无线电引信海面及目标多普勒回波仿真分析

频谱识别技术利用海面及目标回波的多普勒频差来滤除海杂波信号。为准确分析弹目交会时引信回波的多普勒频谱,采用了三维弹目交会模型对弹目不共面时引信回波进行模拟,利用等多普勒线划分海面区域进而计算海面回波多普勒频率,利用目标不同散射点合成的方法推导了目标回波多普勒频率的表达式,并在弹目飞行速率、弹目交会角及目标脱靶量等因素不同时对引信回波多普勒频率进行仿真,通过仿真分析得出了以上因素对引信回波多普勒频率的影响,并验证了频谱识别技术在不同交会条件下的有效性。     

高斯噪声中非高斯弱信号的双谱检测

传统的能量检测在接收信号为高斯分布下最优,其检测性能最终取决于信噪比。当信噪比下降时,检测性能必然恶化,而且这种恶化是不可避免的和难以改善的。为了改善弱信号的检测性能,本文同时利用了信号的三阶和二阶统计量构造一种双通道信号检测器,在强高斯噪声的背景下,只要弱信号蕴含有足够多的双谱信息,其检测性能将远远超过基于传统的能量检测器的性能。     

非线性非高斯秩滤波方法

基于秩滤波原理,提出一种非线性非高斯秩滤波方法,给出其递推过程.目前常用的非线性滤波方法有无迹Kalman滤波和粒子滤波,无迹Kalman滤波只适用于高斯分布的情况,粒子滤波方法却存在粒子退化及重采样引起的粒子贫化问题.而非线性非高斯秩滤波方法不仅适用于常见的多元t分布、多元极值分布等非高斯分布的非线性滤波,并且计算简单、工作量小,便于工程应用.从仿真算例可以看到,该方法的滤波精度与无迹Kalman滤波和粒子滤波方法相比提高了500%以上.      

机载合成孔径雷达动目标检测与成像技术的发展(英文)

基于机载合成孔径雷达 (SAR)的地面运动目标检测与成像技术已经成为现代雷达技术发展的一个重点。本文首先建立了运动目标回波的数学模型 ,在此基础上分析了机载 SAR对运动目标成像的特点 ,然后对近年来这一技术的发展过程和研究现状进行了全面的综述 ,最后对这一领域今后的发展方向进行了展望。     

基于混沌的改进粒子群优化粒子滤波算法

针对基本粒子滤波(PF)算法存在的粒子退化和重采样引起的粒子多样性丧失,导致粒子样本无法精确表示状态概率密度函数真实分布,提出了一种基于混沌的改进粒子群优化(PSO)粒子滤波算法。通过引入混沌序列产生一组混沌变量,将产生的变量映射到优化变量的区间提高粒子质量,并利用混沌扰动克服粒子群优化局部最优问题。利用单变量非静态增长模型(UNGM)在高斯噪声和非高斯噪声环境下将该算法与基本粒子滤波和粒子群优化粒子滤波(PSO-PF)的性能进行仿真比较。结果表明:该算法的性能在有效粒子数和均方根误差(RMSE)等参数都优于基本粒子滤波和粒子群优化粒子滤波,改善了算法的精度和跟踪性能。      

基于IMF能量分布重构的目标检测技术

为提高海杂波中慢速目标的检测性能,提出了一种基于IMF能量分布重构的目标检测技术。该算法对原始信号尖峰区域经经验模态分解后得到的固有模态函数进行分段数据重构,计算前端IMF分量与后端IMF分量的能量比,并将其输入非参量检测器中进行目标检测。研究表明,相比于海杂波单元,目标单元尖峰区域有更小的前后端IMF分量能量比,适用于慢速目标的检测。     

基于改进ALO-RBF的高频地波雷达海杂波预测模型

高频地波雷达是海上动目标检测的重要手段,其中海杂波是影响海面目标检测性能的主要因素。为了提高海杂波的预测精度进而有效抑制海杂波,本文提出了一种基于改进蚁狮算法（Ant Lion Optimizer,ALO）优化RBF神经网络的海杂波预测模型（MGPALO-RBF,Multiple elites dynamic guidance Ant Lion Optimizer based on Gaussian difference variation-based learning with Perturbation factor-radial basis function）。由于标准蚁狮算法具有易陷入局部最优且收敛速度慢的缺点,本文在蚂蚁进行随机行走的过程中加入扰动因子以增加种群的活跃性和多样性,并提出多个精英动态引导机制,强化算法前期的探索能力和后期的开发能力,同时对种群中较差蚁狮进行高斯差分变异以提高算法的收敛速度。仿真结果表明：改进的蚁狮算法在对比算法中具有更高的收敛精度和收敛速度,MGPALO-RBF模型具有更好的海杂波预测性能。     

基于速度滤波的杂波抑制步进频率波形设计研究

杂波是影响高分辨雷达宽带一维距离像成像性能的重要因素。强杂波可能会造成目标点遮盖和虚假目标点,影响雷达的检测性能。针对步进频率成像杂波抑制问题开展波形研究,提出了一种抑制杂波的步进频率(CS-SF)新波形。CS-SF发射波形为组内同频、组间步进的脉冲串,利用目标与杂波的速度差异,通过组内加权抑制杂波,组间离散傅里叶逆变换(IDFT)提高距离分辨率。详细分析了该波形抑制杂波的原理和信杂比改善理论值,给出了CS-SF波形信号处理流程,建立了单目标杂波模型和扩展目标杂波模型。通过仿真验证了CS-SF抑制杂波的有效性,信杂比改善实际值符合理论值。     

非线性非高斯模型的高斯和PHD滤波算法(英文)

A new multi-target filtering algorithm, termed as the Gaussian sum probability hypothesis density （GSPHD） filter, is proposed for nonlinear non-Gaussian tracking models. Provided that the initial prior intensity of the states is Gaussian or can be identified as a Gaussian sum, the analytical results of the algorithm show that the posterior intensity at any subsequent time step remains a Gaussian sum under the assumption that the state noise, the measurement noise, target spawn intensity, new target birth intensity, target survival probability, and detection probability are all Gaussian sums. The analysis also shows that the existing Gaussian mixture probability hypothesis density （GMPHD） filter, which is unsuitable for handling the non-Gaussian noise cases, is no more than a special case of the proposed algorithm, which fills the shortage of incapability of treating non-Gaussian noise. The multi-target tracking simulation results verify the effectiveness of the proposed GSPHD.     

基于海杂波稀疏性与非均匀度的样本挑选方法

针对预警雷达对海监视面临海杂波分布非均匀与杂波样本受目标污染,导致自适应杂波抑制处理性能恶化和目标能量损失的问题,提出了一种基于海杂波稀疏性与非均匀度的样本挑选方法。该方法将目标的导向约束与广义内积样本挑选方法结合,先利用海杂波在空时二维平面上的稀疏分布特性,根据海杂波与目标空时二维分布差异剔除被目标污染的样本,再利用广义内积准则衡量海杂波分布的非均匀程度,并获取均匀样本,以提高杂波协方差矩阵的估计精度。仿真结果表明:所提方法能在提高杂波抑制性能的同时,减小目标信号能量损失。该方法可广泛应用于海面预警监视雷达系统。