相控阵单脉冲雷达自适应旁瓣对消研究

对自适应旁瓣对消如何用于相控阵单脉冲测角进行了研究。使用常规自适应旁瓣对消方法,辅助天线中的期望信号会导致测角误差;若采用阵列输入经期望信号阻塞矩阵处理后产生辅助波束的改进方法,则可消除这一误差。仿真结果表明了改进方法的有效性。     

星间红外探测与测量系统

文章主要介绍了具有凝视成像功能的红外探测系统的研究和设计。首先简要描述了红外测 角系统的组成和工作原理;然后重点论述了红外探测系统的性能指标和光学设计;最后对红外探测系统设 计研究作了总结和展望。     

借助TADT技术对中继卫星实现高准确的非相干多普勒跟踪

用非相干多普勒跟踪系统取代相干多普勒跟踪系统是可能的,只需消除其振荡器频率漂移对测速的有害 影响即可。TADT技术能使之达到相干系统的准确度。文中介绍TADT方法的数学原理及其在TDKSS网中的应用。结 论认为,TADT方法是解决非相干多普勒跟踪系统高精度和高可靠性这一矛盾的有效方法,从而使航天器的多普勒跟踪 技术取得突破性进展。     

单脉冲雷达导引头抗压制式干扰时域仿真

为研究单脉冲主动雷达导引头在自卫干扰(SSJ)和非SSJ条件下的抗干扰性能,建立了单脉冲角跟踪系统对SSJ和非SSJ压制式噪声干扰源进行跟踪的时域模型。仿真结果表明,在SSJ条件下,角跟踪回路的抗压制式噪声干扰性能较佳,跟踪情况与目标视线角速度有关;在非SSJ条件下,当导引头接收天线处远距支援干扰(SOJ)强于目标回波信号时,SOJ会引入较大的天线指向偏差。所建模型可用于雷达导引头抗干扰性能的仿真研究。     

一种采用自动筛选技术的鲁棒恒虚警检测器

本文基于有序统计（ＯＳ）和筛选平均（ＣＭ）提出了一种新的恒虚警检测器，它采用ＯＳ和ＣＭ方法来产生局部估计，再采用二者的平均值作为对杂波功率水平的估计，并应用了文献［５］提出的自动筛选技术，在ＳｗｅｒｌｉｎｇⅡ型目标假设下，本文推导出了它的Ｐｆａ、Ｐｄ和度量ＡＤＴ的解析表达式，并与其它方案进行了比较。分析结果表明，它对均匀背景和多目标环境均具有适应性，尤其是在多目标引起的非均匀背景场合中，它呈现较好的锝棒性，它的性能与ＯＳ相比有较大的改善，并且它的样本排序时间不及ＯＳ、ＣＭ的一半。     

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。     

捷变频雷达目标/干扰背景射频环境产生方法

介绍一种基于IFM技术的非相参捷变频末制导雷达,模拟目标回波信号和模拟干扰信号的产生方法。实践证明,用该方法产生的模拟信号,符合在实验室和技术阵地对捷变频雷达导引头进行工作性能测试和抗干扰性能测试的需要,具有推广应用价值。     

采用商用技术改进军用雷达

采用商用产品和技术有助于降低成本，降低风险并加快技术成果转化的步伐。然而，在高性能飞机电子设备领域，如果不能深入了解军事环境、规范／要求、以及商用产品满足它们的能力，那么就会限制采用商用技术改进航空电子设备的潜力。为了举例说明如何使航空工业向着这个方面转变，本文评述了Hughes飞机公司所开展的工作。Hughes公司正在用商用规范与技术对原有针对军事用途设计并采用军用规范和技术的合成孔径雷达系统进行了改进，以便降低成本并瞄准非军事市场（包括国外的市场）。令人好笑的是，军方已经把该产品供自己使用，并且该雷达第一次就卖给美国军方。Hughes综合合成孔径雷达（HISAR）是一种低成本、高性能SAR雷达，它具有实时侦察、监视和地球资源测绘的能力。HISAR采用了最初为美国空军开发的称作ASARS－2的先进的SAR技术，以便在日、夜及全天侯条件下，形成接近光学照片质量的图像。最初的ASARS－2采用了常规的高速可编程信号处理器，该处理器由数个机架组成，并且需要大功率和冷却。在七十年代中期正在开发ASARS－2时，商用处理器能实现相同的功能，但其硬件资源和软件复杂性要高一个数量级。随着以有效的高速数据总线为特征的信号处理的迅速发展，使人们能采用可靠的、成本显著降低的商用信号处理器代替原来的硬件。商用技术与产品也有可能用于其它雷达功能领域，并进一步降低成本和物理特性。现在HISAR是几个新的美国国防部计划的基础。本文论述了怎样广泛使用商用技术和规程来满足军事要求。     

一种模糊多传感器跟踪系统

许多多传感器目标跟踪系统都是在假定数据关联过于复杂、集中式融合办法的计算要求过多而难于实现的情况下提出的。此外还需假设噪声分量相对较小、无漏检，扫描周期相对较短等等。业已证明，在采用这些假设条件生成模拟数据进行测试时，许多多传感器跟踪系统都能有效地工作。然而深入研究了几组实际数据的特点之后，就会发现这些假设并不总有效的。本文首先介绍了一种实际的多传感器跟踪环境的特点，并解释了在这种环境下现有系统不能有效完成任务的原因。然后给出克服这些系统缺陷的种数据融合方法，方法分为3步；（Ⅰ）采用一种自适应学习方法估算同步误差；（Ⅱ）漏检时调整目标的测量位置；（Ⅲ）采用一种基于模糊逻辑的算法预测下一个目标位置。为做出性能评估，我们采用不同的实际数据集和模拟数据集对融合方法进行了测试，结果令人满意。