基于频域CLEAN和谱图-Radon变换的SAR运动目标检测算法

谱图-Radon变换可有效地检测多个线性调频信号,当多个线性调频信号的能量相差较大时,谱图-Radon变换就很难将所有的信号检测出来。为了解决这个问题,文中提出了基于频域CLEAN的检测技术与谱图-Radon变换相结合。使用检测能量相差较大的多个线性调频信号的方法。这种方法可以有效地检测出所有的信号,具有较大的实用价值,仿真实验结果表明这种算法是有效的。     

调频连续波SAR成像算法研究

机载遥感微波成像雷达在地球观测特别是在城市应用中起着非常重要的作用,现在人们对体积小、重量轻、成本效益高、分辨率高的成像雷达越来越关注。调频连续波(FM-CW)技术和SAR相结合的调频连续波合成孔径雷达应运而生。论文详细分析了FM-CW SAR的成像过程,提出了去除相位残余的算法,并给出仿真结果。通过仿真可以看出,调频连续波合成孔径雷达具有较好的空间分辨力。     

面向领域的仿真设计建模工具SIMDEMO

讨论了面向领域的仿真设计建模工具SIMDEMO的设计和实现.基于透明性、正交性、层次性的视图分解原理,对处于不同阶段、面向不同用户、涉及不同方面的系统模型采用多视图进行分解,建立了以多视图为核心理念的系统协同建模方法,给出了该建模方法下建模所需遵循的过程指导.针对领域模型描述、表示以及操作等多个方面对工具重构的需求,研究得到了基于元对象反射模型的工具架构;架构具有良好适应性,使得工具重构更灵活、简捷.对SIMDEMO的功能结构进行了简介,给出了系统实现方案.最后,将SIMDEMO与典型同类工具作了比较.     

多传感器多目标系统误差融合估计算法

为解决多传感器组网系统的系统误差估计问题,基于多传感器多目标上报信息,研究并提出了一种多传感器多目标系统误差融合估计算法.算法构建了两级融合结构,即第一级对多传感器组合状态估计信息进行反馈融合以改善局部组合状态估计精度,从而间接改善系统误差的估计精度,而第二级对多目标系统误差估计信息进行融合以进一步提高系统误差的估计精度.蒙特卡洛仿真显示算法能有效融合利用多传感器多目标信息,实现多传感器系统误差的实时精确估计.     

SAR图像伪加性相干斑噪声统计特性

研究了SAR图像加性模型中伪加性相干斑噪声分量的统计特性。分析了SAR图像中真实信号分量和乘性相干斑噪声分量的统计特性;在此基础上结合Edgeworth展开式和以Mellin变换为基础的第二类型特征函数及其对数累积量详细推导了伪加性相干斑噪声概率密度函数的近似表达式;各信号分量的概率密度函数中的参数采用对数累积量方法进行估计。最后利用SAR实测数据仿真分析了伪加性相干斑噪声的统计特性。实验结果表明,乘性的相干斑噪声转换为加性噪声后,其统计特性非常接近于高斯分布。     

超视距雷达中的目标检测问题

工作在高频波段(3—30MHz)的超视距雷达能够探测和跟踪视距以外飞机、舰船等目标，它在民用和军事上均有重要的应用价值。但超视距雷达的目标信号会埋没在强海杂波中，使得目标信号的检测极为困难。本文先讨论了一阶和二阶Bragg海杂波特性，然后针对强海杂波中目标检测的特点，讨论了距离一频率维的目标恒虚警检测方案，并提出了一些有意义的建议。     

带反馈分布式不同维传感器状态估计技术

论述了带反馈分布式信息融合系统中传感器观测维数不同时的状态估计方法。在多传感器系统中，目标的测量是在极坐标中获得，而数据处理通常是在直角坐标中完成。由于二维传感器不能获得观测目标的俯仰信息，其估计将会产生一定的动态误差。在分布式的信息融合系统中，各传感器需要将各自的局部估计送到融合中心进行统一处理。如果不适当地减小这种动态误差，必然将导致整个信息融合系统的估计精度下降。针对上述问题，文章讨论了如何利用系统反馈信息，减小二维传感器的局部估计误差，从而提高整个系统的估计精度。最后，给出了算法的仿真分析。仿真结果表明该方法能够有效地减小系统动态误差。     

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。     

不确定航迹自适应预测模型

针对现有航迹预测技术中，存在无模技术缺乏理论分析支持、能力有限、适用范围窄、有模技术先验假设过多、前提条件严苛、通用性差等问题，通过理论推导，利用循环和多层神经网络结构，研究提出了具有理论严谨、先验假设少、适用范围广、通用性强等优点的不确定航迹自适应预测模型，同时给出了典型的实现方法。该模型克服了现有航迹预测方法的缺点与不足，并具有无模与有模两类技术的优点与长处，仿真和实测实验验证表明：该模型能很好地提取识别出数据中存在的模式，并基于模式，进行正确有效地预测，能有效解决不同实际环境中的航迹预测问题，效果明显。     

基于神经网络和人工势场的协同博弈路径规划

协同博弈路径规划是空战自主决策、机器人体育比赛等应用场景中的重要问题，其难点在于对环境对抗性反馈的实时自适应和多智能体的相互配合。提出一种基于神经网络和人工势场的协同博弈路径规划方法，使用反向传播（BP）神经网络自适应调整人工势场函数系数，并将人工势场作为神经网络输出端的特征提取。为解决真实样本质量和数量不足的问题，基于遗传算法仿真生成样本数据用于神经网络训练，并通过滚动时域的思路面向动态博弈优化样本性能。从样本数据中提炼出距离差与航向差以反映协同和博弈特性，利用神经网络的黑盒特性和学习能力解决协同博弈问题。应用于二对一反隐身超视距空战路径规划，比经典人工势场法有明显性能提升，且计算开销可接受，计算复杂度分析表明该方法可以较好扩展到多机对抗场景。