精确制导技术研究

精确制导技术在整个现代军事技术的发展中占据着十分重要的地位,是世界各国竞相发展的对象,但是迄今为止在国际上尚无统一的定义,也无统一的分类标准.首先给出了精确制导技术的基本概念,然后详细地介绍了精确制导技术的分类,并分析了它们各自的优缺点,最后对精确制导技术的发展趋势作了说明.     

舰载雷达中频信号仿真设计与实现

为满足舰载传感器或武器系统论证、设计、试验、评估、训练等全生命周期的应用,对新型舰载警戒探测与跟踪雷达中频信号模拟器的系统体系和组成进行了探讨,介绍了系统的功能和技术指标,重点研究了软件无线电在雷达中频信号模拟中的应用、雷达电磁环境和目标回波仿真等一些关键技术,包括目标航迹模拟、目标回波模拟、杂波信号模拟、雷达接收天线仿真、雷达天线方向图仿真等.采用软件无线电技术和软硬件相结合的方法较逼真地实现了海战场复杂电磁环境下雷达中频信号的模拟.     

确定性理论在雷达型号识别中的应用

雷达型号识别是雷达对抗情报侦察的首要工作,是近一步分析雷达用途及相关武器系统的基础,也是高层次上的态势评估和威胁估计的主要依据.针对现代战争中电磁信号环境的复杂性,利用单一传感器很难对雷达型号进行准确识别,而基于确定性理论的不确定推理技术能将多个传感器在多个周期的侦察信息进行融合,所以采用确定性理论的数据融合技术,基于确定性理论的组合规则,采用分层式融合算法对雷达型号进行识别.仿真结果表明,该方法的识别结果令人满意,使采用单一传感器可能存在的无法识别或误识别等现象得到了明显的改善.     

对地形跟随/回避雷达干扰的可行性研究

在介绍地形跟随/回避雷达工作原理的基础上,通过设定典型超低空突防飞机的战术行动,分析了对雷达实施有效干扰所必须具备的条件,包括侦察/干扰机的部署、数量要求等;并计算了在传感器/摆放(投掷)式干扰机模式下对装备的性能要求,得出了在目前技术条件下,对地形跟随/回避雷达实施干扰在技术和战术上都是困难的.     

基于自抗扰控制的高超声速飞行器再入制导律

鲁棒制导律设计是增强高超声速飞行器再入突防能力、提升飞行安全性的重要保障.针对多约束条件及多种气动参数摄动影响的高超声速飞行器再入轨迹抗干扰跟踪问题,首先,在标准轨迹制导的框架下,结合模型辅助线性自抗扰控制和基于航向角误差走廊的几何制导逻辑,提出了一种可满足纵向和横侧向平面制导任务需求的自抗扰再入制导律;其次,采用反馈...     

一种基于CAE的HRRP去噪重构与识别方法

针对HRRP识别研究中面临的噪声污染问题,提出了一种基于卷积自编码器(convolutional auto encoder, CAE)的HRRP识别方法。此方法将CAE的重构功能与卷积神经网络(convolutional neural network, CNN)的分类性能相结合,将未含噪声的数据作为标签,利用CAE学习含噪声HRRP的噪声特征,实现对HRRP的去噪重构,后利用CNN对重构后的HRRP进行识别。仿真实验表明：在10 dB、20 dB、40 dB峰值信噪比的噪声环境下,该方法对HRRP的识别准确率分别可达到76.48%、95.14%、98.33%,能够一定程度上克服噪声对HRRP识别带来的不良影响,保证识别精度。     

频谱共存下机载组网雷达辐射资源与航迹规划联合优化算法

为了提升频谱共存环境下机载组网雷达多目标跟踪性能,提出了一种雷达辐射资源与航迹规划联合优化算法。首先,推导了包含雷达辐射资源以及载机飞行参数的贝叶斯克拉美-罗下界表达式,以此作为多目标跟踪精度的衡量指标;在此基础上,以最小化机载组网雷达多目标跟踪误差为优化目标,以雷达辐射资源总量、载机机动性能、通信基站可容忍干扰能量和跟踪各目标节点数为约束条件,建立频谱共存下机载组网雷达辐射资源与航迹规划联合优化模型;然后,将上述优化模型分解为多个子问题,并结合循环最小化算法、半正定规划算法和粒子群算法进行分步求解。最终仿真结果表明,所提算法能够在保证通信基站正常工作的条件下,充分利用各平台运动优势,与现有算法相比,能够有效提升机载组网雷达的多目标跟踪性能。     

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。