复杂环境下少样本域自适应雷达RD智能识别技术

针对复杂电磁环境下，传统基于雷达回波的目标识别方法定位精度差和识别能力不足的问题，以典型海背景环境下的雷达时频二维像目标为研究对象，提出了复杂环境下少样本域自适应雷达智能RD识别技术，通过设计基于分离注意力的偏移区间配准目标识别算法架构，实现了对目标的精确定位和识别，同时设计了域自适应技术对源域和目标域进行特征配准，解决少样本条件下算法场景适应性不足的问题。通过在雷达回波仿真数据和真实数据上对算法测试验证，取得了较优的结果，证明了该算法的有效性。     

雷达辐射源的序贯识别方法

针对雷达信号环境,依据已知的模板信息,提出了一种雷达辐射源序贯识别方法。通过理论推导和仿真分析验证了该算法的可行性,并与传统的统计分析识别 ［1］ 方法相比,该方法能够更充分地利用辐射源的脉冲信息,提高复杂电磁环境下的辐射源识别能力。仿真结果显示该方法的识别效果优于统计分析识别方法     

基于全脉冲的周期信号样本提取技术

现代电子战中,传统的辐射源分选识别方法无法在密集的信号环境中快速有效地对复杂体制雷达进行分选识别,造成系统漏警。基于上述情况,提出了一种基于脉冲样本序列自提取的分选算法。这种算法利用雷达信号脉冲序列的周期性和相关性,实现对模板序列的自动提取,从而可实现全脉冲序列中小样本数或脉间规律复杂的雷达信号的分选。仿真实验表明,在全脉冲数据量级适中的情况下,该算法可以有效提取目标模板序列。     

宽带LFM信号同时极化测量性能研究

针对雷达动目标的全极化高分辨信息的获取问题,建立宽带极化雷达的信号模型,分析对应的匹配滤波处理算法.对时/频域加窗的效果进行比较,提出了实用的窗函数选择方法.分析正负线性调频信号对高速运动目标的同时极化测量性能,提出对高速运动目标的极化--一维距离像联合识别方法.仿真结果证明了所此方法的有效性.     

一种新的雷达辐射源识别算法

针对雷达信号环境,运用综合分析的方法,提出了一种新的基于模糊综合评判的雷达辐射源识别算法。该算法通过构造模糊评判矩阵并进行合成运算来计算表示辐射源相关程度的模糊集,然后按照最大隶属度原则进行判决,同时给出了相应的多义性处理方法。最后通过仿真将它与经典的统计模式识别方法进行了比较。仿真结果表明,所提出的识别方法性能明显优于统计模式识别方法,用于雷达辐射源识别是有效的。     

基于高精度径向测速的宽带雷达单诱饵速度识别法

由于宽带相控阵雷达测速精度的大幅度提高，现提出了一种新的目标识别方法——基于高精度径向测速的单诱饵速度识别法，并对其识别原理、识别性能进行了详细阐述和定量分析。通过理论推导和计算机仿真计算，验证了该识别方法在宽带相控阵雷达监视诱饵释放过程中应用的有效性。     

基于轨迹特性的中段目标识别方法

针对中段弹道目标群运动时的真假目标识别问题,提出一种基于轨迹特性的弹道目标识别方法。该方法通过雷达观测数据还原出弹道目标运动轨迹,根据轨迹交点个数判断诱饵是单次还是多次释放模式,分别提出基于弹道参数和权值交点的识别途径,结合雷达观测弹道目标数目,归纳了基于轨迹特性中段弹道目标综合识别策略。仿真实验表明该方法的正确性并分析了雷达测量误差及布站位置等因素对识别结果的影响。     

一种机械式机动相控阵雷达目标跟踪算法研究

针对伺服延迟造成目标丢失的问题,为了提高相控阵雷达的跟踪能力,提出一种机械式机动相控阵雷达的目标跟踪算法,并且给出了方法的处理流程和算法仿真。仿真结果表明,提出的目标跟踪算法具有较高的跟踪精度和较快的收敛速度,能够满足机动相控阵跟踪的实时性要求。     

基于最佳检测的雷达发射-接收极化联合优化方法

基于最佳检测准则,提出了一种新的雷达发射-接收极化联合优化方法。首先,建立了全极化雷达目标回波模型,设计了基于纽曼-皮尔逊(Neyman-Pearson)准则的雷达目标全极化检测算法,推导分析了检测性能;其次,提出了雷达发射-接收极化的联合优化方法,提高了雷达目标的检测性能;最后,仿真试验结果表明,本算法能够显著提高雷达目标的检测性能。     

一种快速有效的雷达目标识别方法

基于核的学习算法提出一种快速有效的雷达目标识别方法。首先利用核的主分量分析方法对雷达目标的一维距离像进行特征提取,可以有效地提取出其中的非线性特征;然后基于一种新型的支撑矢量机——近似支撑矢量机作为分类器对所提取的特征进行识别。实验结果表明,所提出的识别方法其正确识别率与标准支撑矢量机相当,但在计算速度上却有很大的提高,并对噪声具有较好的抑制作用。     

雷达信号空域统计分选算法研究

在研究被动雷达导引头空域的目标视场角统计特性的基础上，讨论了雷达信号分选应用中空域分区和选择的最优化方法，提出了一种雷达信号的统计分选算法，并给出了模型。仿真结果表明，该算法具有较优的目标分辨能力和角度跟踪精度。     

锥体目标空间进动特性分析及其参数提取

空间进动是弹道导弹中段飞行过程中锥体目标特有的运动特性，本文首先建立了锥体目标空间进动数学模型，给出了姿态角与空间进动参数的关系式，并利用进动参数获取了反映目标质量分布特性的惯量比。然后通过对目标RCS回波数据进行多项式拟合，估计进动参数，以此为雷达目标识别提供新的技术思路。仿真实验结果表明本文提出的算法能够有效估计出目标的进动角。     

有源多假目标干扰的极化识别新方法

提出一种利用单脉冲跟踪雷达的和、差波束特性差异的极化估计算法。基于目标散射回波和固定转发式有源假目标干扰产生物理机理的差异,设计了极化相似测度、极化相关系数、极化欧式距离等干扰鉴别参量,提出了有源假目标干扰鉴别算法。该技术无需增加极化通道,降低了计算和处理难度,更易工程实现。仿真结果证明了该方法的有效性。     

反辐射被动导引头抗诱偏方法研究

针对被动导引头面临的有源诱饵系统诱偏的技术难题，在对诱饵系统时、空、极化多维分析的基础上，提出了一种抗诱偏的被动导引方案。该方案采用空域分辨、极化滤波等手段实现对雷达目标的有效打击，通过仿真分析验证了该方法的有效性和可行性。     

压制干扰下组网雷达目标检测与跟踪技术

针对压制干扰下组网雷达目标检测与跟踪,提出了一种基于压制干扰下雷达量测模型的跟踪技术。该跟踪技术包括压制干扰下量测模型和组网雷达序贯滤波跟踪两部分。压制干扰下量测模型根据雷达采取抗干扰措施前后接收机输入端的信干比分别计算检测概率,进而模拟传感器在压制干扰下对目标的检测情况。组网雷达序贯滤波中,首先对压制干扰下各雷达的量测数据进行串行合并和点迹合成,而后采用基于交互多模型(IMM)的序贯滤波方法对压缩后的数据进行跟踪。该检测与跟踪技术可模拟出雷达在压制干扰下由于检测概率下降造成的目标暂消现象,提高组网雷达跟踪航迹的连续性和稳定性。仿真结果表明了该技术的可行性和有效性。     

MD-GBR雷达对弹道导弹目标识别

以评估美国国家导弹防御(NMD)系统雷达识别能力为背景,分析了空间目标典型特征和中段弹道导弹目标特性,提出了地基雷达识别弹道导弹目标的技术途径.根据弹道导弹目标群在飞行中段表现出的特性,提出了涉及目标结构特性、姿态特性以及极化特性的综合识别策略,并初步分析了各种识别措施的可行性.     

基于证据理论的雷达与通信侦察目标识别算法

针对异类被动传感器中的目标识别问题,将D-S证据理论运用于雷达侦察与通信侦察的目标识别中。首先将雷达和通信侦察设备侦收到的信息分别通过识别,得到雷达和通信电台的基本概率赋值,再通过D-S证据理论算法进行融合,计算出目标平台的基本概率赋值,从而得到融合后的平台类型。仿真实验结果表明,融合后的结果具有更高的置信度。     

末制导雷达/惯性复合导航算法

研究了末制导雷达/惯导的复合导航算法,当导弹攻击慢速移动目标时,可以根据惯导输出和雷达信息,采用Calson滤波算法估计出目标的位置信息和惯导误差,从而修正目标运动和惯导误差。仿真表明,Calson滤波算法能较好地提高制导精度。