"狼群"干扰对单、双基地雷达的干扰分析

"狼群"干扰是美国正在研制的一种分布式干扰.文中分析了"狼群"干扰对单、双基地雷达的影响,结果表明,"狼群"干扰对单、双基地雷达构成了严重的威胁.在理论分析计算的基础上,提出了抗"狼群"干扰的可能方法.     

无源雷达波束扫描时差定位方法

运用波束扫描时差定位原理,提出了四站雷达无源定位的模型并对该方法的定位精度进行了分析,同时对已有的定位算法进行了研究并提出了改进措施,最后给出了具体条件下的仿真分析。     

主被动传感器UT-DC目标定位算法

主被动传感器融合定位具有高度非线性,针对采用传统的线性化方法计算变量统计特性,理论定位结果与实际定位结果相差较大的情况,文章提出了基于不敏变换(UT)的数据压缩(DC)融合定位算法。首先,通过不敏变换精确计算了二维变量的统计特性,减小了非线性误差的影响;其次,针对数据压缩过程中量测信息重复利用的问题进行去相关性处理,获得较高的定位精度;最后,通过理论分析和仿真结果验证,相较于传统的线性化处理方式相差较大的情况,基于不敏变换的数据压缩融合定位方法理论结果与实际结果相吻合。     

主被动雷达复合制导中的主动通道最优辐射时机

反舰导弹复合导引头的主动通道在辐射时机取值上存在一个矛盾--过早辐射会增大过早暴露自身的风险,过晚辐射则有可能出现目标脱离视野范围或在最大过载情况下仍无法命中目标的问题。针对导弹仅在末制导阶段开启辐射的情况,提出了一种主动通道最晚辐射时机的求解方法,既保证了一定的命中概率,又降低了被敌方侦察截获的风险。     

2D雷达组网中目标高度估计误差的Cramér-Rao限

 在由2坐标雷达组成的雷达网中,推导了目标高度估计误差的CRLB(Cram&;#225;r-Rao限),并通过不同条件下的数值计算得到了一些结论。结果表明,目标高度估计误差的CRLB既与雷达的测角误差有关,也与目标和2个雷达站形成的夹角有关系,雷达配置在不同的高度上有利于目标高度估计的收敛性。这些结论对于2坐标雷达组网以及雷达网中的传感器管理具有指导意义。     

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。     

测向交叉定位系统中的最优交会角研究

研究了测向交叉定位系统中的最优交会角问题。在目标到两部被动传感器基线之间的垂直距离不同的情况下和最小圆概率误差（CEP）准则下,得出了一些有意义的结论。研究表明,最优交会角跟目标到两部传感器基线的垂直距离与基线长度的比值l有关。当l≥√3/6时,只存在一个最优交会角且此时目标与两部被动传感器呈等腰三角形,并在此情况下分析了l的变化对圆概率误差的影响。当l＜√3/6时,存在两个相等的最优交会角。得出的结论在多个被动传感器的优化配置进而提高目标定位精度方面具有一定的理论和实际意义。     

被动传感器组网变门限聚类定位算法

为了提高干扰情况下目标的定位精度,提出一种基于数据质量分析的地面固定被动传感器组网变门限聚类定位算法。该算法充分利用传感器组网和数据质量分析的优点,首先将各传感器量测转换为目标的估计位置点,并按照距离平方和的方法对各位置点进行数据质量分析;其次构造检验统计量,根据位置点数量的变化自适应调整聚类门限进而对位置点中心进行数据质量分析;最后根据分析结果确定高质量位置点类别并获得目标的估计位置。通过和最小均方误差估计算法（MMSE）相比较,变门限聚类定位算法可有效消除低质量数据对定位结果的影响,从而提高了目标的定位精度。仿真结果验证了从数据质量分析的角度对目标进行组网定位的有效性。     

基于模糊拍卖的天波超视距雷达多模式融合跟踪算法

天波超视距雷达通过电离层反射实现超视距广域监视,其地理坐标系下的量测方程存在强非线性,同时由于电离层的不同分层,造成了多路径传播的严重问题,即同时存在多个模式的量测。本文提出了一种基于模糊拍卖的多模式融合跟踪算法,将多路径信息看作是多传感器提供的同步量测信息,利用模糊拍卖算法对确认量测和传播模式进行分配,再利用多传感器数据融合的方法对多模式信息进行同步数据融合。仿真结果表明,在杂波环境中,跟踪一个存在4种可能非线性量测的匀速运动目标时,本文提出的基于模糊拍卖的多模式融合跟踪算法与多径概率数据互联算法相比,在距离维、距离变化率维和方位维的精度具有很大改善,且耗时大大缩短,能更好地提供预警信息。     

利用图像相关等级的目标判别方法及其应用

提出一种根据PCA重构图像与原目标相关等级进行的目标识别方法,解决伪目标参与识别影响识别准确度的问题。首先建立目标模板库特征空间,将定位到的目标对象映入特征空间,利用PCA变换进行图像重构,定义降维重构图像与原目标之间的相关度函数,根据该函数判别图像等级;若原目标与其重构图像相似度很低,认定原目标为伪目标,将其剔除,不进入识别过程;若认定为真实目标后,根据相似性程度,分别选用降维重构图像或原图像作为识别对象,利用Hu不变矩距离分类器进行识别。该方法可有效剔除伪目标,并根据图像质量选用识别目标,提高了目标识别准确度,交通卡口获取的实测车辆图像车标识别试验验证了该方法的鲁棒性和有效性。