基于DOA聚类算法的ARM抗有源诱偏技术研究

有源诱偏技术是雷达对抗反辐射导弹的一种重要手段,可以大大降低反辐射导弹的作战效能。为提高对敌目标的精确打击能力,在分析闪烁诱饵诱偏原理的基础上,针对有源诱偏干扰下被动雷达测角精度与稳定度不高的问题,通过对有源诱偏信号的时域特征进行分析,提出一种基于脉冲前沿检测的DOA聚类分选算法,找出前沿超前的辐射源信号,实现了高性能抗有源诱偏干扰和高精度抗干扰测向。仿真结果表明,该技术可以有效对抗四点源有源诱偏干扰。     

反辐射导弹复合测角抗诱偏干扰方法

针对传统反辐射导弹由于测角体制缺陷无法有效对抗诱偏干扰的问题,利用空间谱估计的角度测量高分辨能力,提出了一种复合测角系统。该测角系统包含单脉冲、空间谱估计两个测角单元,通过对两个测角单元测量数据的融合获得最终测角结果。空间谱估计测角单元的超分辨特性弥补了单脉冲测角单元角度分辨能力弱的缺陷;与单脉冲测角结果融合,空间谱估计测角单元的相位模糊、测角精度差等问题得到解决。通过复合测角系统,反辐射导弹利用空间谱估计实现角度超分辨,对抗诱偏系统成为可能。最后的仿真实验验证了采用这种测角体制的反辐射导弹的可行性和抗诱偏能力。
     

非相干有源诱偏抗反辐射武器效果分析

从反辐射武器导引头瞄准误差的角度,对非相干有源诱偏抗反辐射武器的干扰效果进行分析。     

雷达有源诱偏与反辐射导弹对抗仿真技术

简要分析反辐射对抗技术的发展应用情况,分析并提出了雷达有源诱偏与反辐射导弹对抗性能评估试验方法,最后介绍了一种抗反辐射导弹有源诱偏路馈半实物仿真系统研制与试验情况。     

反辐射导弹及防空雷达采取的对抗措施

简述了反辐射导弹 (ARM)的发展及性能特点 ,介绍了ARM导引头关键技术 ,并针对其性能的局限性 ,提出了告警、反电子侦察和干扰三个方面对抗ARM的方法 ,重点提出采取诱偏技术对抗ARM ,同时指出了外军正在研制第四代ARM的发展方向     

利用窄波束实现反辐射导弹抗诱饵技术研究

论述了反辐射导弹诱饵诱偏的原理,分析了诱饵如何利用反辐射导引头的宽带天线、宽波束的特点进行诱偏,提出了在一定条件下可采用窄波束实现反辐射导弹对抗诱饵,以便及早分辨出雷达和诱饵。为保证反幅射导弹导引头产生窄波束以获得高分辨率并提高ARM抗诱饵干扰的能力,提出了实现窄波束的技术措施和实现窄波束被动雷达导引头的关键技术。理论和实践均证明这是可行而有效的。     

求根传播算子方法及其在ARM抗诱偏中的应用

反辐射导弹（ARM）抗有源诱偏问题中,多源信号在空、频域的强相关性往往造成导引头对信源数目欠估计,从而导致传统超分辨算法的测向性能下降。针对这一问题,提出了一种求根的传播算子方法,该算法首先在信源数过估计情况下计算信号到达角,然后利用每个角度对应的信号功率来剔除虚假角度。求根传播算子方法不需要预先估计信号源数目,而且在信号高度相关的情况下具备很好的角度分辨性能,因此适用于解决ARM抗诱偏问题。仿真实验结果表明,求根传播算子方法在提高ARM抗诱偏能力方面的表现优于MUSIC算法。     

预警机用两点源诱偏对抗反辐射导弹研究

从空间分辨条件和反辐射导弹(ARM)几何运动的分析出发, 推导出ARM以任意角攻击预警机时,用附加辐射源和预警机共同组成的两点源,在运动中能够安全诱偏ARM的数学模型,并计算分析了ARM分辨角、攻击角和ARM运动速度等因素对诱偏效果的影响,确定了假定条件下的最佳两点源距离,给出了两点源诱偏效果图,并就如何在实际中构建两点源提出了几点想法.     

闪烁诱偏对抗反辐射无人机策略分析

为实现对装载常规被动雷达导引头的反辐射无人机的有效诱偏,基于常规被动雷达导引头的技术特点,讨论了雷达有源诱饵在能量域、频域和时域对雷达的保护机理,分析了闪烁诱偏的工作原理,并根据以往诱偏对抗经验,重点研究并提出了功率闪烁、时序闪烁以及两者同时使用对抗反辐射无人机的诱偏策略。仿真结果表明,采用闪烁诱偏能够在实现对雷达和诱饵保护的同时,有效诱偏反辐射无人机,可为诱偏常规体制反辐射无人机提供一定参考。     

反辐射导弹抗两点源干扰研究

分析了非相干两点源干扰对反辐射导弹的诱偏原理,随后对两种常见的干扰形式——随机噪声干扰和规则脉冲干扰——从信号处理的角度提出了对抗其两点源干扰的方法。     

基于未知地标被动观测的飞航导弹SINS俯仰姿态误差估计方法

针对飞航导弹单独使用时SINS存在姿态估计精度随时间降低的问题,提出了基于未知地标被动观测的SINS俯仰姿态误差估计方法。首先,根据飞航导弹中制导段飞行的特点,把SINS俯仰姿态误差估计问题转化为攻角估计问题。然后,在不改变导弹巡航路径的前提下,利用弹上成像导引头对视场内任意未知地标连续被动观测,分别提出了弹体坐标系和速度坐标系下的攻角估计方法,并分析了观测噪声对量测方程系数的影响。最后,利用平均去噪的思想对估计结果进行处理,提高了SINS俯仰姿态误差的估计精度。仿真结果表明：两种方法都能有效估计出飞航导弹SINS俯仰姿态量测误差。     

基于速率先验信息的固定单站仅测角目标运动分析

针对固定单站无源定位中仅利用角度对匀速运动目标定位跟踪问题,将速率信息视为先验约束,研究并提出基于伪线性估计和加权伪线性估计的目标运动分析算法。仿真实验表明,固定单站无源定位系统在速率先验信息条件下可以通过仅测角实现对匀速运动目标的定位跟踪。     

基于空间谱估计的单星侦察无源定位

讨论了单星侦察无源定位的瞬时测向和测向交叉两种定位方式。简述了地面目标的空间谱估计测向技术及其发展，并分析阵列形状、高精度定位、准实时二维谱估计和信号源数等其他影响定位性能的因素。研究表明，对单星无源定位的理论和工程实现，尚需作进一步的研究。     

极化敏感阵列的空间谱估计测向技术研究

传统的空间谱估计测向模型中没有考虑来波极化这一维度的信息,将其用于极化敏感阵列进行测向时会导致测向的灵敏度和精度下降。为此,对传统的空间谱估计测向模型进行了修正,加入对来波极化信息的考虑,提出一种极化敏感阵列的空间谱估计测向技术,并对该技术的可行性进行了研究。给出极化敏感阵列的空间谱估计测向模型,在此基础上,采用M USIC算法进行测向,并对影响测向精度的因素进行仿真。仿真结果表明,提出的极化敏感阵列空间谱估计测向技术可以实现极化敏感阵列的测向,所得结果对极化敏感阵列的测向问题具有重要意义。     

神经网络修正的速度约束辅助车载SINS定位算法

对于车载全球导航卫星系统(GNSS)/捷联惯性导航系统(SINS)组合导航系统，针对GNSS失效而SINS单独工作时仅使用速度约束辅助SINS其纵向位置误差逐渐发散的问题，提出一种神经网络修正的速度约束辅助车载SINS定位算法。通过径向基函数(RBF)神经网络预测SINS纵向位置误差修正系数，以提高SINS单独工作时的定位精度；此外，提出一种限定记忆指数加权实时估计量测噪声的自适应滤波算法。在人为设置GNSS失效以及真实隧道场景下进行车载试验，结果表明本文算法能够在不停车情况下在线修正SINS纵向位置误差，相比于速度约束与卡尔曼滤波相结合的常规算法，有效地提高了GNSS失效时的车载SINS定位精度。     

基于稀疏空间谱估计的星载SAR DBF算法

针对星载合成孔径雷达(SAR)系统利用俯仰向数字波束形成(DBF)技术接收场景回波时受地形的影响,会出现波束指向偏差的问题,提出了基于稀疏空间谱估计的星载SAR数字波束形成方法。该方法将目标场景高程估计问题转换为波达方向估计问题,考虑到回波信号的稀疏性,进而等效为稀疏空间谱估计问题,然后利用凸优化方法求解得到目标波达方向。最后,仿真实验验证了该方法的有效性,结果表明该方法可以降低传统自适应方法受小样本和低信噪比影响的限制,实现复杂地形下的正确波束指向,保证回波信号的接收增益。     

一种翻滚火箭箭体的运动参数估计方法

针对处于自由翻滚运动状态的火箭箭体,其呈回转体结构,运动参数估计难的问题,提出了一种翻滚火箭箭体的运动参数估计方法。采用激光成像雷达获取目标的三维点云数据,通过点云法向量估计和随机采样一致性算法计算得到自旋轴;然后结合序列各帧的自旋轴估计结果,采用最小二乘法求解得到翻滚火箭箭体的翻滚轴;进而利用相邻两帧的自旋轴和翻滚轴估计结果求解得到章动角和空间章动角速率。基于仿真数据对方法进行了实验及分析,结果表明该方法能够有效地估计自由翻滚状态的火箭箭体的翻滚轴、章动角和空间章动角速率。     

基于窄脉冲的脱靶量测量误差补偿算法

在利用基于窄脉冲的单通道测量系统进行标量脱靶量测量时,由于收发天线必须分置而导致冲激雷达系统具有较大的系统误差,从而对标量脱靶量等参数的估计精度带来影响。文中针对该误差提出了一种补偿算法,在单通道测量系统的基础上,增加一接收天线通道,利用目标散射点与双通道接收天线、发射天线所构平面中的三角关系对系统误差进行补偿。仿真结果表明,该误差补偿算法可以极大地改善系统测量精度,进而提高标量脱靶量等参数的估计精度。     

反舰导弹末制导多尺度多传感器数据融合方法

提出了一种实用有效的反舰导弹末制导多尺度多传感器数据融合方法。该方法可充分地利用捷联惯导和双星系统信息,对雷达导引头的测量信号进行有效的校正补偿,同时又可根据系统对校正算法实时性与精度的要求,通过合理地调整滤波算法节点数来满足系统的设计要求,从而大大地提高反舰导弹末制导的导引精度。该方法的有效性在某型超音速反舰导弹末制导信号校正仿真中得到验证。     

基于贝叶斯稀疏重构的非均匀样本谱估计

在航空电子对抗领域,往往需要利用非均匀样本来估计信号的频谱。针对非均匀样本谱估计问题,提出了贝叶斯稀疏重构谱估计算法(BSRSE)。该算法首先将非均匀采样的谱估计表示为稀疏信号重构问题。然后利用拉普拉斯分布表示稀疏性,建立贝叶斯模型。最后通过构造加速的不动点迭代方法估计参数,从而估计信号频谱。与现有谱估计方法比较,该算法具有较高的频率分辨力、较强的噪声适应能力,且需要较少的样本数。数值仿真验证了该算法的有效性。