基于改进MCMC的波束内目标与诱饵联合参数估计

波束内目标与诱饵的参数估计是导引头正确实现目标分选、完成波束指向调整与精确跟踪的必要条件。目标与诱饵的“紧密接近”导致接收回波混叠,使得常规参数测量与估计方法失效。基于实际采样处理中目标回波能量会“溢出”到相邻匹配滤波采样点这一信号模型,通过贝叶斯原理从观测的条件似然以及未知参数的先验分布获取待估计参数的后验概率分布,采用Markov Chain Monte Carlo (MCMC)方法中的Metropolis-Hastings (M-H)抽样算法联合估计目标与诱饵的相关参数,并根据拖曳式诱饵干扰对抗的特点对M-H抽样进行了改进。各种典型干扰条件及动态攻击场景下的仿真试验表明了本文方法的有效性。
     

机动目标拦截末制导状态估计器的误差特性

 针对大机动目标拦截问题,分析了末制导阶段目标机动条件下状态估计器的误差特性。首先将目标机动输入未知时的状态估计器模型表示为一随机线性混合系统,当混合系统的模式跳变事件满足可观测性条件时,模式决策过程可等效为真实模式的延迟;随后推导了模式决策延迟条件下估计误差的动态方程与传递函数,并得到了一定误差要求下模式决策延迟的上界与目标机动模式逗留时间的下界;最后通过空空导弹拦截高速战机的典型实例验证了该理论分析的正确性。研究结果为设计此类线性混合系统估计器提供了理论依据。     

基于扩展单脉冲比的拖曳式诱饵存在性检测

诱饵的存在性检测是对抗拖曳式有源雷达诱饵干扰的前提,也是决定抗干扰效果的重要因素.当导引头雷达发射多个不同频率的脉冲信号时,在一定的检测处理时长内目标回波信号幅度服从瑞利分布,而诱饵干扰信号则是幅度固定的.基于导引头雷达波束内诱饵存在导致的回波特征变化,通过提取诱饵存在/不存在两种情况下雷达接收回波信号的幅度特征差异以...