波形分析数字动目标跟踪技术

本文提出了雷达距离粗密自动跟踪的一种新方法－波形分析数字动目标跟踪技术，波形分析数字动目标跟踪是通过高速采样存储雷达回波信号。然后分析回波波形信息藓取目标的距离误差而进行自动跟踪的，，波形分析数字动目标跟踪系统与传统的分裂波门跟踪系统比较具有测距精度高，距离误差与回波强度无关，识别并抗欺骗干扰能力强等优点。     

跟踪雷达MTD信号处理角误差分析

跟踪雷达MTD信号处理机中，角误差处理采用了与传统相位检波器提取误差信号不同的数学计算方法，证明了该方法的有效性，指出了应用该方法应注意的问题，并特别提出积累对提高误差准确性的作用。     

距离—速度相参干扰对目标识别雷达欺骗干扰效能分析

雷达自动目标识别技术的发展表明,通过对目标的雷达回波进行分析可以实现对目标类别属性的判断,给欺骗干扰带来了新的挑战.研究了距离-速度相参假目标欺骗干扰对具备目标识别能力雷达的干扰效果,以基于微动特征的目标识别方法为例,通过理论分析、仿真验证等方式进行了分析,结果表明,距离-速度相参假目标信号能够很好地通过雷达的目标检测处理过程,但是由于并未考虑对目标回波特性的高逼真模拟,因此现阶段,雷达自动目标识别技术能够实现对距离-速度相参干扰假目标信号和真实目标信号的区分.     

基于高性能DSP的自动距离跟踪系统的设计

在简单介绍自动距离跟踪系统工作原理的基础上,结合一个二阶距离跟踪系统的例子,着重讨论了用高性能的DSP芯片和大规模可编程FPGA共同实现的自动距离跟踪系统的硬件结构和主要工作流程,及其与传统的自动距离跟踪系统相比所具有的特点,分析了该系统的主要性能指标并给出了该系统的实验测度结果。     

基于变维卡尔曼滤波的塔康距离跟踪算法

为提高跟踪精度,在塔康系统距离测量中,可采用 Kalman 和α-β算法对距离测量值进行滤波。要确保处理精度,采用 Kalman 滤波器,状态变量取的会比较多,而α-β算法是一种常增益滤波器,会出现发散情况。针对两种滤波器的不足,提出了变维 Kalman 滤波的塔康距离跟踪算法,该算法建立距离测量的非机动模型和机动模型,通过距离滤波在机动和非机动两种模型间的自适应切换,完成塔康距离实时跟踪。应用 Monte Carlo 方法仿真表明：该算法可实现塔康距离的实时跟踪,而且距离测量准确度有了一定提高。     

SFP雷达一维距离像与数字距离跟踪

指出了距离跟踪对SFP(步进频率脉冲)雷达一维距离成像的重要性以及实验用成像方法的局限性。采用数字距离跟踪可以降低对A／D转换器采样频率的要求，大大减少了成像的运算量。数字距离跟踪还可以对速度进行估计，从而对成像进行速度补偿。本文还给出了用单片机实现数字距离跟踪的方案。     

距离跟踪回路的研究

根据精密测量雷达Ⅱ型距离跟踪回路模型 ,研究并推导了回路等效噪声带宽在雷达工程上的新公式。该公式的计算结果、实验结果与仿真结果完全一致 ,从而证明了该公式的正确性 ,为工程设计提供了理论依据     

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.     

多目标跟踪时的雷达波形调度问题

在目标跟踪领域,优化调度雷达波形能有效提高系统跟踪性能,但现有的方法均局限于单目标情况下的场景。针对多目标跟踪时的雷达波形调度问题展开了研究,首先给出了波形参数与观测误差协方差的关系,介绍了交互多模跟踪滤波算法,然后提出以滤波协方差矩阵的行列式作为对目标跟踪性能的度量标准,并从观测目标选择和波形参数优化两方面对波形调度问题进行了分析,最后结合IMM跟踪算法提出了多目标情况下雷达波形的最优调度方法。仿真实验验证了该方法的有效性。     

非相参雷达目标回波的特征提取方法研究

在着重研究非相参雷达视频回波的基础上，对目标视频回波数据作预处理，借鉴波形特征树的波形特征描述方法，研究了一种基于非相参雷达目标回波的特征提取算法，并用大量的真实雷达目标数据对这种方法进行检验，实验结果表明，这种方法能有效描述目标特性。     

一种基于机载广域监视系统的目标跟踪方法

广域动目标监视模式是借助天线在方位向上快速扫描来实现大范围动目标监视的一种雷达工作模式,这使得雷达系统可以对同一个动目标在不同时刻进行多次观测并跟踪其轨迹。该文提出了一种基于机载广域监视雷达系统的地面目标动目标跟踪方法。首先,根据动目标检测得到的信息估计运动目标的位置;然后对每个目标设置关联门限,并对进入门限的目标计算加权的关联度;最后通过全局最优得到关联的结果。该文还比较分析并确定了算法对误差大小的适用范围。通过仿真并与另外两种算法进行比较,验证了该算法的有效性,实际数据的处理结果也说明了算法的可行性。     

一种综合考虑目标检测与估计的波形设计方法

讨论了在综合考虑目标检测与估计性能的条件下,雷达发射波形的优化设计问题.由于衡量目标检测与估计性能的直接指标是信噪比(SNR)和互信息(MI),文中采用将SNR作为约束条件下最大化MI的准则,通过引入发射信号的自相关序列将优化目标转发为凸优化问题,进而优化设计发射波形.仿真实验的结果表明,利用该方法所设计的波形能够满足输出SNR约束(对于目标检测性能)且同时能够最大化MI(对应目标估计性能).     

遮挡情况下目标跟踪算法研究

提出了基于分层模板匹配、模糊理论与卡尔曼滤波相结合的解决遮挡问题的算法。其以基于分层模板匹配为基础,模糊理论用于判断遮挡,卡尔曼滤波用于跟踪预测。Matlab仿真实验表明:该算法实现了跟踪过程中目标存在遮挡时的稳定的、实时的跟踪。     

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.     

船用雷达目标跟踪的新方法

本文提出一种由广义小波神经网络实现船用雷达跟踪中航迹外推的自适应新方法.由S(sigmoid)函数构造的尺度函数和小波作为网络中神经元的激励函数,隐层节点数由小波分解次数和处理信号维数决定,输出层采用局部连接方式以解决多维信号的不利影响.理论证明,广义小波神经网络的鲁棒性在一定条件下优于BP网络.仿真表明,该方法的在线处理运算量不随所跟踪的运动目标模型的复杂性而增加,并且对变加速和急转弯运动目标具有较高的跟踪精度.