距离—速度二维波形分析跟踪

提出一种用于MTD体制雷达的速度－距离跟踪技术；距离－速度二维波形分析数字动目标跟踪技术。它是在距离波形分析数字动目标跟踪技术的基础上发展出来的。距离－速度二维波形分析数字动目标跟踪是通过高速采样存储N次雷达脉冲回波信号，在MTD处理（如FFT）后，分析回波波形信息获取目标的距离和速度误差而进行自动跟踪的。距离－速度二维波形分析数字动目标跟踪技术和距离波形分析数字动目标跟踪技术相比，利用的回波信息更全面，因而效果更好。     

相控阵雷达目标跟踪下的自适应波形选择

针对相控阵雷达的检测概率与能量资源消耗间的矛盾问题,采用了一种按照预测检测概率来自适应选择照射波形的方法,并在建立相控阵雷达模型的基础上进行了仿真。结果表明,该方法可在保证检测概率的同时,有效地节约雷达能量资源。     

基于波形库的目标跟踪波形选择方法研究

传统雷达对目标跟踪时采用固定的发射波形。本文应用认知雷达波形捷变的思想,通过建立波形库实现对发射波形的实时调用,从而进一步提高雷达的跟踪性能。在高斯噪声、线性运动目标跟踪方法的基础上,通过测量噪声与发射波形之间的关系,在经典卡尔曼滤波算法的框架中增加了波形选择模块,实现对跟踪波形的调节。同时,应用了两种不同的波形选择准则,并针对其不同的特点,仿真得出了不同的波形选择方案,表明通过波形库对波形进行实时调用可实现特定的目的和要求。     

基于波形自适应的认知雷达机动目标跟踪算法

从认知雷达的角度出发,综合考虑跟踪模型和波形选择,提出一种能够适应目标运动状态急剧变化的波形自适应机动目标跟踪算法。首先,将匀速运动模型和当前统计模型作为交互式多模型(IMM)的模型集,并结合贝叶斯理论提出一种时变转移概率的自适应IMM算法。然后,结合量测误差椭圆与目标状态预测误差椭圆正交理论,研究了基于基带脉冲波形模糊函数旋转的波形库实现方法并给出了波形自适应选择跟踪算法的具体步骤。仿真实验表明,所提算法能够适应目标不同加速度机动,雷达系统跟踪性能得到了较大幅度提升。     

基于改进交互多模型的目标跟踪波形优化算法

针对传统的交互多模型滤波算法中存在模型概率固化导致跟踪精度不高的问题,提出了基于改进交互多模型滤波的目标跟踪波形优化算法。首先,通过联合前后两个时刻的模型概率对概率转移矩阵进行加权来改进交互多模型滤波;然后,基于帐篷映射以及高斯扰动对秃鹰搜索算法进行改进;最后,在多目标场景下根据最大互信息准则,利用改进的交互多模型滤波建立目标函数,使用改进的秃鹰搜索算法设计出最优发射波形。仿真结果表明,使用所提算法可显著降低跟踪误差。     

米波雷达目标跟踪之分析

着重分析了米波雷达进行目标跟踪所普遍存在的一些问题,对跟踪滤波器性能与误差作了分析,指出观测的不确定性是导致跟踪发散的主要原因。最后给出了提高滤波预测精度的一些解决方法。     

一种认知跟踪雷达LFM波形库建立方法

认知雷达是下一代雷达发展的方向之一。在对认知跟踪反馈环进行分析的基础上,提出了一种线性调频( LFM)信号波形库的建立方法。在应用交互多模型跟踪机动目标的背景下,通过所建的波形库对发射波形进行实时调用,达到减小跟踪误差的目的。研究了具有不同调频率参数与Fr-FT旋转角度组合的不同数量LFM信号波形库的建立,以最小化模型选择不确定性为目的推导波形选择准则,得到了不同的波形选择策略。仿真验证分析其跟踪精度可以看出,构建具有一定数量LFM波形的波形库可以提高认知跟踪雷达的性能。     

一种认知跟踪雷达LFM波形库建立方法

认知雷达是下一代雷达发展的方向之一。在对认知跟踪反馈环进行分析的基础上,提出了一种线性调频(LFM)信号波形库的建立方法。在应用交互多模型跟踪机动目标的背景下,通过所建的波形库对发射波形进行实时调用,达到减小跟踪误差的目的。研究了具有不同调频率参数与FrFT旋转角度组合的不同数量LFM信号波形库的建立,以最小化模型选择不确定性为目的推导波形选择准则,得到了不同的波形选择策略。仿真验证分析其跟踪精度可以看出,构建具有一定数量LFM波形的波形库可以提高认知跟踪雷达的性能。     

动目标的步进跟踪分析

分析了用步进跟踪方式能跟踪什么样的动目标问题并给出目标速度的相关数值。     

米波雷达目标跟踪之分析

着重分析了米波雷达进行目标跟踪所普遍存在的一些问题,对跟踪滤波器性能与误差作了分析,指出观测的不确定性是导致跟踪发散的主要原因。最后给出了提高滤波预测精度的一些解决方法。     

基于波形调度的机动目标跟踪算法

针对机动目标的跟踪问题,提出一种结合自适应匀速（Constant Acceleration,CA）模型和波形调度的平方根容积卡尔曼滤波（Square-Root Cubature Kalman Filter,SCKF）算法.在CA模型的基础上,通过构建Jerk分量与速度、加速度的近似关系,使得状态过程噪声与滤波器输出的状态协方差矩阵相联系,以实现模型的自适应调整.另外,利用分数阶傅里叶变换（Fractional Fourier Transform,FrFT）旋转发射波形的模糊函数,使得量测误差椭圆与滤波算法中的状态预测误差椭圆正交,得到最优的发射波形,以从数据处理和信号处理两方面共同提升系统的跟踪性能.仿真结果表明,相比于基于改进当前统计（current statistical,CS）模型的无迹卡尔曼滤波（Unscented Kalman Filter,UKF）算法、基于CS模型的SCKF算法、基于CA模型的SCKF算法和交互式多模型（IMM）SCKF算法,所提算法结构简单且跟踪精度更高.     

相控阵雷达目标跟踪算法

相控阵雷达和边跟踪边搜索雷达相比多一个自由度,因为它可以采用可变更新时间。当探测到某一目标机动时,可以缩短更新时间以改善跟踪精度。业已证实可变更新时间能够用于αβ滤波器,但更新时间值取决于偏差的大小。作者把Monte-Carlo模拟应用于各种各样的目标轨迹,对Cohen算法作了验证,此外还研究了选取更新时同的其它策略,探讨了算法参数范固内均方估算误差和平均更新时间的关系。由此而得出的结论是:在选取算法参数时,必须折衷考虑以使得估算误差较低而又不至于使平均更新时间太短。     

针对机动目标跟踪的雷达发射波形选择

该文首先在交互多模型(Interacting Multiple Model, IMM)算法的框架下,选择常速模型和自适应加速度模型作为状态模型,以应对实际中非合作目标的非机动与机动状态,并将此算法称为自适应IMM算法。然后针对机动目标跟踪时,雷达发射波形的选择需要兼顾测距测速性能与多普勒容忍性的问题,提出将V型调频(V-Linear Frequency Modulated, V-LFM)信号作为发射波形。通过分析多脉冲线性调频信号,V-LFM信号和M序列3种信号对目标距离和速度估计性能的克拉美罗下界(Cramer-Rao Lower Bound, CRLB)与多普勒容忍性表明,V-LFM信号可以在较少多普勒容忍性损失的情况下,有效提升对目标距离和速度的估计精度。仿真结果表明：发射多脉冲V-LFM信号并采用自适应IMM算法,可以明显提高雷达系统的跟踪性能。     

基于信息熵准则的认知雷达机动目标跟踪算法

针对复杂战场环境下机动目标跟踪难题，提出一种认知雷达目标跟踪算法.基于人类"感知-行动"循环思想，首先把目标径向距离、径向速度和方位等量测的克拉美罗下限近似为量测误差协方差，用信息熵描述目标跟踪的不确定性，然后以最小熵为准则建立了雷达接收端数据和发射端信号处理之间联系；为避免传统交互式多模型（Interacting Multiple Model，IMM）算法由于模型转移概率设置不合理所带来的跟踪精度下降问题，受人脑三阶段记忆机制启发，将"记忆"嵌入IMM算法，通过自适应调整模型转移概率，增强了优势模型的交互主导性，弱化了不匹配模型的不良竞争.仿真实验验证了算法的有效性.     

舰载相失阵雷达机动目标跟踪技术

文章讨论舰载相控阵雷达的机动目标跟踪问题；提出一种自适应卡尔漫滤波与动态补偿技术相结合的方法来实现动载体环境下相阵雷达对于机动目标的有效精确跟踪，并给出仿真结果。     

自适应变跟踪波门宽度目标跟踪方法

分析了跟踪雷达对目标跟踪中存在的问题,论述了自适应变跟踪波门宽度目标跟踪方法,在保证目标跟踪稳定的前提下,减小杂波、大目标副瓣对目标跟踪的影响,提高目标跟踪性能.     

多传感器远距离空中目标跟踪精度分析

本文主要研究了非线性系统中多传感器的位置对远距离空中目标跟踪精度的影响,通过理论分析和仿真发现,非线性系统中多传感器的合理放置可以大大提高对目标的跟踪精度。