3D传感器检测和跟踪的联合优化

在杂波环境下实现检测－跟踪的联合优化是目标跟踪中的一个重要研究课题。对3D传感器使用PDAF进行目标跟踪的情况，本文以先验检测门限优化准则为设计准则，通过用解析近似表示拟事修正Riccati方程中的参数，给出了瑞利起伏环境下实现检测和跟踪联合优化的方法。研究和仿真表明：（1）这种检测和跟踪联合化化方法的跟踪性能优于固定虚警率方法的跟踪性能，但这种性能的改善主要体现在滤波稳定阶段；（2）基于先验检测门限优化准则实现检测－跟踪的联合优化要求信噪比要大于一定的门限，在瑞利起伏环境下，三维测量所要求的信噪比门限为2．157。     

一种新的鲁棒CFAR检测器设计方法

针对先验环境信息未知或先验环境信息不准确导致的检测性能损失问题，设计了一种复杂背景下鲁棒CFAR检测器。在检测器设计中，通过利用样本的统计直方图和均值比判断观测窗所属杂波类型，在存在干扰目标或杂波边缘环境时使用新的干扰加权算法对观测样本进行筛选，根据筛选后的样本得到相应的检测门限。分析了所设计检测器在均匀杂波、存在干扰目标及杂波边缘环境下的检测性能。研究结果表明，在各种先验信息未知的复杂杂波环境中，所设计的CFAR检测器可以得到较好的检测性能，对天基预警雷达系统的检测器设计具有一定的参考价值。仿真结果验证了方法的有效性和正确性。     

一种实用的解耦自适应跟踪滤波器

提出了一种适于在非线性测量环境下跟踪机动目标的解耦自适应跟踪滤波器，这种跟踪滤波器在视线直角坐标系下实现了改进的输入估计方法。由于所提出的滤波器具有解耦结构，因此，可以显著地减少计算量而不会降低性能。同时还证明，由于伪测量噪声间的小的互相关，因此提高了机动检测的准确度。     

基于ResNet的智能恒虚警目标检测方法

传统恒虚警检测方法通常假设待测单元的杂波与训练杂波满足独立同分布,然而在实际雷达工作环境中,强杂波呈现出非均匀特性,沿距离单元的杂波统计特性差异变化较大,使得传统恒虚警目标检测方法在复杂环境下的检测性能下降。为解决该问题,本文从杂波统计特征提取分类出发,通过深度学习方法对杂波进行分类,提出了一种基于残差神经网络(ResNet)的智能恒虚警目标检测方法。首先,根据雷达实测杂波数据建立ResNet的训练集和测试集;其次,构建ResNet对数据进行智能特征提取,得到杂波的统计特征,并用训练好的网络对测试集进行测试;最后,以阈值可设的Softmax分类器对所得统计特征进行分类,根据分类结果实现智能恒虚警目标检测。实验结果表明:相比传统恒虚警检测方法,本文提出的方法具有自适应能力更强、检测性能更好等优点。     

用于杂波环境下跟踪的自适应概率数据关联算法

提出了一种采用自适应更新时间，用于在杂波环境和探测概率小于１的环境下跟踪 概率数据关联滤波器，并与采用恒定更新时间的概率数据关联滤波器作比较。     

基于直接数据域的三维空时自适应杂波抑制

在相控阵机载预警(AEW)雷达杂波抑制中三维空时自适应处理(3D-STAP)的性能最优,然而,三维处理存在两个方面的缺点一是自适应权的计算量较大,二是估计杂波协方差矩阵时需要大量的训练样本(这在实际非均匀环境中很难满足),因而无法应用.先时后空自适应处理(T-SAP)不但计算量低,而且性能接近最优.现提出了一种基于直接数据域(DDD)的三维先时后空自适应处理(3D-T-SAP)方法,即先对每个二维空域通道用具有超低旁瓣的多普勒滤波器将杂波作局域化预处理,再对各个或相邻几个多普勒通道的输出作基于直接数据域的二维空域自适应处理.此外,由于该方法对阵元误差比较敏感,因此还提出了一种实用的误差校正方法.计算机仿真结果验证了该方法的有效性.     

基于变参数广义结构的距离扩展目标检测方法

针对特定杂波背景下的最优或次优检测器结构难以适应过渡杂波环境的问题，首先，给出基于变参数广义结构的距离扩展目标检测器，通过调整参数来适应杂波特性。其次，确定检测器最佳参数的经验公式，经验公式符合数值结果。最后，利用仿真试验分析检测器的检测性能。仿真结果表明，在介于高斯和复合高斯杂波之间的过渡环境中，提出的检测器比现有检测器具有更加优异的目标检测性能，对杂波非高斯程度时空渐变性具有较强的适应能力。     

杂波环境下的机动目标检测和跟踪算法

交互多模式（IMM）是一种有效的机动目标跟踪算法，但由于其要求具有很多的先验前提条件而不利于工程实现。研究了一种杂波环境下更适合于工程实现的机动目标（同样适用非机动目标）的跟踪算法，该算法通过一种由测量位置估计误差决定的机动检测函数来实现杂波背景中的机动目标检测，并通过改变Kalman滤波的相关参数，实现自适应跟踪。该算法克服了IMM算法的模式限制和复杂性，同时也避免了对非机动目标的跟踪中，在跟踪模式间相互切换时所换造成的影响。通过在空管系统（ATC）的大量模拟实验，验证了该算法的有效性和重大应用价值。     

一种动目标检测的优化设计及应用

文章提出一种新的动目标检测(MTD)滤波器组设计方法,即信号处理系统分为目标处理通道和气象处理通道;目标通道采用自适应动目标检测(AMTD)处理方式,实时检测杂波的存在,判定杂波强度(如强、中、弱),根据杂波的强度自动产生或选择滤波器加权因子,以期保证对地杂波高度抑制的前提下,尽量减少信噪比损失,提高对弱小目标的检测能力。该方法可提高雷达在杂波环境中的自适应性能,具有一定的实用价值。     

雷达海杂波模型的比较

雷达性能预计一直是雷达系统设计和研究的重要部分。现在的雷达自适应强，性能可靠，可重构并且能在脉冲间变换其波形。这些如此复杂的系统的实现和接受不能仅仅从多种雷达模式的实验中所获得，目标和杂波条件是受限的。性能预计的结果提出了一种将在白天环境条件下获得的有限实验结果扩展到全部理想运行中的方法。在自由空间中雷达性能的分析已得到了充分证明和理解，但在杂波环境中雷达目标的模拟还是个有待研究的领域。     

杂波环境下的机动目标检测和跟踪算法

交互多模式(IMM)是一种有效的机动目标跟踪算法,但由于其要求具有很多的先验前提条件而不利于工程实现.研究了一种杂波环境下更适合于工程实现的机动目标(同样适用非机动目标)的跟踪算法,该算法通过一种由测量位置估计误差决定的机动检测函数来实现杂波背景中的机动目标检测,并通过改变Kalman滤波的相关参数,实现自适应跟踪.该算法克服了IMM算法的模式限制和复杂性,同时也避免了对非机动目标的跟踪中,在跟踪模式间相互切换时所换造成的影响.通过在空管系统(ATC)的大量模拟实验,验证了该算法的有效性和重大应用价值.     

机动目标跟踪的非线性IMM算法

在目标跟踪时，测量噪声通常假定为高斯状，然而这种假设不一定正确，噪声有可能是非高斯型的。在雷达系统中出现的非高斯噪声被认为是闪烁噪声，闪烁噪声呈长尾形分布，此分布将严重影响跟踪性能。现已发展一种新的算法，可以在闪烁环境下有效地跟踪机动目标。该算法将非线性Ｍａｓｒｅｌｉｅｚ滤波器引入交互式多模型方法中。我们用模拟试验来验证新算法的优越性。     

基于海杂波稀疏性与非均匀度的样本挑选方法

针对预警雷达对海监视面临海杂波分布非均匀与杂波样本受目标污染,导致自适应杂波抑制处理性能恶化和目标能量损失的问题,提出了一种基于海杂波稀疏性与非均匀度的样本挑选方法。该方法将目标的导向约束与广义内积样本挑选方法结合,先利用海杂波在空时二维平面上的稀疏分布特性,根据海杂波与目标空时二维分布差异剔除被目标污染的样本,再利用广义内积准则衡量海杂波分布的非均匀程度,并获取均匀样本,以提高杂波协方差矩阵的估计精度。仿真结果表明:所提方法能在提高杂波抑制性能的同时,减小目标信号能量损失。该方法可广泛应用于海面预警监视雷达系统。     

一种数字式动目标跟踪技术

介绍一种在某型号雷达中成功应用的全数字式动目标跟踪系统。和差三路Ｉ和Ｑ正交信号经模数（Ａ／Ｄ）转换后在数字信号处理器中进行动目标显示（ＭＴＩ）滤波、距离跟踪，同时提取角误差信号作为天线角伺服系统的输入，以实现对目标的角度跟踪。该跟踪系统可以有效地抑制对中低空目标回波影响较大的地杂波及海杂波等干扰信号，从而极大地改善了跟踪雷达的中低空性能。     

雷达信号模拟器中的杂波仿真模型

首先介绍了基于雷达相干信号模拟方法的杂波仿真模型 ,然后根据国内外公开报道的有关杂波测量数据模型 ,总结了雷达信号模拟器中杂波模拟时所需的杂波后向散射系数模型、杂波的概率分布特性模型和杂波相关特性模型。同时 ,给出了这些模型参数的典型值以供雷达信号模拟器设计过程中参考     

动目标跟踪技术在制导雷达中的应用

为了降低各种地物杂波对雷达接收机工作性能的影响,提出了一种动目标跟踪方案.该方案采用单个模拟式多普勒滤波器,实现动目标提取与单脉冲跟踪兼容;动目标距离跟踪采用分裂波门技术.给出了动目标跟踪原理框图.外场试验表明,该方案是成功的.雷达各项性能达到了设计要求.     

一种可用于预白化类空时自适应处理中的阵元误差校正算法

在非均匀杂波环境中,预白化类空时自适应处理(STAP)具有较高的收敛速度,可显著提高雷达的杂波抑制性能。但在实际阵列接收系统中,阵元误差的存在会使预白化类STAP性能严重下降。针对此问题,提出了一种基于杂波回波的阵元误差校正算法。该算法首先将阵元误差表示为方位依赖的幅相误差;然后将空间各个方位的主瓣杂波作为校正源,利用其阵列输出协方差矩阵的Toeplitz结构会在阵元误差影响下发生改变的特性,估计相应方位的阵元幅相误差;最后利用估计的幅相误差校正先验协方差矩阵和假定目标的导向矢量。仿真结果表明:当阵列接收系统存在阵元误差时,阵元误差校正算法可明显改善预白化类STAP算法的杂波抑制性能。     

使用信息矩阵滤波的跟踪融合的性能评估

在多传感器环境下，每个传感器探测多个目标，接着产生相应的跟踪。这些跟踪可能互不相同，经过融合后，传感器生成有关目标的更精确的运动信息和属性信息。目前已有两种方法可以达到上述目的，一种是测量值融合法，一种是状态矢量融合法。众所周知，测量值融合计算法通常最优，但计算费时，而状态矢量融合算法计算省力却是次优。之所以如此，是因为从两个传感器中获得的待融合状态级估值，由于通常存在被跟踪目标的过程噪声，通常并非条件独立。值得注意的是，状态矢量融合已有三种计算法：加权协方差法、信息矩阵法和伪测量法。本文仅限于讨论状态矢量融合中信息矩阵形式的性能评估。利用信息矩阵计算法已经推导出稳态融合协方差的闭式分析解并作为一种性能的度量方法。注意，推导出的结果基于两个传感器同步工作且没有误关联的假设，或是在研究时考虑了融合测量值。并且我们将推导出的结果用蒙特卡罗仿真进行了比较，过去曾有许多作者利用蒙特卡罗仿真来预测融合系统的性能。这些结果有助于更加深入地了解跟踪融合的作用原理，并大大简化了对融合性能的评估。此外，有了这样的解，简化了对各种不同工作条件下设计融合系统的折衷研究。     

基于Hough变换的多传感器,多目标航迹起始方法

在相关技术文献中，认为Ｈｏｕｇｈ变换是一种有效的航迹起始方法，然而，迄今为止，大多数论文主要研究Ｈｏｕｇｈ变换方法在单传感、单目标且无杂波背景这种简单的场合中的运用，我们详细地给出了一种将Ｈｏｕｇｈ变换应用到多目标、多传感器数据关联与航迹起始问题的方法，这种方法分两级进行，首先，分别在不同的Ｈｏｕｇｈ空间中检测方位与距离透迹，然后对确定这些透迹的测量进行关联，用于航迹检测与起始，这种方法的有效性已 过几个全面的，综合的仿真场景得到验证。     

实测数据的降秩空时自适应处理方法

在实际非均匀环境中，机载雷达数据的非均匀性会恶化杂波协方差矩阵的估计，严重地降低了空时自适应处理器的性能。本文首先用非均匀检测器在非均匀环境下选择辅助距离门，来估计样本协方差矩阵。而后讨论了基于广义旁瓣相消器结构上的两种降秩空时自适应处理方法：主分量法和互谱法，这两种方法都是利用杂波和干扰的低秩属性，用依赖于采样数据的转换矩阵来构造空时自适应滤波器。最后对从Mountain Top计划测得的数据，应用上述两种降秩方法对其进行了分析。仿真实验表明了这两种方法的可行性，减少了计算量，并提高了有效可测收敛性，可有效地提高空时自适应处理器的性能。