利用一维距离像序列估计弹道中段目标进动参数

进动是自旋弹头固有特性,进动参数是中段真假弹头识别的重要特征量,已发表的文献多利用进动目标的RCS序列估计进动参数.本文通过对平底锥弹头散射特性及其进动模型的分析,指出进动将造成一维距离像序列上散射中心位置的周期性走动.在此基础上,提出了一种利用进动目标上两个强散射中心在一维距离像序列上的位置差来估计进动参数的方法,并给出了应用该方法的具体步骤.仿真结果验证了所提方法的正确性和有效性.     

利用HRRP序列估计弹道中段目标进动频率

弹道导弹中段的真、假诱饵受质量分布等因素的影响,其进动频率等特征存在较大差别。微动特性作为弹道导弹目标识别中的稳定特征,可以通过旋转目标的微多普勒信息进行提取,这也是当前弹道导弹目标识别的研究热点。本文以弹道中段的锥柱状弹头为研究对象,建立了该类目标的散射点模型和进动模型,通过分析一维距离像上散射中心位置变化特点,提出基于散射点时频分布图估计进动频率的算法。该算法首先应用短时傅里叶变换得到强散射中心单元的时频图,再利用自适应阈值法提取时频脊线,从而估计出目标进动频率。实验仿真了弹道回波数据,并利用该数据验证算法的有效性。实验结果证明了算法具有良好的抗噪性能。      

弹道目标进动周期特征提取研究

建立了弹道目标进动回波模型,利用该模型对循环自相关法、循环平均幅度差法和方差分析法等回波序列幅度周期特征提取方法进行了比较,分析了各种方法的优缺点,提出了基于特征值熵的方差分析法.该方法通过对回波序列进行特征值分解计算特征值波形熵,然后利用方差分析法估计幅度周期.基于特征值熵的方差分析法有效地解决了上述传统方法易受噪声干扰的缺点,既保持方差分析法周期提取的精确性,又利用特征值波形熵准确判断周期性,减少了方差分析法的误判率,在低信噪比条件下具有较为稳健识别性.通过仿真实例比较了各种信噪比条件下该方法性能,并与方差分析法进行了比较,结果表明该方法具有良好的抗噪声性能.     

循环AMDF及其语音基音周期估计算法

基音周期是语音压缩、合成以及识别中的一个重要参数.传统的基于AMDF的基音估计算法容易导致估计的基音周期加倍.本文针对该现象,分析了AMDF函数的特性及其用于基音检测时存在的不足,提出了新的CAMDF函数.CAMDF有效地克服了AMDF函数的不足,简化了基音检测过程.在此基础上,本文给出了新的基于CAMDF的基音检测算法.该算法不仅简化了基音检测过程,而且降低了误判率,提高了估计精度.大量实验表明其性能优于其它AMDF或LVAMDF的方法.     

弹道导弹中段目标进动角估计的新方法

进动角是识别弹道导弹中段弹头与诱饵的主要特征量,对其快速、准确的估计是导弹防御系统的关键技术之一。传统的最小二乘方法通过遍历平均视界角、进动角和初始时刻三个参数实现对进动角的估计,存在运行时间长、抗噪性能差等缺点。首先分析了进动角估计算法,根据目标RCS数据的周期性,缩减了遍历参数,极大地缩短了算法的运行时间;进而结合相关系数法,在低信噪比条件下获得了更好的估计性能;最后利用暗室测量数据验证了算法的有效性,并分析了模板参数对算法性能的影响。     

中段目标进动雷达特征提取

本文总结了弹道导弹目标雷达识别的研究现状,推导了进动锥体目标对雷达波的姿态角计算公式,分析了目标RCS和姿态角的关系,使用进动锥体目标的RCS时间序列估计了目标进动参数和惯量比,使用惯量比作为特征,提出了识别弹头和诱饵的方法,最后给出了仿真结果。     

基于三角函数拟合的RCS序列进动周期估计

利用雷达反射截面(RCS)序列估计进动周期为弹道目标特征提取和识别的重要途径。弹道目标在进动时,回波RCS序列为非平稳的周期序列,常规Fourier变换方法和周期间相关类方法需要较长观测时间和较高数据率才能有效地估计RCS的周期,这对于有限的雷达资源来说是不可接受的。该文提出一种新的估计弹道目标RCS序列周期的方法,该方法先利用特定频率附近的三角函数来拟合RCS序列,再求得使拟合误差最小的频率,即为RCS序列的进动频率。相比于常规方法,该文方法具有所需资源少,估计精度高的特点。RCS计算数据的仿真结果证明了该文方法的有效性。     

变区间分组检验相乘积累进动周期估计

 该文首先分析了弹道中段进动锥体目标RCS序列的统计特性及其周期性特点,指出目标本身RCS起伏产生的虚假周期是影响传统进动周期估计方法性能的主要因素.基于非参数统计理论,本文提出了一种变区间分组检验相乘积累的RCS序列进动周期估计方法,仿真结果表明,该方法不仅能够有效克服虚假周期影响,并能明显改善进动周期估计精度.     

空间锥体目标进动周期估计

该文通过对空间锥体目标的弹道建模,根据进动锥体目标对雷达波的姿态角计算公式,推导了目标回波RCS随姿态角余弦的计算公式。通过分析姿态角余弦的频谱特性和RCS随姿态角余弦的频率传输特性,给出RCS序列的频谱特性,并以此为特征,提出一种RCS序列进动周期估计的新方法。仿真结果验证了方法的有效性。     

弹道类目标进动周期特征提取方法研究

提出一种自相关(AUTOC)法与平均幅度差函数(AMDF)法相结合的弹道类目标进动周期提取方法(PreAUTOC-AMDF法).该方法先对目标的雷达散射截面积时间序列进行预处理(低通滤波或平滑),再将AUTOC法的周期提取函数与AMDF法的周期提取函数的倒数相乘,以突显新构造的周期提取函数的极值点.把相邻两个极值点的时间间隔作为进动的估计周期.文中从参数估计的角度分析了目标进动周期提取方法的克拉美罗界,并将PreAUTOC-AMDF法与其他周期提取方法进行了性能比较.理论分析与计算机仿真结果表明,PreAUTOC-AMDF法的均方误差最接近克拉美罗界,具有更高的周期提取精度,是真假弹头识别应用中一种有潜力的目标进动周期提取方法.     

基于时间序列分析的弹道目标进动周期提取

利用微波暗室静态测量数据,反演了某型弹道目标在典型战情下的动态雷达散射截面积（RCS）时间序列。分析表明：该序列具有非平稳性、相关性和拟周期性的特点,直接利用谱分析方法提取进动周期的效果较差。采用B样条函数、广义自回归条件异方差（GARCH）模型和自回归—滑动平均模型（ARMA模型）构造了RCS序列的迭合滤波分解模型。其中B样条函数用来表征趋势项,GARCH模型表征波动聚集项,ARMA模型表征受噪声污染的平稳周期项。证明了周期项等价于一个参数缓变的ARMA序列,进而可以利用常规功率谱估计方法对进动周期进行精密估计。仿真表明：所提方法能够有效提取弹道目标的进动周期。     

弹道导弹进动周期雷达测量提取方法研究

主要研究了利用雷达目标RCS序列提取弹道导弹进动周期的方法.首先建立了弹道导弹中段目标的进动模型,分析了目标RCS回波数据与进动周期的关系表达式,然后给出了利用目标RCS序列估计进动周期的方法.仿真实验结果表明,文中提出的方法能够有效估计目标的进动周期.     

基于三维重构的空间目标进动参数估计方法

空间目标进动参数的估计在目标姿态确定、再入后落点预测和目标识别等方面具有重要意义.针对存在稳定散射中心的进动空间目标,提出了一种基于宽带雷达观测的进动参数估计方法.该方法的优点是无需利用目标形状信息,只利用3个以上非共面散射中心的一维距离历程就可以对空间目标进动参数进行估计.推导了进动目标的运动学模型,利用多散射中心径向距离历程的关联结果获得了目标的三维运动和三维成像结果,基于三维运动的欧式重构采用序列二次规划优化和非线性最小二乘循环迭代的方法估计目标的进动参数.最后,利用电磁仿真数据验证了算法的有效性.     

中段翻滚目标运动建模及其宽带雷达回波仿真

弹道导弹飞行经历中段时,弹头与诱饵的主要差异是运动方式的不同,而诱饵大都呈现翻滚运动方式。文章从中段翻滚目标的物理、运动和散射特性出发建立了中段翻滚目标的运动模型,推导出了宽带线性调频（LFM）雷达回波的数学表达式。然后对中段翻滚目标的宽带雷达回波进行了仿真,并利用目标径向尺寸的周期变化估计出目标的翻滚周期。仿真结果表明中段翻滚目标宽带雷达回波与目标的姿态运动参数、形体参数都有较大关系,这将为中段目标的识别提供基础。     

基于压缩感知的弹道导弹微多普勒提取方法

利用微多普勒识别弹道目标的关键是宽带雷达回波信号的微多普勒提取。宽带雷达回波信号的高速采样对硬件和算法提出了更高的要求。将压缩感知方法应用到宽带雷达回波信号的微多普勒提取中,并给出了弹道导弹目标的微多普勒计算公式和利用压缩感知重构弹道导弹微多普勒的方法。在低采样频率下利用压缩感知理论从回波信号中提取的微多普勒,与在高采样频率下利用Gabor变换提取的微多普勒是一致的,这表明利用压缩感知理论以低频率采样弹道导弹回波信号,提取微多普勒,降低工程实现难度的方法是可行的、有效的。     

弹道导弹中段目标角度极化相关性分析

现代信息化战争条件下,随着相关技术的不断发展更新,弹道导弹中段目标的识别难度越来越大。近年来,极化特征在目标识别领域得到了广泛应用。本文首先采用建模仿真的方法获取了五类中段目标的动态全极化散射数据,然后在窄带和宽带两种雷达体制下分析了五类目标的角度极化相关性,仿真结果表明,角度极化相关性可用于目标的初识别;在此基础上,进一步研究了进动参数对目标极化相关性的影响,所得结论对目标的精细识别有一定的参考价值。