多传感器系统中的航迹合成

本文系统地研究了线性离散系统中的航迹合成和分层估计问题。第一,推出全局最优集中估计解;第二,提出一种新形式的最优航迹合成解,并介绍了它的特点和性质;第三,系统地讨论了一种次优合成算法;第四,导出了次优与最优合成算法的关系。理论分析和仿真研究表明,在过程噪声较小的条件下,次优解与最优解的性能非常接近。     

多普勒盲区条件下的目标点迹-航迹关联方法

机载预警雷达存在着固有的多普勒盲区问题,该盲区不仅易引起目标航迹中断和重起批,还容易引起数据关联的错误。基于此,提出了一种新的多目标点迹-航迹关联方法,该方法引入了由多普勒盲区造成的第二类空量测,将点迹-航迹关联作为最优二维分配问题求解,同时,为延长航迹寿命,采用多普勒盲区先验信息对传统航迹撤销准则进行了修正。仿真结果表明:在杂波、多目标环境且存在多普勒盲区的条件下,该方法航迹中断率较传统方法有明显下降。     

HOUGH变换与航迹关联

在雷达情报自动化处理过程中 ,无论是集中方式还是分布处理方式 ,都要进行航迹关联 ,即要识别哪些航迹源于同一目标。利用 HOUGH变换方法 ,将航迹映射到参数空间进行聚类 ,从而达到航迹自动综合的目的。仿真实验表明 ,这种方法是行之有效的。     

无人机天钩回收航迹控制系统设计与实现

天钩回收无人机在回收时对于航迹偏差等的控制精度要求苛刻,这对控制系统提出了挑战。提出一种用于无人机天钩回收航迹控制的新方法,设计无人机天钩回收航迹控制策略与流程,给出控制系统组成,基于某型无人机风洞试验数据,构建天钩回收无人机的线性化和非线性模型,利用优化L1航迹控制方法设计了航迹控制律,并在实际飞行试验中得到了应用,验证了所设计控制系统的正确性与工程实现性,最终的飞行试验结果表明,无人机能够在控制系统作用下实现精确天钩回收,且具有良好的动态特性。     

基于深度学习的高超声速飞行器运动行为识别

高超声速飞行器具有机动大、速度高、航程远、威胁强等特点,已成为各大国重点发展的武器装备,识别其运动行为能为防御和拦截提供有力的技术支持。本文对有禁飞区等复杂约束条件下的高超声速飞行器运动行为识别问题开展研究：首先通过分析高超声速飞行器的运动特点,建立能够充分描述其行为模式的参数化运动方程;然后基于优化思想求解有禁飞区等复杂约束条件下的航迹规划问题,构建其数据集;最后基于深度学习方法设计高超声速飞行器运动行为识别算法。试验结果表明：所设计的识别算法能够实现对高超声速飞行器运动行为的识别,且具有一定的泛化能力,可为后续防御决策提供一定的参考。     

基于SDNN神经网络的多雷达目标航迹跟踪研究

现代雷达系统中,目标的航迹跟踪是Network)节点自删除神经网络的多雷达目标航迹跟踪的方法.仿真结果表明,这种方法能够很好地完成多雷达目标的数据融合,并比较有效地实现了多雷达目标的航迹相关.     

适于坐标支援的航迹滤波算法研究

在网络化作战系统中,外围战需要实时接收来自目标指示雷达或制导雷达的坐标支援信息,其精度是外围战射击目标的保障.通过对某型雷达传统滤波算法的自适应调整,解决了传统方法在目标机动阶段精度差的问题;通过仿真分析,该方法满足精度指标,能够达到实战的要求,具有一定的工程实践价值.     

分布式火控网的数据融合研究

针对火控网的特点,采用了分布式结构。分析了自适应滤波算法的原理,采用航迹融合算法对各探测器的跟踪航迹进行了融合,仿真分析融合前后的距离、方位、俯仰的误差大小。仿真结果表明,分布式火控网经过航迹融合后,系统的精度有较大改善,跟踪性能比融合前有大幅度提高。     

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。