多假目标干扰对雷达目标跟踪性能影响分析

为合理评价多假目标干扰效果,提出了结合雷达目标跟踪性能的分析方法。首先研究了多假目标产生机理,通过间歇采样正弦加权调频转发实现了多假目标干扰;假目标通过雷达信号检测以后,从包含多假目标点迹的信息中选取观测量,进而设计了目标跟踪算法进行航迹拟合与预测;通过蒙特卡罗仿真分析了雷达受扰前后目标航迹连续性损伤率和均方根误差变化,并将其作为评价指标分析了多假目标干扰效果。仿真结果表明,多假目标干扰会造成目标跟踪性能下降,合理设置干扰条件才能增强干扰效果。     

复杂环境下多雷达点迹融合

针对系统误差、杂波干扰等对点迹融合处理系统的影响,结合工程实践,提出了一种处理复杂环境下多雷达点迹融合结构框架,给出了存在系统误差情形下的多雷达航迹起始、虚假目标抑制、雷达误差配准等模型和算法。仿真结果表明,提出的框架、模型和算法能够有效处理多雷达点迹融合问题。     

基于贝叶斯理论的多雷达点迹自适应融合方法

雷达组网进行数据融合是复杂电磁环境下提高预警探测精度和容错能力的有效方法,研究人员需研究适应干扰、信噪比降低等复杂情形的数据融合方法。基于贝叶斯统计理论提出一种多雷达点迹融合方法,将贝叶斯多源数据融合方法与卡尔曼滤波结合,以卡尔曼滤波输出的航迹预测及其协方差作为贝叶斯理论的先验知识,以多雷达量测结果作为贝叶斯理论的观测值进行融合,并提出一种基于回波信噪比的点迹标准差实时估计方法,构建标准差自适应估计的点迹融合与滤波框架。仿真结果表明,多雷达点迹自适应融合方法,滤波精度优于单雷达滤波结果、优于航迹融合结果,能够适应目标距离、RCS起伏引起的标准差变化,具有较强的工程应用价值。     

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.     

对组网雷达的多目标航迹欺骗

由于目前点迹压缩、点迹串行合并等融合方法在组网雷达中的普遍应用,使得对单部雷达的多目标航迹欺骗很容易被雷达组网系统所识别。为了能够有效地欺骗组网雷达,并在网内各雷达的PPI显示器上显示相似的航迹,在对单部雷达实施多目标航迹欺骗的理论基础上,提出了一种对组网雷达实施多目标航迹欺骗的方法。根据组网雷达系统中各雷达坐标位置的不同以及各雷达主波束对准干扰机时间的不同,详细讨论了产生具有空间相关性和时间相关性的可控欺骗航迹的算法。     

基于粒子滤波的多异步传感器检测前跟踪算法

针对弱目标检测跟踪问题,提出了基于粒子滤波的多异步传感器检测前跟踪算法。该算法通过对粒子的状态进行时间和空间递推,将雷达对于目标位于不同时刻的回波幅值映射到同一个粒子的权重中,从而通过对粒子状态及权重的融合,将多雷达的回波幅值信息进行融合,并在此基础上实现对目标的检测跟踪,获得目标航迹。仿真试验结果表明,与单雷达效果相比,所提算法能够有效提高目标跟踪精度和目标正确发现概率。     

集中式组网雷达假目标干扰建模

针对集中式组网雷达数据处理算法的薄弱环节,通过对集中式组网雷达假目标干扰问题的研究,建立了密集假目标干扰、航迹扰乱干扰和航迹欺骗干扰三类假目标干扰模型。首先介绍了集中式组网雷达的数据处理算法,分析了这种算法对于假目标干扰的薄弱环节,针对薄弱环节提出了上述三种假目标干扰类型。然后给出了这三种类型假目标干扰的概念、产生方法、数学模型和运用方式;最后分析了组网雷达的抗干扰措施对于假目标干扰的影响。     

假目标配置数量模型及其效费比分析

在现代战争中,示假伪装的地位越来越重要。引入了真假目标的发现识别概率的指数分布模型,综合考虑作战时间、真假目标价格比等因素,确定战场生存能力和配置假目标成本两个目标函数,并以最小加权偏差法确定两者权重,建立基于多目标决策的假目标配置数量模型。最后结合实际问题,将各参数条件带入模型计算出假目标的最佳配置数量,同时利用假目标的效费比模型进行检验分析,从而为战时假目标配置数量的确定提供参考依据。     

基于网格聚类的弹道目标航迹起始算法

针对传统航迹起始算法起始弹道目标航迹时存在虚假航迹和起始速度慢的问题,提出了一种基于网格聚类的起始算法。该算法采用网格核技术和边界点提取技术来处理高、低密度网格中的雷达探测点迹,从而产生更加准确的簇,然后对簇中的点迹进行相似度聚类,最后采用修正逻辑法对每个聚类中的点迹进行航迹起始。仿真结果显示,该算法在较高密度的杂波环境下能够快速、准确地起始多个弹道目标航迹。     

自适应天波超视距雷达航迹融合算法仿真研究

针对天波超视距雷达在雷达坐标系下进行目标跟踪时,滤波器输出的各传播模式航迹起始与终结时刻的不同所造成的航迹缺失条件下的航迹融合问题,研究自适应天波超视距雷达航迹融合算法,通过应用当前时刻获得的新信息与历史时刻获得的信息联合确定最优关联假设,随着新信息的不断累积,对后向或前向不同时刻的航迹、传播模式以及目标的最优关联假设不断地进行修正,从而获得最优的目标状态估计。仿真表明,与多假设航迹融合算法相比,自适应天波超视距雷达航迹融合算法大大降低了融合结果误差,并对于电离层模型的误差具有很好的适用性和鲁棒性。     

点-航迹质量评估的联合目标检测跟踪方法

针对复杂背景下微弱目标的检测和跟踪问题,提出了一种基于点-航迹质量评估的动态规划方法。该方法在雷达传统的检测跟踪结构的基础上,结合雷达真实目标回波特性和目标的运动规律,在单周期内,根据目标的回波特性提出点迹质量的概念,在进行点迹凝聚处理的同时计算点迹质量的大小;在多周期间,根据目标的运动规律对目标的位置进行外推估计,根据估计值与量测值之间的欧式距离和方位差设计一个置信因子并结合点迹质量来改进航迹指标函数。仿真验证结果表明,该方法能够有效地消除伪航迹,计算量较小,能够提高复杂背景下雷达对微弱目标的检测和跟踪性能,并且结构简单,在工程上易于实现。     

相参雷达间歇采样灵巧干扰方法

间歇采样转发干扰是针对相参雷达一种有效的干扰方法,它利用脉压雷达匹配滤波特性,能够对雷达形成假目标干扰.首先分析了间歇采样转发干扰方法,指出了间歇采样转发干扰的不足之处,即脉压后干扰能量损失和假目标分布均匀,进而提出了间歇采样灵巧干扰方法,新方法形成的假目标分布不均匀,使得雷达识别真假目标可能性大大降低,仿真实验验证了新干扰方法的有效性.     

自适应航迹融合算法及其仿真

在简单融合算法和协方差加权融合算法的基础上给出一种自适应航迹融合算法,并对这一算法进行了仿真.首先根据已关联的多个传感器的航迹状态估计计算得到第一个距离测度S1,并与门限T1比较.若S1小于门限T1则融合节点将选择本地航迹估计作为全局航迹估计;否则计算距离测度S2.这里S2也是局部航迹状态估计的函数.若S2小于门限T2则判决融合节点执行简单融合算法;否则判决融合节点执行协方差加权航迹融合算法.这里门限值T1,和T2代表了系统对融合航迹质量的要求以及系统可用资源对融合算法的综合影响.仿真结果表明自适应融合算法能够根据融合系统不同时刻对融合质量的不同要求以及系统资源的变化来自适应地选择满足要求的融合算法,从而降低航迹融合算法的计算复杂度.     

一种多雷达多目标抗系统误差航迹起始方法

提出了一种多雷达多目标抗系统误差航迹起始方法,该方法利用不同雷达对同一目标探测具有较大相似性的特点,对接收到的多部雷达点迹,经初始相关序列提取、相关序列近邻假设整体分配、目标初始状态估计等环节,进行多雷达航迹起始,有助于解决因系统误差估计与数据关联互为前提而无法对目标实施精确跟踪的问题。仿真结果表明,该方法能够对多雷达点迹进行有效互联,提高存在雷达系统误差条件下的航迹起始正确率。     

天波超视距雷达扩展综合概率数据关联算法

考虑到天波超视距雷达径向速率量测与径向距离量测之间的关系以及径向速率量测精度较高的特点,提出了一种天波超视距雷达扩展IPDA算法.该算法利用当前时刻径向速率、径向距离的预测值和相应的量测构造出运动一致性因子,并推导了一致性因子的概率密度函数.在此基础上,利用一致性因子和马氏距离计算回波与目标的互属概率,从而减小异常点的影响、提高估计的精度.天波超视距雷达目标跟踪仿真结果表明:扩展IPDA算法在起始快速性、航迹起始概率、跟踪精度和稳定跟踪率等方面优于IPDA算法,同时其计算量只略大于IPDA算法的计算量.     

多预警机雷达信息融合的多普勒盲区目标检测

预警机雷达采用脉冲多普勒体制,不可避免地存在多普勒盲区。在对空工作模式下,多普勒盲区会导致目标频繁暂消和重复起批。在深入分析预警机雷达多普勒盲区目标的检测问题的基础上,构建了基于多站信息融合的分布式恒虚警率目标检测器。通过理论推导确定了融合规则,给出了局部雷达全空时处理条件下的目标检测广义似然比和虚警门限。仿真结果表明,该方法能够显著提高对落入多普勒盲区内的目标点迹的检测概率,同时改善了目标航迹质量,具有一定的实际意义和应用价值。     

基于LVQ神经网络的雷达杂波抑制方法

针对雷达目标检测后的剩余杂波影响雷达航迹起始和航迹跟踪的问题,提出基于学习向量量化（learning vector quantization,LVQ）神经网络的雷达杂波抑制方法。从雷达回波点迹的特征入手,通过分析目标点迹和杂波点迹的特征分布,通过人工提取特征的方式选取具有差异化的特征。根据特征数量和点迹类别数量构建LVQ神经网络分类模型,并对模型进行训练。利用训练好的LVQ神经网络分类模型对雷达回波点迹进行分类,区分目标点迹和杂波点迹,保留判别为目标的点迹,滤除判别为杂波的点迹,从而实现杂波抑制功能。通过对某型航管雷达的实测数据进行测试表明：该方法能够有效区分目标点迹和杂波点迹,杂波抑制能力比BP神经网络算法更好。     

逼近理想灰关联投影多目标决策的点迹-航迹关联算法

点迹-航迹数据关联是多目标跟踪的重要组成部分。将多目标决策思想和灰关联分析方法引入点迹-航迹关联的研究,提出了一种基于逼近理想灰关联投影多目标决策的点迹-航迹数据关联算法。仿真实验表明,该算法在密集多目标情况下有一定的实际应用价值。     

分布式多假目标干扰下组网雷达检测性能分析

多假目标干扰对雷达检测性能的影响是电子战研究的难点问题。对分布式多假目标干扰下组网雷达检测性能进行了分析,首先提出了对组网雷达的分布式多假目标干扰原理,然后研究了多假目标干扰对雷达网恒虚警率(CFAR)处理的影响,最后根据Albersheim的经验公式建立了一个适用于非起伏目标的雷达网检测概率计算模型,并且定义了干扰压制比作为衡量雷达网综合检测性能的评估指标。仿真结果验证了模型和方法的有效性。     

基于权值改进D-S理论的对空目标识别融合

针对传统证据理论证据高冲突性问题,提出了一种基于权值改进型Dempster-Shafer(DS)理论的对空目标识别方法。在研究D-S证据理论数学模型基础上,依据泛函距离空间理论,更新计算各个传感器的信度函数可靠性权值,对各个传感器的基本概率赋值函数进行修正,最后利用D-S合成公式对各个传感器进行融合判决。仿真结果证明了该方法的有效性。