调整接收站测距同步脉冲的双基地雷达测距新方法

提出了双基地雷达测距的一种新方法,该方法通过调整接收站测距同步脉冲的延时,使接收站对双基信号跟踪时坐标跟踪系统的输出为单基距.给出了调整接收站测距同步脉冲测距的原理及测距同步脉冲延时调整量的控制计算流程,给出了计算的数学模型,针对典型的目标航迹进行了仿真,仿真结果表明了该方法的可行性.该方法在将单基雷达改造为双基雷达时,可避免对原系统核心的软、硬件进行大的改装,使改装简单可行.     

基于传感器网络数据融合的目标定位方法

针对传感器网络测试系统在战场及终点效应中的应用,探讨了基于多种传感器网络的目标定位方法,提出了采用最优加权融合估计算法将各种传感器的定位信息进行融合处理,并将融合结果与各种传感器计算结果进行比较,结果证明了经融合处理可以大大提高定位精度.     

信息化训练场中雷达电磁兼容问题

电磁兼容是现代战场和电子对抗训练中影响装备作战效能和部队作战能力的重要因素,针对训练场雷达电磁兼容问题进行了研究,重点分析了雷达在电磁兼容环境下所形成的多种干扰条纹,然后从空域、时域、频域等多个方面初步探讨了解决信息化战场和训练场雷达电磁兼容问题的方法,相关研究对于训练中雷达电磁兼容管理和干扰效果评估具有重要参考价值.     

非线性最小二乘算法在双基地雷达目标定位中的应用

双基地雷达的目标定位解是一个非线性优化问题,引入了高斯-牛顿迭代法解非线性最小二乘方程组,为了提高迭代的收敛性和目标位置解的准确性,采用精度最高的一组测量子集单元解算出的定位解作为迭代初始值,并充分利用了所有的观测信息.仿真结果表明,采用该种算法迭代次数少,比简化加权最小二乘算法(SWLS)有更准确的目标定位解,从而使得整个受控区域内的定位精度有较大提高,定位性能得到优化和改善.     

计算机病毒攻击条件下的信息网络效能度量

从网络中心战的内涵入手,分析了其内部逻辑结构,指出信息网络是网络中心战效能得以发挥的关键,将信息网络的效能模型与计算机病毒在网络中的传播模型相结合,建立了计算机病毒攻击条件下的信息网络效能度量模型.在蓝方进行计算机病毒攻击条件下,针对红方采取有效的反病毒措施和不能采取有效反病毒措施,进行了仿真模拟,并分析了对信息网络的效能所产生的影响,得出了有价值的结论.     

MIMO体制米波圆阵雷达研究

将MIMO(Multiple Input Multiple Output)思想和圆阵雷达结合起来,提出了MIMO体制的米波圆阵雷达模型.对于米波圆阵雷达,采用MIMO体制后,目标和镜像的相关性减弱,虚拟阵列的有效孔径增大,能实现目标和镜像的二维角估计.理论分析及仿真实验结果表明,MIMO体制的米波圆阵雷达不仅能估计出目标的方位角,且能从俯仰上将目标和镜像分开.     

雷达网实际探测概率分布模型与仿真算法

基于综合考虑各种外界因素影响的雷达实际平面探测区域,建立雷达网实际探测概率分布模型,是一个有待深入探讨的问题.考虑地物遮蔽、顶空和波瓣间盲区的具体影响,首先讨论了雷达单元实际平面探测威力模型,进而提出了一种雷达网实际探测概率分布模型与仿真算法.实例仿真结果表明该模型和算法实用高效.     

基于神经网络的混合双滤波器自适应目标跟踪算法

在分析近期基于神经网络数据融合的目标跟踪算法的基础上,结合一种新的自适应滤波模型(NAF)和速度估计自适应跟踪算法(AVE),提出了基于神经网络混合双滤波器的机动目标自适应跟踪算法(NHDF).该算法通过在线自动调节网络输出进行过程噪声方差融合,降低了现有算法因系统方差的调整不当而带来的精度损失.理论分析及仿真结果证明,与"当前"统计模型、速度自适应模型和新的自适应模型算法相比,该算法具有跟踪精度高,自适应能力强的优点.     

基于不变矩和神经网络的目标识别方法

针对寻的导引头成像制导中实时采集图像由于存在几何失真及像质模糊而导致目标识别精度差的问题,提出了一种基于不变矩和神经网络的目标识别方法.该方法采用一种改进的不变矩算法提取目标图像的不变矩特征量来训练BP神经网络,实现目标图像的识别和分类.仿真结果表明该不变矩特征库训练的神经网络分类器具有较高的识别精度,是一种比较实用的目标识别方法.     

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.