一种新的雷达组网实时误差配准算法

雷达组网系统首先要解决误差配准问题，来准确地估计和消除系统误差。本文研究了异地雷达组网误差配准问题，在考虑随机量测噪声影响的基础上，提出了一种实时Kalman滤波(RTKF)误差配准算法，然后针对多条配准航迹，给出了该算法的扩展形式，即ERTKF误差配准算法，并对两种算法进行了性能分析。仿真表明两种算法能有效地对雷达系统误差进行估计，尤其是当系统偏差发生变化时，配准效果明显优于实时质量控制(RTQC)配准算法。     

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。     

基于相对位置矢量的群目标灰色精细航迹起始算法

为解决群内目标精细航迹起始的难题,基于对传统航迹起始算法及现有群目标航迹起始算法优缺点的分析,给出了完整的群目标航迹起始框架,并提出了一种基于相对位置矢量的群目标灰色精细航迹起始算法。首先基于循环阈值模型、群中心点进行群的预分割、预关联,然后对预关联成功的群搜索对应坐标系,建立群中各量测的相对位置矢量,基于灰色精细互联模型完成群内量测的互联,最后基于航迹确认规则得到群目标状态矩阵。经仿真数据验证,与修正的逻辑法、基于聚类和Hough变换的多编队航迹起始算法相比,该算法在起始真实航迹、抑制虚假航迹及杂波鲁棒性等方面综合性能更优。     

智能化雷达对抗情报处理技术研究

随着雷达技术的迅猛发展,雷达信号的密度、复杂程度都大幅度提高,这就增加了雷达信号的不确定性因素。本文讨论了粗糙集理论、模糊集理论、证据理论和可能性理论等人工智能技术在雷达对抗情报处理中的应用。对雷达辐射源的型号和工作模式识别、雷达网信息以及所属平台信息的推理技术进行了探索研究,给出了研究建议。     

协方差矩阵结构的广义杂波分组估计方法

针对球不变随机向量建模的相关复合高斯杂波背景下雷达目标自适应检测的协方差矩阵结构估计问题,将均匀杂波分组方法进行推广和改进,提出了杂波协方差矩阵结构的广义迭代杂波分组估计（GRCCE）方法。首先,在广义杂波分组背景下利用最大似然方法推导了协方差矩阵结构估计的迭代过程;其次,基于杂波分组思想,给出了广义杂波分组估计(GCCE),利用GCCE作为初始化估计矩阵进行迭代,得到协方差矩阵结构的GRCCE;最后,通过仿真对方法的有效性进行了检测,结果表明,GRCCE只需要一次迭代就能达到收敛,估计精度随着杂波一阶相关系数的增大而提高,而不受纹理分量参数变化的影响。与现有方法相比GRCCE适应杂波环境更广,估计精度更高,而且计算量更小。     

基于MAP估计和广义高斯MRF的SAR图像边缘比率检测方法

SAR图像极低的信噪比以及乘性噪声给SAR图像的边缘检测带来了较大的困难。提出了一种针对SAR图像边缘的自适应贝叶斯检测方法。该方法利用广义高斯马尔可夫随机场作为局部均值的先验概率分布模型,利用贝叶斯准则推导了局部均值的最大后验概率估计。广义高斯马尔可夫随机场模型参数估计和局部均值估计采用联合迭代技术进行求解。边缘检测器的参数采用接收机操作性能曲线和卡方检验进行选择。基于实测SAR数据的仿真实验结果表明,本文的边缘检测算子是有效的,并优于已有的SAR图像边缘检测算子。     

反馈式多目标多传感器系统误差融合估计技术

本文对多目标情况下的多传感器系统误差估计问题进行了研究,提出了反馈式多目标多传感器系统误差融合估计算法。算法首先对EX算法进行了修正,无需计算各目标状态估计及其增益伪逆,直接利用各传感器量测数据来构建伪量测,通过滤波获得局部传感器组合系统误差估计;其次,算法通过构建状态空间转移矩阵实现了全局估计到局部组合估计关系描述,并从多目标多传感器两个层面对系统误差估计进行更新,即对多目标信息进行递归融合以有效利用空间分布的多目标信息,对多传感器组合估计信息进行反馈融合获得全局估计。蒙特卡洛仿真结果说明该算法能够进行多传感器系统误差的快速精确融合估计,相比EX算法在实时性与估计精度方面均具有较大的优越性。
     

非高斯杂波下自适应雷达目标检测新方法

在球不变随机向量(SIRV)非高斯杂波背景下,研究了多脉冲相参雷达目标的自适应检测问题。假设杂波具有相同的协方差矩阵结构和可能相关的纹理分量,提出了新的协方差矩阵估计器,并获得了相应的自适应归一化匹配滤波器(ANMF)。理论分析表明,在估计杂波分组大小与实际情况匹配时,所获得的ANMF对杂波功率水平和协方差矩阵结构均具有恒虚警率(CFAR)特性。仿真结果表明:当估计的杂波分组大小失配时,所获得的ANMF具有近似CFAR特性,并进一步分析了不同参数变化对所提检测器性能的影响。与已有的ANMF相比,所获得的ANMF具有更好的检测性能,且迭代次数更小,其相对于已知杂波协方差矩阵的最优归一化匹配滤波器(NMF)的检测损失也更小,具有很好的实际应用前景。     

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。     

基于数据压缩的多传感器多假设算法

为解决集中式多传感器系统中多目标跟踪问题,提出了一种新的多传感器多目标算法.提出的算法首先应用经典分配规则对每个传感器送来的观测数据进行排列组合,然后对每个组合中各量测点进行概率加权以获得一个等效量测点,最后根据每个等效量测点产生的互联假设计算其互联概率并获得融合中心的状态估计.给出了该算法与已有集中式多传感器联合概率数据互联算法的仿真比较,仿真结果表明该算法的跟踪性能在探测概率降低的跟踪环境下表现得更为优越.