曲线拟合参数估计法的目标散射中心提取

提出了一种基于几何绕射理论(GTD)模型的曲线拟合参数估计法,用于目标散射中心的提取.根据二维散射中心GTD模型,分角度分离目标的距离向散射中心,对不同角度的散射中心距离和幅相进行曲线拟合,提取目标二维散射中心参数,可估算散射体的曲率半径,较精确地计算转台中心至天线的距离.算例表明:对大角度成像、遮挡、平板散射等用该法重构的雷达散射截面(RCS)与原始数据较吻合.     

DRS航管雷达模拟机数据库数据生成技术分析

分析了DRS航管雷达模拟机数据库数据的生成,通过对数据库体系结构与数据生成技术的研究,展现了其作为生成航管模拟数据的专业数据库的优越性。     

ATC空管自动化系统分析与设计

采用开放式、分布式系统结构和软件模块化设计方法,设计并分析了空管自动化(ATC)系统。在多个机场的实际使用结果表明,该系统符合国内空中交通管制的需要, 可以进行扩充或精简,可以在IBMp系列服务器和PC机硬件平台上进行移植。     

纤维增强树脂基复合材料结构的优化设计

综述了国内外纤维增强树脂基复合材料结构优化设计的研究成果与发展状况,内容涉及到层合板壳结构以及夹层结构的屈曲、振动、可靠性、结构强度以及多级多目标等问题的优化设计。文中还涉及到发动机复合材料构件优化方面的一些研究成果,给出了其优化设计的网络框图。论文最后对复合材料结构优化设计当前存在的主要问题和今后发展方向作了分析,并指出今后的研究方向：（１）多级多目标多学科的优化设计,不仅涉及到基本理论、建模和方法,而且更加强调工程实际问题;（２）发展相应的软件专家系统,更加强调软件面向对象编程和 Ｃ Ａ Ｄ 技术的应用;（３）注重探究快速有效的优化算法以及探究随机优化和可靠性优化技术,从而快速有效地获得对优化设计点的可靠评价等。     

一种新的射频仿真目标位置控制方法与软件研究

针对射频目标仿真系统中目标位置的控制，本文通过对国内外目标位置控制的常用方法进行研究，提出一种新的通用目标位置控制方法，该方法适用于任何天线分布的面阵。利用这种新的方法编写了基于三元阵天线阵面的射频仿真目标位置控制软件，实现对多目标在天线阵面上多种轨迹运动下的高速准确的定位，并能实时监视目标的运动状态和运动轨迹。     

用于解距离和速度模糊的算法(英文)

为了提高检测性能和实现多功能 ,PD雷达常采用高、中、低脉冲重复频率 PRF。对应一定的脉冲重复频率 ,PRF会出现测距模糊、测速模糊。以聚类算法为基础 ,本文介绍了一种用于雷达目标解距离、速度模糊的滑窗相关器算法。该滑窗算法是一种遍历性的算法。文中对该算法的解模糊正确率、运算效率进行了讨论 ,分析了解模糊正确率与脉冲重复频率 PRF、检测范围、滑窗宽度间的关系 ,同时给出了仿真结果。     

基于面元边缘法的直升机RCS计算与分析

针对直升机的雷达散射截面(Radar cross section,RCS)的计算特点,将物理光学法和等效电磁流法相结合,建立了一套基于"面元-边缘"的分析方法.在该方法中,首先对复杂目标(如直升机)进行几何建模和网格划分,然后通过转换程序,获取目标的拓扑结构数据文件;其次在考虑遮挡影响下,分别进行目标表面散射场和边缘绕射场的计算;最后叠加获得总的散射场.在通过球板组合和某外形结构复杂的导弹算例验证本文分析方法有效性的基础上,对某直升机分别沿方位角、俯仰角和滚转角三个方向的RCS进行了计算和分析,并研究了挂架、导弹对直升机整体RCS的影响,获得了一些减缩直升机RCS的外形设计方案.     

雷达监视下程序管制短期冲突告警算法研究

本文研究了一种基于航空器飞行轨迹线性外推冲突预测的短期冲突告警（STCA）算法,并给出算法的具体实现方案。仿真实验结果证明了算法的有效性,适用于雷达监视下的程序管制间隔标准和管制体制。     

天基监视雷达的距离游走和距离重叠补偿研究

为了实现天基雷达杂波消除、高分辨率的角度估计和广域监视功能,采用三通道相位中心偏置天线（DPCA）/monopulse（单脉冲）信号处理系统。天基雷达的运动和地球自转,使得地球上每一点的杂波都产生了附加的多普勒成分——距离游走效应。距离游走与距离重叠效应相结合,显著地降低DPCA处理算法的杂波抑制性能。针对距离游走效应在相干处理阶段进行反向补偿、在非相干积累阶段采用线性内插的方法进行校正,针对距离重叠效应采用基于普罗米修斯结构的波形分集技术进行校正。实验结果显示,提出的距离游走和距离重叠综合补偿方案显著提高杂波抑制效果。
     

基于G2DPCA的SAR目标特征提取与识别

给出了基于广义二维主分量分析（G2DPCA)的合成孔径雷达（SAR）图像目标特征提取 方法。与主分量分析（PCA）相比,在寻求最优投影方向时,它直接基于二维图像矩阵而不 是一维向量,在特征提取前不必将2维图像矩阵转换成1维向量。与二维主分量分析（2DPCA ）相比,它可以同时去除图像行和列像素间的相关性。基于美国运动和静止目标获取与识别 （MSTAR）计划录取的数据的实验结果表明,结合预处理,G2DPCA在大大降低了特征 维数的同时,又改善了识别性能,并且正确识别率在97％以上,且对目标方位变化具有较 好的鲁棒性。