基于ECEF的广义最小二乘误差配准技术

 雷达组网数据处理首先要进行误差配准,来准确地估计和消除系统误差。传统的误差配准技术多基于球极投影,当雷达之间距离较远时,给配准结果引入一定的误差。基于地球中心坐标系(ECEF),提出了一种广义最小二乘的ECEF-GLS误差配准技术,较好地解决了远距离误差配准问题,误差分析表明,如果忽略模型线性化引入的误差,配准结果达到了CRLB下限。最后,使用仿真数据验证了算法的性能,并和Zhou提出的基于ECEF坐标系的最小二乘ECEF-LS误差配准算法进行了比较。     

防空雷达网体系结构与关键技术

提出了区域防空雷达网应具有的功能体系结构、类型配置体系结构及数据处理体系结构,并对雷达网数据接入、数据融合以及网内雷达实时控制与管理技术进行了分析.     

基于FRFT域特征差异的压制干扰检测与分类算法

针对干信比未知情况下有源压制干扰分类识别结果可信度较低的问题, 提出了一种基于FRFT域特征差异的压制干扰检测与分类算法。首先, 通过FRFT域峰值阶次的序贯判决算法, 进行压制干扰的存在性检测, 以保证压制干扰分类识别在较高的干信比条件下进行; 然后, 在此基础上, 分别提取回波信号在FRFT域的极值阶次标准差和峰值阶次标准差作为分类识别特征量, 同时, 为避免硬判决造成的分类错误, 采用模糊判决的方法得到基于不同特征参数的分类识别结果; 最后, 按一定准则将2种分类识别结果进行融合, 以进一步提高分类识别正确率。仿真结果表明, 与现有压制干扰分类识别算法相比, 该算法较好地解决了分类识别结果可信度较低的问题, 同时具有较高的分类识别正确率。      

一种新的信息融合功能模型

在分析了信息融合三级、四级和五级模型优缺点的基础上,提出了信息融合分类的六级功能模型。分析和介绍了每级的含义及特点,并同时给出了该六级功能模型的逻辑处理流程。该模型综合了四级和五级模型的优点,对从检测到威胁判断的整个过程给出了清晰的划分,突出了精细化处理,避免了三级模型和四级模型的不足。     

利用多个相参脉冲回波估计目标径向速度和加速度

为从高加速度目标的多个相参脉冲回波中估计目标径向速度和加速度,首先对高加速度目标回波特点进行分析,其次提出采用FRFT(Fractional Fourier Transform)变换方法来提取目标径向速度、加速度,仿真结果验证了算法的有效性。     

雷达与IFF背靠背配置时的关联算法

对于雷达与IFF(Identification Friend or Foe)背靠背配置时的关联问题,提出了关联算法.主要包括雷达航迹与IFF点迹的时间对准、判别函数构造、关联判决准则选择和关联判决门限设置等,并讨论了多义性问题.4种典型情况下的仿真结果表明,目标间隔与目标到雷达距离之比越大时,关联效果越好;目标交叉时,离交叉点越近,关联效果越差;目标机动阶段时间对准采用雷达航迹平滑的关联效果优于航迹预测,其它情况下采用两种时间对准方法的关联效果相近;在NED(North East Down)坐标系和极坐标系下的关联效果相近;n/m逻辑应选择2/3或3/4,以同时保证对友方目标的漏关联概率和不明目标的误关联概率都较低.     

基于预估-反馈联合处理的射频噪声干扰抑制算法

针对强射频（RF）噪声干扰下脉压雷达目标检测概率较低的问题,提出了一种基于预估-反馈联合处理的射频噪声干扰抑制算法。首先,对回波信号进行盲源分离预处理,并利用分数阶傅里叶变换（FRFT）的特性对目标回波信号进行参数估计以及窄带滤波处理,滤除大部分干扰和噪声的能量;然后,在数据层运用M/N逻辑法进行点迹处理,并结合径向速度方向判决,实现对目标航迹的预估检测;最后,利用数据层对航迹状态的反馈实时修正滤波器参数,从而在信号层更好地滤除干扰能量,并对中断航迹进行剔除,完成射频噪声干扰的抑制。仿真结果表明：与现有射频噪声干扰抑制技术相比,所提算法具有更优的干扰抑制效果。     

一种新的干扰源定位算法

在强压制性干扰条件下,三坐标雷达不能测得目标的斜距。由于量测误差的存在,通常情况下两部三坐标雷达所得到的方向矢量在空间不能相交。为了得到干扰源(或目标)的位置,文中提出了广义三角测量交叉定位算法。通过对广义三角测量交叉定位得到的两个定位点在最小均方误差准则(MMSE)下进行融合,最终得到目标的估计位置。MonteCarlo仿真结果表明该算法有较高的定位精度。     

多目标跟踪的概率假设密度粒子滤波

在多目标跟踪中,当目标数很大时,目标状态的联合分布的计算量会非常大。如果目标独立运动,可用各目标分别滤波来代替,但这要求考虑数据互联问题。文章介绍一种可以解决计算量问题的方法,只需计算联合分布的一阶矩——概率假设密度(PHD),PHD在任意区域S上的积分是S内目标数的期望值。因未记录目标身份,避免了数据互联问题。仿真中,传感器为被动雷达,目标观测值为距离、角度及速度时,对上述的PHD滤波进行了粒子实现,并对观测值是否相关的不同情况进行比较。PHD粒子滤波应用在非线性模型的多目标跟踪,实验结果表明,滤波可以稳健跟踪目标数为变数的情况,得到了接近真实情况的结果。