辅助通道参数模型估计射电天文抗干扰方法

针对单通道射电天文抗干扰方法在观测数据干噪比较低情况下的干扰消除性能降低甚至失效的问题,通过引入辅助天线观测提出了一种基于参数模型估计的抗干扰方法。该方法利用辅助天线所接收到的具有较高干噪比的观测数据建立干扰信号参数的估计模型,同时通过构建主辅通道参数差异性模型对估计模型进行修正,实现对干扰信号参数的精确估计,达到消除干扰信号的目的。仿真实验表明,相比于单通道方法,改进后的方法在解决低干噪比条件下的射电天文抗干扰问题方面具有更广泛的适用范围。     

基于运动状态和敌我属性的空中目标融合识别

研究了基于实时跟踪器的空中目标航迹身份识别问题。从分析目标运动状态和敌我属性的不确定性出发 ,建立了空中目标身份统计模型 ;根据建立的模型 ,通过采用Dempster Shafer证据理论方法 ,对空中目标进行融合识别。仿真实验结果证明了模型和算法的有效性。     

雷达情报特征的Bayes识别方法

根据雷达情报目标判性应用背景,对Bayes方法在该领域的应用进行了研究,初步建立了基于雷达情报特征的统计模型,并在算法的收敛速度和稳健性等方面与D-S证据理论进行了比较。仿真结果表明,Bayes方法对先验信息的精确程度要求并不十分严格,能较好地解决雷达情报综合问题。     

基于编队结构特征的海面舰船目标关联方法

为综合利用星载光学成像、星载电子侦察数据对海面舰船编队进行监测,提出了一种基于舰船编队结构特征的二次匹配目标关联算法,通过构造加权二分图进行最优匹配求解。仿真结果表明,该方法在目标定位精度差别较大、目标存在漏检测等情况下相比传统关联算法的匹配正确率有较大提高,证明了算法的有效性。     

TBM模型的目标综合识别算法

利用电子支援措施(ESM)和光学成像传感器等不同类型传感器进行目标综合识别,是现代综合电子战中的一个重要研究课题。TBM是D-S证据理论的一个扩展模型,它研究了D-S证据理论的动态部分,从数据融合的角度来看,它是一种层次化的递进模型,尤其适用于需要逐层进行数据、特征或决策级融合的融合系统。提出了一种基于TBM模型的异类传感器目标综合识别算法,充分利用了电子侦察和光学成像侦察提供的独立、互补的信息,获得了对目标的有效识别。仿真结果证明了这种算法的有效性。     

基于贝叶斯网络分类器的雷达辐射源识别方法

雷达辐射源识别是电子对抗中的重要组成部分.贝叶斯网络分类器建立在坚实的理论基础之上,具有较为优秀的分类性能,而且能够有效地处理不确定性问题,重点研究了如何利用贝叶斯网络分类器进行雷达辐射源识别,并通过仿真实验对朴素贝叶斯分类器及其扩展方法进行了分析比较.实验结果表明,与基于概率近似准则的方法相比,基于分类准确率提高准则的扩展树生成方法具有更为优秀的分类性能.     

RCS特性辅助的CMIMO雷达功率资源分配方法

针对集中式多输入多输出(collocated multiple-input multiple-output, CMIMO)雷达在实际探测过程中,未有效结合目标雷达散射截面(radar cross section, RCS)高动态变化特性导致雷达跟踪精度不高甚至失跟的问题,提出一种基于目标RCS高动态特性的CMIMO雷达功率资源自适应分配方法。考虑到目标RCS特征的角度敏感性,利用目标运动状态的可预测性动态获取实际观测角度,从而完成跟踪帧的极化方式优选;在此基础上构建包含功率与RCS的多目标跟踪误差后验克拉美罗下界,将其作为目标函数进行优化,利用内点惩罚法求解该凸优化问题即可实现RCS高动态情况下的功率优化分配。实验结果表明:该方法可结合目标不同方向RCS动态分集特性实现功率的有效分配,相比于传统RCS模型分配方案,有效解决了分配方案与实际跟踪场景之间的失配问题,从而提升了CMIMO雷达的多目标跟踪性能。     

数据融合中的Dempster-Shafer证据理论

虽然 D- S方法已广泛地应用于各种数据融合系统中 ,但在实际应用中依然存在着许多困难。总结了数据融合应用中的 Dempster- Shafer证据理论研究概况 ,从四个方面阐述和对比分析了一些有代表性的研究成果 ;同时为下一步的研究提出了新的课题和思路