SAR幅度图像统计模型及其参数估计

对适用于复杂场景SAR幅度图像的乘积模型统计特征进行了深入的分析,导出了其概率分布的一般形式,在单视情况下讨论了三种参数估计方法。MSTAR数据的统计分析结果表明该模型对于高分辨力的SAR图像有较好的适用性。     

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。     

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。     

基于模糊最小方差估计的超视距雷达多模式融合跟踪算法

天波超视距雷达(OTHR)是通过电离层反射实现超视距广域监视的,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,即同时存在多个量测模型。本文借鉴多传感器数据融合的思想,提出了一种新的超视距雷达跟踪算法,将多路径信息看作是多传感器提供的量测信息,利用模糊最小方差估计的方法对多路径信息进行同步融合。仿真结果表明,当在杂波环境中,跟踪一个存在四种可能非线性量测的非机动目标时,本文提出的基于模糊最小方差估计的多模式融合跟踪算法(FLCE-MFT)与多径概率数据互联算法(MPDA)相比,在距离维的精度具有很大改善,且耗时大大缩短,具有更好的跟踪性能。     

临近空间高超声速多目标检测前跟踪算法

针对临近空间不同径向距离高超声速目标难以同时被有效检测的问题,提出一种通过峰值聚优改进Hough变换积累结果的检测前跟踪(TBD)算法。采用径向距离-时间坐标描述数据,减少量测误差影响,规格化坐标使2个维度处于同一量级。进行Hough变换,分割参数单元进行点数积累和能量积累,采用标签矩阵记录每个量测点曲线经过的参数单元,遍历所有量测点将每个量测点只存于其所能构成能量积累值最大的参数单元,得到新的点数积累和能量积累结果。只对点数积累空间设置门限提取目标航迹,进行航迹约束和合并,输出最终航迹。仿真结果显示,算法将3个目标全部检测出的概率可达到90%,具有较好的多目标检测性能。     

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。     

基于模糊信息的信息融合及决策

在各传感器或信息源给出模糊信息的情况下,研究了多传感器(或信息源)的信息融合及决策问题。首先,给出了单个传感器的时间域信息积累更新模型,然后给出了四类传感器(或信息源)的空间融合模型,最后,在各传感器信息融合基础上,研究了给出效用函数情况下的贝叶斯最优决策。