基于加权D-S证据理论的辐射源目标识别

在目标识别中D-S证据理论应用较为广泛,该理论要求各传感器的重要程度相同,与作战使用相矛盾.就此提出了基于加权D-S证据理论的时空域目标识别方法,突出了不同传感器在目标识别中的地位和作用,使目标识别结果更接近作战实际.     

X波段雷达前门防护技术研究

为了提高X波段雷达的带外抑制能力,在传统方形环孔的基础上,设计了一种新型带通FSS单元。运用谱域法对这种新型单元的传输系数进行了数值计算。计算结果表明:该新型频率选择表面(FSS)的工作带宽为8～12 GHz,该新型单元具有极好的角度稳定性。入射角度φ从0°到90°变化时,工作带宽漂移量不超过100 MHz;入射角度θ从0°到45°变化时,工作带宽漂移量不超过400 MHz。应用于X波段(8～12 GHz)雷达天线上,可提高其带外抗干扰的能力。     

基于相参特性的雷达信号分选中“增批”问题研究

一部雷达可以在不同时间段内大范围跨波段工作,基于现行信号分选方法,常出现"增批"问题。利用信号相参特性,基于雷达本振初相不变性原理,提出求和曲线斜率判别法,对同一辐射源和不同辐射源信号进行分选仿真,并进行了误差分析。仿真结果表明,方法能够解决信号分选过程中的"增批"问题,当信噪比高于5 dB,并且测频误差在小于200 kHz时,分选准确率可以达到98%以上。     

基于粗集理论证据加权的电子目标识别法

在对电子目标进行识别时,往往采取多传感器融合的D2S证据理论进行处理,但是由于传统的D2S证据理论中各传感器对识别结果的重要性没有区分,基于此将粗集理论属性重要度概念应用到各传感器的重要性上,从而实现加权融合的证据理论。仿真实验及其结果表明该方法对电子目标识别是有效的,尤其在传感器受到干扰时,具有较强的现实意义。     

基于非参估计的局部滑窗双参CFAR目标检测

针对特定杂波概率模型不能有效的描述SAR图像背景杂波这一问题,提出了一种基于非参估计的局部滑窗双参CFAR目标检测算法。该方法首先用非参估计方法逼近SAR图像局部背景,完成对局部背景的精确建模;在此基础上,理论推导了局部双参CFAR检测算法的阈值,设计了阈值求解的数值算法。对典型目标图像进行实验,结果表明,该方法检测速度较快、精度较高。     

基于空时内插的机载双基地雷达杂波抑制方法

针对机载双基地雷达下视环境下非均匀地杂波的抑制问题,首先论述了抑制双基地机载雷达非均匀杂波的内插变换类空时自适应处理(space time adaptive processing,STAP)方法。然后在此基础上,提出了一种改进的空时二维内插变换方法(improved space time interpolation transfor-mation,ImSTINT)。该方法将训练样本的杂波子空间映射到单基地地基雷达的杂波子空间中,减少了变换后杂波子空间的自由度。仿真表明该方法比传统的内插变换类方法的杂波抑制性能好,且具有较强的稳健性和较少的样本量需求。     

多源目标识别中冲突证据的融合策略研究

随着防空反导作战环境的日益复杂,快速准确地进行真假目标识别显得尤为重要。针对多源目标决策级识别中冲突证据融合问题,在综合分析现有改进证据理论方法的基础上,引入新的冲突度量系数,提出了一种通过在融合流程中增加智能判断环节,以冲突系数为判断依据,对具有不同冲突系数证据选择不同组合规则进行证据组合的融合方法,并给出了策略的流程图。最后进行了实例验证,结果表明新策略能对不同未知信度和不同识别框架冲突证据进行快速有效的融合。     

一种改进的空袭目标威胁等级评估模型

量化判定空袭目标威胁等级是数字化战场信息融合的重要内容,也是未来联合防空作战中指挥决策系统合理分配作战资源的基本依据。但是,空袭目标威胁等级的评判标准至今尚未统一,本文首先使用AHP法建立空袭目标威胁等级层次分析模型,针对AHP法构建成对比较矩阵过于繁琐及各指标权重难以把握的弊端,只针对层次分析模型最下层的相关指标进行分析并提出量化方法,随后根据量化数值直接构建判断矩阵,并结合DELPHI法给出诸项评估指标的权重。最后,通过实例验证了该模型的有效性和准确性。     

雷达信号级仿真中的模型耦合问题研究

针对目标回波小尺度幅度起伏特性模型进行了介绍。对雷达线性接收机和对数接收机的特性和模型进行了对比。对雷达信号级仿真中,由于雷达采用非线性对数接收机造成的目标回波小尺度幅度起伏特性模型与接收机模型相互耦合的原因和所产生的影响进行了分析。提出对这样的模型耦合问题必须解决,以保证仿真研究结果的有效性。     

基于结构聚集度的海面目标特征描述及匹配方法

在对海面目标进行光电图像跟踪时,由于跟踪技术的局限性,跟瞄点往往会出现对目标的"失跟"现象,为了判断这一情况,通常需要对前后帧跟瞄区域的目标图像特征进行对比判别。但红外图像基本不存在颜色及纹理特征,而仅使用形状特征对于持续运动中的复杂目标图像又难以取得良好的效果。为解决这一问题,提出了一种基于目标结构聚集度的特征描述及匹配方法。首先对目标图像进行均匀矩形划分,在此基础上建立基于矩形块填充比的邻域矩阵作为图像特征,计算相邻帧图像该特征的欧氏距离差,并加入面积差参数进行特征匹配。对多种不同情况下的实测及模拟目标进行了计算机仿真实验,结果表明这种特征能够有效判断"失跟"情况,并且对于光学及红外目标旋转具有较好的不变性。