修正极坐标系下雷达与ESM航迹对准关联

研究了存在系统误差时修正极坐标系(MPC)下的雷达与电子支援措施(ESM)航迹关联问题。系统误差导致MPC下雷达和ESM的角度估计产生偏移,而对角度变化率、距变率与距离的比值(ITG)的估计影响不大;结合非中心卡方分布的知识,分析了雷达与ESM的测量误差对非中心参数和正确关联概率的影响;提出了一种基于积分重合度的雷达与ESM航迹对准关联算法。首先将雷达与ESM的目标映射到角度-角度变化率空间,分别得到了雷达与ESM的目标曲线,然后对两目标曲线求积分重合度,估计出雷达与ESM测角系统误差的偏移量,对偏移量补偿后进行雷达与ESM的航迹关联。仿真结果表明,本文所提算法能有效地提高存在系统误差时雷达与ESM正确航迹关联概率。     

地空协同防空目标抗差跟踪算法

针对现有系统误差配准算法以已知系统误差变化模型为前提条件、相应的目标状态估计易受系统误差配准结果影响等不足之处,在机载雷达与地基雷达协同防空预警体系下,对系统误差存在情况下的目标跟踪问题进行了研究,并提出了有效的地空协同防空目标抗差跟踪算法。仿真结果表明所提算法可得到无偏、稳定、有效的目标状态估计,并且相对于系统误差目标状态联合估计算法,所提算法计算量小,对系统误差变化有很强的鲁棒性,可适应实际工程应用中可能出现的异常情况,为后续决策提供稳定有效的目标信息。     

基于ECEF的广义最小二乘误差配准技术

 雷达组网数据处理首先要进行误差配准,来准确地估计和消除系统误差。传统的误差配准技术多基于球极投影,当雷达之间距离较远时,给配准结果引入一定的误差。基于地球中心坐标系(ECEF),提出了一种广义最小二乘的ECEF-GLS误差配准技术,较好地解决了远距离误差配准问题,误差分析表明,如果忽略模型线性化引入的误差,配准结果达到了CRLB下限。最后,使用仿真数据验证了算法的性能,并和Zhou提出的基于ECEF坐标系的最小二乘ECEF-LS误差配准算法进行了比较。     

相控阵雷达长时跟踪波束调度与波形优化策略

针对相控阵雷达多目标跟踪波束调度和波形参数优化控制的问题，本文提出了一种基于马尔可夫决策过程（MDP）的相控阵雷达跟踪波束调度与波形参数优化策略，该方法以无迹卡尔曼滤波（UKF）算法为基础来估计目标的状态。首先将本文的序列决策问题建模为马尔可夫决策过程，定义了资源的效费比和长期回报率，然后与当前实际跟踪误差综合考虑作为MDP的回报函数，进而给出了调度的优化模型，最后将长时决策问题转化为动态规划算法结构进行求解，并且提出了一种并行混合遗传粒子群优化算法来求解各决策时刻的最优策略。仿真结果表明了长时策略的先进性以及寻优算法的优越性，与传统的短时策略相比，跟踪精度可提高11.17%。     

星基ADS与雷达误差校准算法的研究

基于星基自动相关监视(ADS)系统和雷达各自的特点,分析了空中交通管制中ADS与雷达数据融合的模型,提出了在传统的地心地固(ECEF)坐标系中星基ADS和雷达系统误差校准的算法。同时,针对ADS数据的特性,又进一步提出了在Geodetic坐标系和以雷达站为极点的极坐标系(以下简称雷达站极坐标系)中的系统误差校准算法。最后,对校准效果进行了仿真分析和比较,并介绍了一种有效应用上述算法的方法。     

基于稀疏贝叶斯学习的字典失配杂波空时谱估计方法

杂波谱稀疏恢复空时自适应处理（STAP）是一种有效减少杂波样本数需求的机载雷达杂波抑制方法。然而,空时平面被离散地划分为若干个网格点来构建空时导向矢量字典,当字典在失配时,杂波脊不能准确落在预先离散化的网格点上,稀疏恢复STAP性能严重下降。提出了一种基于稀疏贝叶斯学习的字典失配杂波空时谱估计方法,首先利用二维泰勒级数建立空时动态字典模型,然后将字典失配误差作为待估超参数构建贝叶斯稀疏恢复模型,并利用失配误差估计值对空时导向矢量字典进行修正,最后利用修正后的空时导向矢量字典重构杂波协方差矩阵,进而计算杂波空时谱。实验证明,该方法能够有效提高字典失配情况下的杂波谱稀疏恢复精度,杂波抑制性能优于已有字典预先离散化的稀疏贝叶斯学习STAP方法。     

机载MIMO雷达空时自适应杂波对消器

针对机载多输入多输出(MIMO)雷达杂波分布呈现空时耦合特性,提出一种空时自适应杂波对消器.利用机载MIMO雷达的脉冲回波数据,构造杂波对消器的系数矩阵.通过空时自适应杂波对消器的预处理,可以有效地抑制杂波,并通过与常规空时处理算法的级联,最终可以有效提高动目标的检测性能.实现了由传统地基雷达杂波对消器向机载运动平台的推广.仿真结果表明,这种自适应杂波对消器不仅适用于正侧视雷达,对于非正侧视雷达也同样适用.     

高斯非平稳机动目标波达角模型及跟踪

在实际的跟踪情况中,由于环境条件、目标反射截面等因素的变化,回波信号的功率会随时间变化,即不满足通常阵列信号处理中对高斯信号作平稳性的假设。针对复杂运动条件下高斯非平稳目标的跟踪问题,提出了一种新的机动目标波达角(DOA)模型。该模型全面地刻画了高斯非平稳机动目标的动态,并将目标的DOA和信号功率作为状态变量进行了联合考虑,同时运用虚拟阵列的表示方法构建了相应的观测方程。对于建立的新模型,最后采用无迹卡尔曼滤波(UKF)的框架完成了整个跟踪算法。分析和仿真结果表明,当高斯非平稳机动目标之间存在长时间相互接近的情况时,新方法仍然可以获得较好的跟踪性能。     

FrFT-CSWSF:Estimating cross-range velocities of ground moving targets using multistatic synthetic aperture radar

Estimating cross-range velocity is a challenging task for space-borne synthetic aperture radar（SAR）, which is important for ground moving target indication（GMTI）. Because the velocity of a target is very small compared with that of the satellite, it is difficult to correctly estimate it using a conventional monostatic platform algorithm. To overcome this problem, a novel method employing multistatic SAR is presented in this letter. The proposed hybrid method, which is based on an extended space-time model（ESTIM） of the azimuth signal, has two steps： first, a set of finite impulse response（FIR） filter banks based on a fractional Fourier transform（FrFT） is used to separate multiple targets within a range gate; second, a cross-correlation spectrum weighted subspace fitting（CSWSF） algorithm is applied to each of the separated signals in order to estimate their respective parameters. As verified through computer simulation with the constellations of Cartwheel, Pendulum and Helix, this proposed time-frequency-subspace method effectively improves the estimation precision of the cross-range velocities of multiple targets.     

Joint sensor registration and track-to-track fusion for distributed trackers

Sensor registration deals with the correction of registration errors and is an inherent problem in all multisensor tracking systems. Traditionally, it is viewed as a least squares or a maximum likelihood problem independent of the fusion problem. We formulate it as a Bayesian estimation problem where sensor registration and track-to-track fusion are treated as joint problems and provide solutions in cases 1) when sensor outputs (i.e., raw data) are available, and 2) when tracker outputs (i.e., tracks) are available. The solution to the latter problem is of particular significance in practical systems as band limited communication links render the transmission of raw data impractical and most of the practical fusion systems have to depend on tracker outputs rather than sensor outputs for fusion. We then show that, under linear Gaussian assumptions, the Bayesian approach leads to a registration solution based on equivalent measurements generated by geographically separated radar trackers. In addition, we show that equivalent measurements are a very effective way of handling sensor registration problem in clutter. Simulation results show that the proposed algorithm adequately estimates the biases, and the resulting central-level trucks are free of registration errors.     

非均匀环境下利用单个数据集的STAP算法

对非均匀环境下利用单个数据集的机载雷达空时自适应处理(SDS-STAP)算法进行了研究。针对现有单个数据集类空时自适应算法存在的问题,提出了一种基于对待测数据集进行空时二维滑窗处理的二维幅度相位估计(2D-APES)算法。该算法利用回波的统计信息,不仅放宽了算法处理器对于雷达系统阵元数与脉冲数选取的约束,而且能够有效抑制杂波及待测单元内的干扰,同时降低了处理器的计算复杂度。最后,仿真数据及实测数据实验验证了所提算法的正确性与有效性。     

基于3DT的空时自适应单脉冲参数估计算法

空时自适应处理(STAP)是机载预警雷达抑制杂波和干扰的一项关键技术,而多普勒三通道联合自适应处理(3DT)是适合工程实现的降维(RD)STAP方法。STAP目标检测后还需进一步估计目标的角度参数,因此将自适应单脉冲(AM)技术引入3DT,提出了一种高精度联合估计目标速度与方位空间角的空时自适应单脉冲算法。理论分析与仿真实验结果表明,当目标多普勒频率偏离检测多普勒单元中心频率时,该算法能同时减少目标多普勒跨越损失和空时导引矢量失配损失,进而提高输出信杂噪比(SCNR),改善目标测角精度。     

Interlaced optimal-REQUEST and unscented Kalman filtering for attitude determination

 Aimed at low accuracy of attitude determination because of using low-cost components which may result in non-linearity in integrated attitude determination systems, a novel attitude determination algorithm using vector observations and gyro measurements is presented. The various features of the unscented Kalman filter (UKF) and optimal-REQUEST (quaternion estimator) algorithms are introduced for attitude determination. An interlaced filtering method is presented for the attitude determination of nano-spacecraft by setting the quaternion as the attitude representation, using the UKF and optimal-REQUEST to estimate the gyro drifts and the quaternion, respectively. The optimal-REQUEST and UKF are not isolated from each other. When the optimal-REQUEST algorithm estimates the attitude quaternion, the gyro drifts are estimated by the UKF algorithm synchronously by using the estimated attitude quaternion. Furthermore, the speed of attitude determination is improved by setting the state dimension to three. Experimental results show that the presented method has higher performance in attitude determination compared to the UKF algorithm and the traditional interlaced filtering method and can estimate the gyro drifts quickly.     

多传感器数据融合中的数据配准研究

数据配准是多传感器数据融合的先期处理过程。本文在研究了传统的最小二乘算法的基础上，提出了基于三维坐标系中的极大似然配准算法，解决了最小二乘配准算法对于传感器相距较远时无法解决的问题。最后通过计算机仿真证明了此算法的有效性。     

基于MLR的机动平台传感器误差配准算法

 基于固定平台传感器误差极大似然配准(MLR)算法,针对机动平台存在姿态角系统误差的问题,提出了对机动平台传感器系统误差和目标状态进行批处理离线估计的机动极大似然配准(MLRM)算法.该算法利用所有传感器对目标的量测值,通过把传感器量测向目标状态进行投影、对传感器系统误差和目标状态进行期望最大化迭代以及对目标的状态进行融合估计,最终实现量测、姿态角系统误差和目标状态的有效估计.仿真结果表明,该算法迭代收敛速度快,对系统误差估计精度高,对系统误差可观测性较低的配准环境的适应性强并且对传感器姿态角的相关性不敏感,具有很强的工程实用性.     

Improved clutter mitigation performance using knowledge-aided space-time adaptive processing

This paper presents a framework for incorporating knowledge sources directly in the space-time beamformer of airborne adaptive radars. The algorithm derivation follows the usual linearly-constrained minimum-variance (LCMV) space-time beamformer with additional constraints based on a model of the clutter covariance matrix that is computed using available knowledge about the operating environment. This technique has the desirable property of reducing sample support requirements by "blending" the information contained in the observed radar data and the a priori knowledge sources. Applications of the technique to both full degree of freedom (DoF) and reduced DoF beamformer algorithms are considered. The performance of the knowledge-aided beam forming techniques are demonstrated using high-fidelity simulated X-band radar data     

基于无味卡尔曼滤波的飞机防滑刹车模糊神经网络控制

根据对飞机刹车过程动力学分析与建模,本文提出了一种基于无味卡尔曼滤波(UKF)的模糊神经网络控制律。本控制律结合了无味卡尔曼滤波对机体速度的良好估计效果和模糊神经网络控制器对不同系统参数的适应能力,能够很好完成对最佳滑移率的追踪任务。Matlab仿真试验结果显示,基于无味卡尔曼滤波的模糊神经网络控制器可以准确的估计飞机滑跑时的速度,改善飞机防滑刹车系统性能,提高刹车效率。     

基于不敏变换的动基座传感器偏差估计方法

提出了一种新的基于合作目标的动基座传感器误差绝对配准方法。该方法利用所获得的合作目标位置信息,将载体平台姿态角偏差转换为传感器测量偏差中的一部分,并建立偏差状态方程和测量方程。在此基础上,采用广义最小二乘方法以实现传感器测距误差的估计,不敏滤波的方法则用于实现平台载体的姿态偏差和角度测量偏差的实时估计。仿真结果表明,该方法实现简单,收敛速度快,可以实现单部动基座传感器的偏差估计。     

ESM对2D雷达引导性能分析

 对于由 ESM和雷达组成的多传感器系统,分析和推导了用 ESM对 2 D雷达成功引导的概率解析表示式,为求解成功引导概率提供了依据;研究了 ESM对 2 D雷达成功引导概率随一些特征参数的变化规律,并得出了 4个特性;在多种情况下进行了成功引导概率的数值计算,验证了成功引导概率的一些变化规律,并得出了一些有意义的结论,从而对研究和设计同地配置的 ESM对雷达引导系统具有一定的参考价值。     

非正侧视阵列机载雷达多空间角补偿算法

 非正侧阵列机载雷达的杂波分布随距离变化而变化,各距离单元的杂波分布不再满足独立同分布条件,造成统计型空时自适应处理(STAP)处理器性能下降。本文提出了一种多空间角补偿(MSAC)的非正侧视机载雷达杂波抑制方法,该方法先通过角度-多普勒补偿(ADC)预处理以消除在谱中心处的杂波非均匀,然后采用MSAC法在多个多普勒方向使参考单元和待检测单元的杂波谱保持一致,从而进一步消除在其余方位的杂波非均匀。仿真结果表明了该方法的性能明显优于ADC法,且运算量增加不多。