法有更高的估计精度.     

协同空战制导优势模型研究

为解决多机协同空战中对导弹制导权移交时的制导机选择问题,建立了一种新的制导优势模型。分析了空空条件下制导优势的影响因素,主要包括机载脉冲多普勒雷达对目标的探测能力、雷达制导链路能力和导弹回传链路能力;根据不同态势下目标的雷达截面积和地杂波,采用探测概率建立了雷达探测优势模型;根据制导链路和回传链路接收的功率,建立了不同态势下的制导链路优势模型和回传链路优势模型;将前述三者优势聚合为制导优势模型。仿真实验证明了模型的合理性与有效性。     

高动态GNSS信号多普勒模拟任意阶直接数字合成器设计

为高精度模拟高动态条件下GNSS信号的多普勒特性,提出一种任意阶直接数字合成信号合成器的设计方法。设计任意阶直接数字合成信号合成器的结构;通过理论分析,推导各级累加器相位初值的计算公式;给出字长选择方法。经仿真验证,该方法能精确模拟GNSS信号的多普勒特性。此外,提出的直接数字合成器设计方法不受阶数的限制,可普遍应用于各类信号模拟器的设计。     

使用双阵元的双目标快速DOA估计算法

比相单脉冲测角法通常被用来对1个目标进行DOA估计,受限于已知数据的数量,该算法无法对多个目标进行DOA估计。在比相单脉冲测角法基础上,利用目标多普勒频率对空间相位的影响提出一种使用双阵元的双目标快速DOA估计算法。该算法对于硬件的要求几乎与比相单脉冲测角法一致,功能上可以同时对2个目标进行DOA估计,且计算量小,实时性高。通过理论分析与仿真实验证明了算法的有效性并进一步探讨了信噪比、方位角、数据采集间隔对估计精度的影响。     

基于Logistic映射的混沌二相编码性能分析

针对目前常用的伪随机二相编码的缺点,利用Logistic混沌映射产生混沌序列并进行数字量化和截取,生成混沌二相编码信号,重点分析了混沌二相编码信号的相关性、混合信号隔离度、抗干扰性能和多普勒敏感性能。仿真分析表明,混沌二相编码信号不仅具有大的时宽带宽积和良好的自相关性,而且具有较强的抗干扰性能和更宽的多普勒容限,是一种较为理想的雷达脉冲压缩信号。     

基于AM-LFM和IRT的旋转微动目标成像算法

在雷达成像中,基于CS的方法因其压缩采样的特性而在高分辨雷达成像中得到广泛应用。然而由于其是一种基于参数化的成像方法,对观测位置误差特别敏感。在实际中,一般无法知道精确的观测位置。观测位置的误差会造成成像结果位置的偏离、散焦以及无法聚焦。针对基于压缩感知的成像算法存在的观测位置依赖性问题,提出了一种基于调幅-线性调频(AM-LFM)分解和逆Radon变换(IRT)的微动目标成像算法。该方法根据分解后信号调频率分离目标微动信号与主体信号,再进行IRT成像。仿真及实验结果验证了算法的可行性和有效性。