基于傅里叶变换的航迹对准关联算法

研究了在组网雷达存在系统误差情况下的目标航迹关联问题,理论分析了雷达系统误差对目标航迹的影响,并将该影响表示为目标航迹的旋转和平移量。在此基础上,提出了一种基于傅里叶变换的系统误差配准前航迹对准关联算法,该算法将组网雷达的航迹数据看做为一种整体信息,采用傅里叶变换理论来估计和补偿组网雷达目标航迹数据到融合中心航迹数据的相对旋转量和平移量,将雷达网中雷达上报的目标航迹数据对准到融合中心,从而不依赖于估计雷达网系统误差,实现了误差配准前的航迹准确关联,能够为后端的系统误差配准提供可靠的关联目标航迹数据。     

一种基于新三维随机Hough变换的航迹起始算法

针对雷达跟踪多目标时,目标点迹受杂波、噪声等因素影响,航迹起始难度大的问题,利用三维空间直线表示方法提出了一种4参数三维Hough变换算法.该算法是对传统二维Hough变换的拓展,它结合了传统的二维随机Hough变换理论,是一种新的三维随机Hough变换算法.通过该算法对理论数据和实测数据进行验证,结果表明,对于航迹区别较大的目标,该算法的航迹起始成功概率为98.5％;对于空间航迹相近的目标,该算法可成功将目标航迹从杂波中提取出来,虽然可能会出现航迹混淆,但利用目标先验信息可解决该问题,实现航迹起始.     

基于卡尔曼滤波的数据融合技术在系统航迹中的研究与应用

本文针对空中交通管制自动化系统输出的系统航迹在边界地区出现多重目标和跳跃点的问题,提出了一种对系统航迹进行二次融合的方法,建立了状态方程和测量方程,提出了一种自适应扩展卡尔曼滤波的跟踪算法.将系统航迹传输时延转换为空中目标的距离,用卡尔曼滤波方法对数据中的噪声进行滤波.对目标的匀速航行和机动航行进行了仿真实验,实验结果表明了该算法的正确性和有效性.最后将该算法用于系统航迹中,也取得了良好的效果.     

基于归一化互相关的系统误差配准算法

雷达组网中由于系统误差存在,航迹不能正确关联,因而无法进行有效的误差配准。为了解决这一问题,理论分析了系统误差对目标航迹的影响并将该影响表示为目标航迹的旋转和平移量,结合图像信号时频域特性,提出了一种基于归一化互相关的误差配准算法。该算法采用归一化互相关来估计和补偿组网雷达目标航迹到融合中心航迹的相对旋转参数和平移参数,从而为后面的系统误差配准提供可靠的航迹关联数据。     

一种新型相控阵雷达多目标模拟器设计

针对某型相控阵雷达目标模拟器采用单目标技术,无法真实模拟跟踪多目标回波信号的问题,设计了一种新型多目标模拟器。该模拟器采用DDS(Direct Digital Synthesis,直接数字频综)信号产生、数字信号存储及控制等技术,结合航迹数据产生与控制软件,实现多目标回波信号模拟的同时,实现并完善了模拟器的多目标引导数据注入、理论弹道演练和实测数据回放等模拟和训练功能。软件部分,在考虑目标回波特性的基础上,利用施威林Ⅰ型模型产生目标回波,实现目标回波的模拟仿真工作。在硬件上设计了以FPGA(Field Programmable Gate Array,现场可编程门阵列)为核心的功能模块,将模拟仿真信号实时生成目标回波。实际应用表明,该模拟器控制简单,运行稳定,精度高,完全满足跟踪测量和模拟训练需求。     

基于知识辅助的海面目标航迹起始方法

针对海环境下不同雷达观测测量准确度存在差异而导致观测数据质量存在差异的问题,提出了一种基于知识辅助的海面目标航迹起始方法。该方法首先利用先验知识幅度信息计算幅度似然比,并以幅度似然比的大小来表示观测数据质量的高低;然后,利用幅度似然比辅助Hough空间参数积累,并对航迹初选参数进行初值修正,提高Mean Shift多尺度聚类滤波初值的准确性,减少迭代次数,再通过最优筛选的方法分析得到目标的真实航迹起始数目和航迹起始参数;最后,通过仿真数据证明了本文所提方法的有效性和优越性。     

基于航迹质量评估的雷达和ADS-B数据融合方法

雷达和广播式自动相关监视系统（ADS-B）的数据融合是监视“黑飞”无人机和飞鸟等目标的有效手段,然而两种传感器跟踪性能差异较大且易波动,会带来融合精度下降问题。提出一种基于航迹质量评估的雷达和ADS-B 数据融合方法,首先量化评估局部航迹精度、数据更新次数和传感器测量误差对局部航迹质量的影响,其次综合计算局部航迹的质量加权因子,最后基于分布式融合结构完成异步航迹融合处理。结果表明：本文提出的融合处理方法能有效提高融合跟踪精度,在传感器跟踪性能出现波动的情况下,跟踪误差均优于传统航迹融合方法。实际工程应用中的融合效果也验证了本文方法有助于实现对低空合作和非合作式目标的综合监视。     

无先验信息的低轨空间目标航迹起始方法

针对光学观测中缺乏预报信息的低轨道空间目标自动识别捕获问题,提出一种基于修正Hough变换的空间目标航迹起始方法,从而实现空间目标的自动识别。首先利用背景恒星运动规律对观测数据进行预处理,剔除大部分背景恒星。再利用观测数据的时序信息、定向参数进行Hough变换。本方法并没有采用传统的Hough变换对所有参数空间中的数据点进行投票,而是仅对参数空间中部分点投票,可以大幅减少运算量和存储量。试验表明:该方法能够有效地抑制背景恒星产生的虚假航迹,并快速准确地完成无先验信息的低轨道空间目标的航迹起始;可以在光学观测中实现空间目标的自动识别捕获,以及实时发现新目标,这为低轨道空间目标光学观测的无人值守和联网观测奠定了技术基础。     

雷达威胁环境下的无人机三维航迹规划

提出了一种雷达威胁环境下应用A*算法进行低空突防三维航迹规划的方法。首先对地形高程数据进行综合平滑处理,建立满足无人机机动性能要求的安全飞行曲面,并结合雷达威胁量化模型,计算出地形遮蔽雷达盲区的范围,最后在满足地形遮蔽雷达盲区的安全飞行曲面上运用A*算法规划出三维飞行航迹。仿真结果显示,该算法能简单、快速地获得三维最优航迹,易于工程实现。     

基于低可探测性的参考航迹规划

根据分层规划思想,确定参考航迹是进行航迹规划时首先要解决的问题。在充分考虑雷达探测的各种环境因素及飞行器RCS方位分布特性的基础上,将雷达对目标发现概率作为参考航迹的一个重要评价指标,基于自适应进化算法,采用新的遗传算子,最终生成综合考虑雷达威胁和飞行距离的参考航迹。结果表明,该航迹规划模型能根据对低可探测性和航程的不...     

雷达/红外成像ASM获取目标方向角方法研究

对于雷达／红外成像反舰导弹,若能获得目标的方向角（aspectangular）就可以计算目标的实际尺寸,许以此进行目标识别。为此,文中研究了一种用航迹跟踪来估计目标方向角的方法。仿真表明该方法对匀速运动目标具有较高的方向角估计精度。     

基于PLKF的固定单站无源定位与跟踪算法研究

利用到达方向（DOA）和多普勒频率（DF）建立了固定单站对空中运动辐射源的无源定位与跟踪模型,推导了该模型下的伪线性测量方程,用伪线性卡尔曼滤波（PLKF）算法实现了定位与跟踪;在此基础上用k时刻的状态估计值代替一步预测值对该算法进行了改进;最后与扩展卡尔曼滤波（EKF）算法进行比较。仿真结果表明,改进的PLKF算法具有更快的收敛速度和更高的收敛精度,PLKF算法克服了EKF算法的一些缺点。     

基于飞行器图像的目标跟踪方法研究

提出了一种利用飞行器图像进行目标跟踪的方法，建立了飞行器图像跟踪系统。该系统利用一种云台控制算法搜索飞行器的图像，通过对飞行器图像的边缘检测、图像中心点提取等处理，实现了飞行器图像定位。理论计算和实际应用表明，该系统可以对低马赫数和高马赫数飞行器进行图像跟踪。     

弹道导弹助推段拦截融合跟踪算法研究

针对空基雷达数据率低的特点,提出一种新的基于雷达/红外成像的机动目标跟踪信息融合算法.建立了弹道导弹目标机动模型和雷达/红外成像导引头观测方程,以动能拦截弹红外成像导引头数据更新时间为基准,以空基雷达采样周期为间隔对距离信息进行实时修正,推导了雷达/红外成像复合制导信息融合跟踪扩展卡尔曼滤波算法.仿真结果表明,该算法融...     

无人机跟踪运动目标航迹规划算法

对无人机跟踪运动目标的原理进行了分析,设计了跟踪系统的动力学模型,提出了一种基于切线法的航迹规划算法。在动力学约束条件下实现了对无人机的航迹、速度、加速度等的最优控制,从而解决了无人机跟踪运动目标问题,并给出了算法的具体设计步骤。仿真结果表明,该算法能够快速、有效地为无人机规划出跟踪运动目标的最优航迹。     

基于 Matlab的 GPS/SINS紧组合仿真实现

首先,对不同的GPS／SINS组合模式进行了分析;在此基础上针对基于伪距、伪距率的紧组合导航系统进行研究,建立了系统的状态方程和量测方程,并用Matlab进行了仿真实现。在系统的仿真实现中,由于很难获得全面真实的导航飞行轨迹数据,文章采用一种纯数学形式的解析方法来产生飞行轨迹数据,因而系统的仿真包括3部分：轨迹发生器、GPS仿真子系统、SINS仿真子系统。仿真结果表明,GPS／SINS紧组合导航系统能够有效地提高系统的导航精度,用纯数学形式的解析方法来产生飞行轨迹数据是可行的、有效的。     

非合作目标动态RCS仿真方法

针对非合作目标难以开展动态测量的问题,根据空气动力学原理提出了一种非合作目标动态雷达散射截面（RCS）仿真方法。该方法首先建立测量背景下典型飞行航路模型,然后计算雷达视线在机体坐标系上的时变姿态角。根据姿态角开展电磁计算,获得F-117A隐身攻击机在侧站平飞、背站拉起、对站俯冲、侧站盘旋4种航路下的动态RCS数据。着重分析了动、静态RCS特性在起伏目标检测性能评估上的差异。结果表明：静态RCS特性难以反映目标运动时真实的雷达特性,利用静态数据描述目标特性可能导致错误结论,而文中方法获取的动态RCS数据可以提高结论的完整性和可信度。     

Multiple model nonlinear filtering for low signal ground target applications

The design and implementation of a multiple model nonlinear filter (MMNLF) for ground target tracking using ground moving target indicator (GMTI) radar measurements is described. Like the well-known interacting multiple model Kalman filter (IMMKF), the MMNLF is based on the theory of hybrid stochastic systems. However, since it models the probability distribution for the target in a region, rather than just the distribution's first and second moments, a nonlinear filter is able to capture more fine-grained detail of the target motion and requires fewer models than typical IMMKF implementations. This is illustrated here with a two-model MMNLF in which one motion model incorporates terrain constraints while the second is a nearly constant velocity (CV) model. Another feature of the MMNLF is that it enables incorporation of prethresholded measurements. To implement the filter, the target state conditional probability density is discretized on a set of moving grids and recursively updated with sensor measurements via Bayes' formula. The conditional density is time updated between sensor measurements using alternating direction implicit (ADI) finite difference methods, generalized for this hybrid application. In simulation testing against low signal-to-interference-plus-noise ratio (SINR) targets, the MMNLF is able to maintain track in situations where single model filters based on either of the component models or filters that use thresholded data fail. Potential applications of this work include detection and tracking of foliage-obscured moving targets.     

基于嵌入式仿真的雷达训练系统设计

介绍了嵌入式仿真技术及其发展,将嵌入式仿真与雷达模拟训练相结合,构成了能够嵌入到机械扫描雷达实装的模拟训练系统。描述了对嵌入式仿真训练系统的结构组成以及部分模块的功能,研究了模拟雷达视频回波数据的方法和模型,包括目标回波、地物杂波、海杂波、气象杂波、有源干扰和接收机内部噪声,利用数学模型计算回波的强度、方位、距离等特性,调制实际录取的回波数据,生成与态势设置参数相应的模拟回波数据,能够对信号处理操作和抗干扰操作做出响应。通过对视频回波进行仿真,由终端显示画面可知模拟的回波数据具有较高的逼真度,经测试模拟视频回波能够被雷达显控终端识别。     

Association of tracks from over the horizon radar

In Over-The-Horizon Radar (OTHR), multiple ionospheric layers cause several tracks per target to be observed. This effect causes ambiguities in target identification and track coordinate registration. A pattern classification approach is proposed for associating tracks. Neural networks and statistical methods are applied to combine track affinities and associate pairs of tracks. The proposed approach provides a practical and efficient way of dealing with multiple track association when the number of targets is large and optimal. Bayesian hypothesis testing is not practical