一种空基雷达高速微弱机动目标信号相参积累方法

通过分析空基雷达对空目标检测时的简化运动模型,提出了一种基于时频反转互相关的方法来同时校正奇数次运动项带来的距离徙动和偶数次运动项带来的多普勒徙动。对于急动度较大的三阶运动模型,在此方法的基础上进一步提出了对称时移双重自相关处理的方法来估计得到急动度信息,通过其构建补偿函数来消除急动度带来的多普勒扩散。该方法无需进行参数搜索,计算量较小,可以适用高阶运动模型,实验验证积累效果较好。算法具有较好的工程应用前景,可推广应用到其他高速飞行器低可检测性场景下雷达回波信号的检测。     

一种新的超声速弱目标长时间相参积累算法

由于超声速弱目标的高速、小雷达散射截面特性,常规雷达难以对其进行有效检测与跟踪。针对该问题,文中提出了一种新的超声速弱目标长时间相参积累检测与估计算法。首先,给出了超声速弱目标回波信号模型,并分析了距离走动特性,同时通过构造线性频率相位因子,补偿了距离走动的影响;然后,进行匹配滤波和相参积累,来提高目标的检测性能,同时完成目标的参数估计;最后,通过仿真实验分析了该算法的检测和参数估计性能。理论推导和仿真结果表明,该算法的信噪比积累增益为脉压比和相参积累脉冲数的乘积。     

高机动雷达目标快速长时间混合积累算法

长时间积累是提高雷达微弱目标检测性能的有效方法,但高速高机动目标的跨距离单元和跨多普勒单元现象严重限制了积累性能。为此,本文提出了一种长时间混合积累的新方法,将积累时间划分为若干个子孔径,在子孔径内同一个距离单元相参积累,在子孔径间实现高效的跨距离单元非相参积累。该方法中采用启发式搜索策略,有效地解决了遍历搜索中运动模型阶数增长带来的运算量爆炸问题。同时,其可通过高阶包络补偿有效降低信噪比损失。数值实验表明,新方法较现有混合积累方法可显著改善检测性能和降低运算量。      

一种无源雷达高速机动目标检测新方法

针对无源雷达中高速机动目标在积累时间内出现距离和多普勒徙动,导致检测性能恶化的问题。该文建立了目标信号模型,提出一种基于Keystone变换结合傅里叶变换分段计算的高速机动目标检测方法,通过信号重叠分段划分快时间和慢时间,利用Keystone变换校正径向速度差的距离徙动,再对慢时间进行二次分段,并结合傅里叶变换的分段计算完成径向加速度差的距离和多普勒徙动校正,实现信号相参积累和目标检测。仿真和实测数据结果验证了该方法的有效性。     

一种基于相参积累的检测前跟踪算法

现有的TBD方法基本思想通过对多帧数据作非相参积累改善检测性能来检测弱小目标,但是非相参积累存在固有的积累损失.文中提出了基于相参积累的TBD方法,将若干帧数据中可能航迹上的点作相参积累,有效利用了回波信号的相位信息,克服了非相参积累的固有积累损失.仿真结果表明该方法与非相参积累的TBD方法相比,在检测概率为0.9条件下信噪比有1.5 dB以上的改善.     

用于机动目标跟踪的分段机动识别方法

分段轨迹识别方法是一种将目标轨迹分成若干段曲线,对每一段曲线进行参数估计进而估计目标状态的跟踪方法.基于分段轨迹识别方法提出了一种分段机动识别方法,使之能够适用于更多的目标机动类型.针对速度变化的目标,提出了新的曲线参数描述的模型以及新的优化跟踪性能的代价函数,改进了判断分段结束的条件以及起始新分段的方法.仿真结果表明:分段机动识别方法在稳态性能不变的情况下,能够更好地跟踪加减速目标;同时,分段机动识别方法对于高度机动目标的跟踪性能和准确构造的交互多模型算法相似,且远优于匀速直线运动模型下的卡尔曼滤波器.     

单脉冲雷达基于相参积累的多目标分辨

单脉冲远程精密跟踪测量雷达是空间目标探测、编目和识别的主要设备,具有跟踪精度高、作用距离远等特点,但只具备单目标跟踪能力。通过相参积累的事后数据分析方法,解决了波门外目标的外测数据丢失的情况,实现了多目标的分辨监测。仿真结果表明,基于相参积累的多目标分辨算法可有效地实现多目标监视与辨别,为轨道碰撞预警和空间目标识别等任务提供了理论参考。     

基于改进的快速RFT算法的高速目标检测

RFT算法是一种广义的MTD,可以沿着目标运动轨迹进行相参积累。通过分析RFT算法中产生的盲速旁瓣(BSSL)及其与主瓣之间的关系,将基于Chirp-Z变换的快速RFT和标准RFT算法结合,提出一种改进的快速RFT算法,在一个速度区间利用快速RFT搜索目标的模糊速度和距离单元,通过构建速度搜索函数利用标准RFT对目标进行精确搜索。与原有快速RFT相比,改进算法运算量明显减少且不会随着模糊因子的增加而急剧增加。通过仿真实验,验证了在理想条件下积累结果接近理论值。     

一种基于TRT-SKT-HAF的变加速目标快速相参积累算法

在雷达高速机动目标的检测中,目标的运动特性会带来距离走动和多普勒徙动现象,不利于后续进行相参积累。传统算法为解决目标运动造成的影响,需要对目标的运动参数进行搜索,加大了计算量。针对上述问题,文中提出了一种基于慢时间序列反转变换(TRT)-二阶keystone变换(SKT)-高阶模糊函数(HAF)的变加速目标快速相参积累算法。该算法通过TRT和SKT校正距离走动,利用HAF估计目标加速度并构建相位补偿函数以校正多普勒徙动。与广义Radon-Fourier变换相比,所提方法无需进行任何参数搜索,计算复杂度减少了3个数量级。仿真结果表明,所提方法在检测门限上相比于Radon分数阶模糊函数算法降低了5 dB,在低信噪比下有更好的检测性能。     

一种基于接收相参的鸟类目标探测雷达

针对鸟类目标探测技术能有效预防飞鸟对飞机起降带来的危害问题,提出了一种基于接收相参的鸟类目标探测雷达方案。通过对鸟类目标探测雷达系统及鸟类目标实际飞行姿态的分析,研究系统构架及技术途径。并通过工程实践研究接收相参技术在鸟类目标探测雷达中的应用。以试验数据验证了该方案的可行性,对下一步的工程应用具有参考价值。     

Coherent integration detection method for maneuvering target based on dynamic programming

In allusion to the coupling relationship among radial velocity variation, range migration and Doppler spread of a maneuvering target, a dynamic programming (DP) based long time coherent integration (DPCI) detection method is proposed. The energy of the target of high velocity and strong maneuver could be integrated along its trajectory by the proposed DPCI method with high efficiency. The main idea of the DPCI is the joint execution of two operations: the modified DP procedure that could search the current position and velocity of the target, and the improved coherent integration that could calibrate the Doppler shift during the entire process with any large phase spread. The proposed method is applicable to a target with arbitrary motion without estimating its specific movement parameters. Simulation results and performance comparisons show the accuracy and superiority of the proposed method.     

基于当前统计模型的强机动目标跟踪算法

当前统计模型算法将当前加速度均值作为输入控制项引入一步预测方程,实质上变为方差自适应变化的匀加速直线运动模型,虽然单位阶跃加速度输入的稳态误差为零,但对变加速度运动的机动目标跟踪效果变差。本文提出一种改进算法,在保留修正瑞利分布描述机动加速度统计特性的基础上,选择零均值时间相关模型,并与当前统计模型算法进行比较。仿真结果表明,本算法对变加速机动目标的跟踪性能明显优于当前统计模型算法。     

基于GRT-CLEAN的高速旋转目标快速三维成像方法

针对传统高速旋转目标三维成像算法存在成像效果差、计算复杂度大、鲁棒性差的缺点,本文提出一种加速的GRT-CLEAN高速自旋目标三维成像方法。采用广义Radan变换(GRT)与CLEAN技术相结合的方法进行目标三维特征提取,实现高分辨精确目标成像;采用"先粗网格,后精确网格"的策略,分两步对散射点目标进行估计,降低计算复杂度,计算复杂度从Ο(N×P×Q×T)降为Ο(10~(-4)×N×P×Q×T),大幅提高成像速度。仿真实验与数值分析验证了本文所提方法的有效性。实验结果表明,本文所提成像在低信噪比和目标存在遮挡的情况下,依然能对目标进行有效成像;与传统的GRT-CLEAN成像方法相比,本文所提成像方法大幅降低计算复杂度。     

高速高机动弱小目标检测方法研究

本文针对高速高机动弱小目标检测中的距离走动和多普勒走动问题,提出一种多普勒频率补偿加尺度变换的目标检测方法.首先通过多普勒频率估计构建多普勒频率补偿函数,消除速度引起距离走动的影响,其次采用尺度变换方法消除多普勒调频率的影响,从而使积累时间不再受目标运动的限制.该方法无需多普勒调频率估计,解决了传统弱小目标检测方法中多普勒调频率估计准确性问题.在进行多普勒频率估计时,提出一种无模糊多普勒频率估计方法,该方法避免了模糊因子估计,大大减小了计算量,同时降低了对输入信噪比的要求,且有利于多目标情况.仿真结果验证了所提方法大大提高了高速高机动弱小目标的检测性能.     

一种机动海目标跟踪算法研究

在α-β跟踪滤波器的基础上增加了机动检测器,根据残差过程的变化特性,设计机动检测准则来提高对机动海目标的跟踪性能。仿真比较了原始α-β跟踪滤波器和加机动检测器的滤波算法性能。     

基于改进K-means算法的陆战场机动目标分群方法

陆战场上的多个机动兵力集群在某些情况下可能出现队形相互交错的情况,运用传统的基于实体空间信息的聚类算法(如K-means算法)进行实体目标分群时效果不理想。通过对实体空间信息进行分析与处理,提出了一种基于改进的K-means算法的陆战场机动目标分群方法,重新设计了用于K-means算法的距离度量函数,引入模块度的概念,实现了k值的自适应选取,通过实验验证了该方法对呈较复杂分布的陆战场机动目标进行分群的合理性。     

基于标签多伯努利滤波器的机动小目标检测前跟踪

标签多伯努利(LMB)滤波器在传统多伯努利滤波器基础上引入标签空间,能够实现真正意义上的多目标轨迹级滤波.文章对红外小目标的运动和量测进行建模,将标签多伯努利应用到红外小目标检测前跟踪领域.在此基础上,为了实现对运动模型时变目标的检测前跟踪,将交互式多模型(IMM)与LMB检测前跟踪算法相结合,提出IMM-LMB检测前跟踪算法.此外,给出了该算法的序贯蒙特卡罗实现.仿真结果表明,所提算法能够从输入的原始图像中直接实现轨迹级多目标检测和跟踪,且能够在线更新多模型概率,更好的适应多机动目标场景.     

一种改进的机动目标跟踪算法

Singer模型是一种全局统计模型，它考虑了目标所有机动变化的可能性，适合于各种情况和各种类型的机动。由此也导致每一种具体战术情况下的每一种具体机动发生的概率势必很小，所以其跟踪精度不高。UKF—Singer算法通过设计逼近系统状态的分布Singer点，采用UT变换，最后获得滤波值基于状态方程的更新，有效解决了传统Singer模型存在的问题，提高了其跟踪精度。通过仿真试验证实了该算法是有效的。     

Coherent optical transversal filter using silica-based waveguidesfor high-speed signal processing

A coherent optical transversal filter with a tapped delay-line structure is described. Utilizing phase information this filter can express arbitrary tap coefficients (including general complex numbers) by coherently combining tapped signals. Experimental filters using silica-based single-mode optical waveguides, monolithically integrated on silicon substrates were developed for stable and high-speed operation. Experimental results demonstrate the operating capabilities of the filters for high-speed signal processing. The operating bandwidth was experimentally estimated. Degradation of the frequency characteristics due to both deviation of fiber fabricating parameters and errors in setting tap-coefficients has been estimated theoretically     

基于变步长增益调整的机动目标跟踪新算法

针对Singer模型的缺陷和“当前”统计模型存在的对弱机动目标跟踪能力较差的缺陷进行了改进,设计了一种新的加速度自适应模型;利用该模型设计出新的机动目标跟踪滤波算法,该算法对机动目标跟踪的综合性能有了较大的提高。在此基础上,为了减少滤波增益矩阵的计算量,使算法易于微机工程化实现,提出对滤波增益矩阵进行变步长调整的新方法,即通过在线检测算法确定何时有必要进行滤波增益的调整,而不需要每一步都计算增益矩阵,从而较多地降低了滤波算法的计算量。通过以上两个方面的改进,不仅提高了机动目标跟踪的精度,而且提高了目标跟踪的快速性和实时性。仿真验证表明该算法有良好的跟踪性能,而且计算量小,易于微机工程化实现。