船只目标三维转动对SAR成像影响的定量分析

在分析船只三维转动（横滚、俯仰、偏航）对合成孔径雷达（Synthetic Aperture Radar,SAR）成像质量的影响方面,现有文献只考虑了仅存在一维转动时的影响,未考虑三维转动同时存在时对SAR成像质量的影响。另外,现有文献主要基于船只转动对船只散射点瞬时多普勒频率的影响进行分析,并未真正与对SAR图像质量的影响关联起来。本文推导了适用于船只存在三种一维转动、同时存在三维转动时的SAR图像二维时域表达式,以及散射点方位向坐标的表达式。在上述表达式的基础上,通过分析船只上的散射点在SAR图像中的偏移情况,扩展到分析船只整体在SAR图像中的形变情况;通过分析一维转动对SAR成像的影响,扩展到分析三维转动同时存在时对SAR成像的影响。研究表明：船只三维转动引入了包络误差和相位误差,导致SAR图像中散射点模糊并在方位向偏移,且不同散射点的偏移量不同,从而使船只形状发生畸变。仿真结果验证了所推导表达式的准确性及理论分析的正确性。     

基于二阶Keystone变换的FMCW SAR动目标成像与参数估计

本文研究了一种适用于调频连续波（Frequency Modulated Continuous Wave,FMCW）合成孔径雷达（Synthetic Aperture Radar,SAR）的地面动目标成像与参数估计的方法。首先,建立FMCW SAR系统下的动目标回波模型,通过多普勒频移补偿和时频代换,提出了一种基于二阶Keystone变换校正动目标回波距离弯曲的方法。其次,用Hough变换去估计动目标距离向速度,并据此进行距离走动校正。最后,采用Wigner-Hough变换估计动目标的多普勒调频率,通过补偿二次和三次多普勒相位实现动目标的精确聚焦。仿真结果表明：该方法对参数估计有较高的准确性,同时估计的参数对动目标成像有较好的聚焦效果。     

GBR-P雷达反导试验中的真假目标

提出了在反导飞行试验中设计及设置地基雷达初样型(GBR-P)的真假目标以满足雷达技术要求的一些依据和解决办法。使用的设计方法以及被测目标的选定均以“民兵Ⅲ”的测量任务为前提条件。对于以真假目标及其突防系统的飞行试验作为定型、验收条件的靶场目标特性测量雷达,可为其制定飞行试验大纲和试验要求提供参考与借鉴。     

双通道空空中远程导弹武器系统效能计算

分析并给出了双通道空空中远程导弹武器系统的可用性、可信性、系统能力和效能计算公式。讨论了不同作战模式下的系统能力计算方法和公式。     

一种基于优化设计的动目标检测方法及其运用

提出一种新的动目标检测(MTD)滤波器组设计方法,即通过设置目标处理通道和气象处理通道,其中目标通道采用自适应动目标检测(AMTD)处理方式,实时检测杂波的存在,根据杂波的强弱自动产生或选择滤波器加权因子,以保证抑制地杂波的同时,减少信噪比损失,提高对弱小目标的检测性能。仿真结果证明该方法是有效的,且在工程上有一定的实用价值。     

地面目标识别特征影响因素分析

地面目标可见光识别特征主要包括形状、颜色、亮度等。研究表明地面目标的可见光辐射主要是反射太阳辐射,目标与背景在可见光波段的亮度对比取决于目标与背景的反射率。大气气象条件是影响目标识别特征的主要因素。     

非线性三维变结构鲁棒自适应制导规律的研究

在三维球坐标系下建立了导弹与目标的相对运动模型,把目标加速度视为一类有界干扰,针对大机动目标提出了一种基于零化导弹与目标视线法向速度的三维变结构鲁棒自适应末制导律,并根据Lyapunov方法设计了参数自适应律.通过计算机数值仿真验证了导弹与目标的相对视线角速度最终趋向于零,验证了制导规律的正确性和有效性.     

基于速率先验信息的固定单站仅测角目标运动分析

针对固定单站无源定位中仅利用角度对匀速运动目标定位跟踪问题,将速率信息视为先验约束,研究并提出基于伪线性估计和加权伪线性估计的目标运动分析算法.仿真实验表明,固定单站无源定位系统在速率先验信息条件下可以通过仅测角实现对匀速运动目标的定位跟踪.     

基于高斯过程回归的组合体航天器姿态接管学习控制

空间非合作目标一般具有结构复杂、质量特性未知、姿态机动能力不明等特点,这导致组合体航天器姿态动力学呈现出高度非线性和强耦合特性,且难以对其进行在轨精确辨识。针对组合体航天器姿态接管过程中目标信息不完全、精确辨识困难等问题,本文考虑目标存在姿态机动能力的任务场景,提出了一种基于稀疏高斯过程回归(GPR)的数据驱动姿态接管控制策略。首先,从系统运行数据中提取、凝炼模型未知部分的输入/输出映射关系,构建数据驱动的概率化模型以代替无法快速准确建立的参数辨识模型,并根据该数据驱动模型设计变增益反馈控制策略,证明了系统状态概率意义上的Lyapunov稳定性和有界性;其次,考虑到在轨任务的实时性、星载计算机的计算资源有限等因素,该算法可在保证控制精度的同时显著减轻学习算法的计算压力;最后,数值仿真验证了本文所提出控制方法的有效性与实用价值。     

基于ResNet的智能恒虚警目标检测方法

传统恒虚警检测方法通常假设待测单元的杂波与训练杂波满足独立同分布,然而在实际雷达工作环境中,强杂波呈现出非均匀特性,沿距离单元的杂波统计特性差异变化较大,使得传统恒虚警目标检测方法在复杂环境下的检测性能下降。为解决该问题,本文从杂波统计特征提取分类出发,通过深度学习方法对杂波进行分类,提出了一种基于残差神经网络(ResNet)的智能恒虚警目标检测方法。首先,根据雷达实测杂波数据建立ResNet的训练集和测试集;其次,构建ResNet对数据进行智能特征提取,得到杂波的统计特征,并用训练好的网络对测试集进行测试;最后,以阈值可设的Softmax分类器对所得统计特征进行分类,根据分类结果实现智能恒虚警目标检测。实验结果表明:相比传统恒虚警检测方法,本文提出的方法具有自适应能力更强、检测性能更好等优点。