机载箔条弹雷达回波的建模与仿真

飞机目标通常抛撒箔条弹来干扰雷达的工作。针对这一作战场景,首先研究分析了飞机与箔条的运动特性和雷达回波特性,导出了对于地基防御雷达而言,箔条弹在时域上可视为点目标、在多谱勒域上可不考虑其多谱勒展宽效应的结论。在此基础之上,建立了箔条干扰的数学和仿真模型,模拟并分析了飞机加箔条的运动状态和雷达回波特性。研究成果有助于揭示箔条干扰的雷达特性,评估箔条的干扰效果。     

中国首次交会对接任务的技术成就和展望

首次交会对接任务的成功实施,使中国突破和基本掌握了航天器交会对接及其组合体的控制与管理技术,标志着中国载人航天工程二期任务取得重大突破,为空间实验室及后期空间站的建设奠定了坚实基础。文章对国内外交会对接技术进行了对比,对所取得的技术成就进行了综述,指出任务成功具有提升国家威望、产生广泛社会效益、带动基础学科发展、推动航...     

天宫一号目标飞行器氢镍蓄电池内部温度场仿真分析与验证

建立了氢镍蓄电池温度场热仿真模型,模拟氢镍蓄电池放电过程的温度。实测结果表明仿真计算值与实测结果一致性较佳,两者温差最大仅0．7℃,验证了热仿真模型的有效性。用该仿真模型对天宫一号（TG-1）目标飞行器40A·h氢镍蓄电池进行了热设计优化,根据优化结果研制了相应的电池。对电池内部温度的测试结果表明其内部最大温差约5℃,...     

宽带LFM信号同时极化测量性能研究

针对雷达动目标的全极化高分辨信息的获取问题,建立宽带极化雷达的信号模型,分析对应的匹配滤波处理算法.对时/频域加窗的效果进行比较,提出了实用的窗函数选择方法.分析正负线性调频信号对高速运动目标的同时极化测量性能,提出对高速运动目标的极化--一维距离像联合识别方法.仿真结果证明了所此方法的有效性.     

高阶控制导弹线性二次型微分对策制导律

基于微分对策双边优化理论,给出了一种一般形式线性二次型微分对策制导律,该制导律可适用于具有任意阶控制的拦截导弹和目标的系统综合分析.由于该一般形式制导律具有解析解,针对一类具有一阶正当传递函数的拦截导弹进行了制导律的验证和仿真,推导了该情形下的微分对策制导律,并进行了制导增益和对策空间的分析,研究了鞍点解存在的条件.仿...     

复杂背景下远距离合作信标识别与定位

传统的飞行器合作信标测控中,以常规光源作为信标,不具备复杂环境的适应能力,尤其存在主动干扰源的情况,如何准确识信标是电视跟踪与测控领域的重点研究内容。本文对信标设计与识别定位方法进行研究,采用激光光源作为合作信标,设计可调制驱动电路,将信息编码调制技术应用在调制光源中,实现了可调制合作信标;并设计了调制与成像解调耦合的处理算法,可有效区分干扰目标与真实目标。试验结果表明,本文设计的可调制信标满足需求,调制与解调处理算法可实现合作信标的精确识别与定位,具备抗干扰能力。     

基于运动参数估计的中轨道星载SAR舰船成像算法研究

中轨合成孔径雷达具有非匀直运动轨迹的特点,对非合作运动舰船目标成像时,相对运动复杂,成像困难.提出一种适用于中轨SAR海上运动舰船目标的高分辨成像算法,首先分析中轨SAR的特性,推导中轨SAR精确的斜距模型,分析由运动舰船引起的回波相位误差,结合斜距模型和多普勒参数估计推导舰船运动参数,进而修正斜距模型,根据修正后的斜...     

基于 SURF算法和 Kalman预测的运动目标跟踪

SURF(Speeded Up Robust Feature)特征提取方法是SIFT(Scale Invariant Feature Transform)算法的改进,具有速度快和精度高等特点,但其对于较大尺寸图像的匹配速度仍然有待提高。文章提出了一种将基于SURF特征匹配算法与卡尔曼滤波相融合的目标跟踪算法,该算法用特征点的中心近似目标最佳位置;通过卡尔曼滤波预测出当前的目标位置,建立自适应匹配窗口;最后,应用SURF算法提取窗口内的特征向量进行匹配。实验表明,该算法在目标发生大尺度旋转和缩放、部分遮挡时能够稳定跟踪,其跟踪速度比SURF算法有很大的提高。     

基于双向最近邻准则的编队预定目标选择方法

相比传统的预定目标选择方法,基于编队形状的反舰导弹预定目标选择方法是一类性能优越的新方法。其原理是利用导弹飞行期间舰艇编队形状的相对稳定性,并将发射前装订的编队形状和末制导雷达探测到的编队形状表示为2个点集,通过点集匹配实现预定目标选择。提高这类算法性能的关键在于研究合理的点集距离函数。文章提出一种基于共同点的距离函数,研究了其抗干扰的机理,并证明其计算过程可通过双向最近邻准则实现。仿真试验表明该方法性能优于以往的MHD方法。     

An improved multiple model GM-PHD filter for maneuvering target tracking

In this paper, an improved implementation of multiple model Gaussian mixture probability hypothesis density (MM-GM-PHD) filter is proposed. For maneuvering target tracking, based on joint distribution, the existing MM-GM-PHD filter is relatively complex. To simplify the filter, model conditioned distribution and model probability are used in the improved MM-GM-PHD filter. In the algorithm, every Gaussian components describing existing, birth and spawned targets are estimated by multiple model method. The final results of the Gaussian components are the fusion of multiple model estimations. The algorithm does not need to compute the joint PHD distribution and has a simpler computation procedure. Compared with single model GM-PHD, the algorithm gives more accurate estimation on the number and state of the targets. Compared with the existing MM-GM-PHD algorithm, it saves computation time by more than 30%. Moreover, it also outperforms the interacting multiple model joint probabilistic data association (IMMJPDA) filter in a relatively dense clutter environment.