雷达目标跟踪中的非线性滤波技术

对雷达目标跟踪中的9种非线性滤波技术进行了综述,介绍了其基本思想,分析了各方法的优缺点并进行了比较。     

基于频域分析的ROSAR成像算法

在现有的ROSAR(Synthetic Aperture Radar with Rotating antennas)成像算法中,基于斜距泰勒级数展开的算法存在方位向失配问题,时域相关卷积算法不能快速校正距离弯曲.频域ROSAR成像算法采用驻相点原理,直接对ROSAR回波信号进行二维频域变换,保留回波信号的频谱特征,进而构造相应的频域去耦函数和频域匹配函数,实现频域距离弯曲校正和目标场景重构.仿真结果表明,该算法能够快速校正距离弯曲及有效克服方位向失配问题.     

GRECO中棱边绕射场计算的改进

图形电磁计算 (GRECO)方法是计算复杂目标高频区雷达散射截面 (RCS)的有效方法之一。分析了原始GRECO方法在判定目标图象棱边象素的不足之处 ,给出了相应的改进措施。改进后的软件能够更准确、充分地判定目标的棱边象素及获得棱边参数。在边缘绕射场的计算方面 ,指出了相关文献中存在的错误 ,给出了基于等效电磁流法 (MEC)和物理绕射理论 (PTD)的边缘绕射场计算式 ,及与物理光学 (PO)场叠加求取RCS的完整表达式。计算实例表明 ,新的方法具有更高的准确度 ,与实验测量值吻合     

一种翼身融合体飞行器外形的RCS计算与实验

飞行器隐身技术是当代军事技术中的一项重大突破,低雷达散射截面（RCS）的飞行器外形是专业人员努力追寻的研究目标。本文采用Toplitz变换和混合迭代的算法,对新设计的一种鸭式布局翼身融合体飞行器外形进行了RCS计算,并在微波暗室内对模型进行了测试。实验结果与理论值基本吻合,误差在1dB之内,证明此算法行之有效,优化设计的翼身融合体飞行器具有良好的隐身性能。     

星机双基地SAR的工作模式研究

由于卫星速度远快于飞机,传统的条带式已不适用于星机双基地SAR。有文献提出一种"双向滑动聚束式",但该模式存在成像场景长度短、成像算法复杂等缺点。利用星机双基地SAR接收机端信噪比高的特点,提出两种新的工作模式,分别是"卫星宽波束、飞机反向滑动聚束式"和"双宽波束式"。当仅展宽飞机波束时,"双宽波束式"演变为"宽波束接收式"。从理论上分析两种工作模式的可行性,并计算得出典型参数下的技术指标。相比于"双向滑动聚束式",在方位分辨率相等的条件下,这些新模式的场景长度都明显增加。但除"宽波束接收式"外,所提两种新模式将使返回卫星的单基地回波无法使用。文末分析了几种工作模式的适用场合。     

联合截获威胁下的雷达射频隐身目标搜索算法

针对基于射频(RF)隐身需求的机载雷达目标搜索问题进行了研究。通过分析实际作战中射频辐射面临的截获威胁,提出了一种基于联合截获威胁的射频隐身性能表征方法,并给出了具体的值估算方法;对机载雷达搜索任务中辐射参数的优化问题进行了建模,并采用优化算法对目标函数进行求解。通过分析典型情景下解集的分布特点,给出了从最优解集中选取最终解的方法。结果表明,提出的射频隐身性能表征方法能更好地反映截获实现过程的多域需求,提出的雷达搜索方法能够在保证探测性能的同时,提高射频隐身性能和搜索速度,能够为相控阵雷达搜索任务中参数的优化控制提供方法和依据。     

基于三迭代与二阶锥规划的机载MIMO雷达稳健降维STAP方法

针对机载多输入多输出(MIMO)雷达空时自适应处理(STAP)中期望目标导向矢量的失配问题,提出一种基于三迭代(TRIA)与二阶锥规划(SOCP)的稳健降维MIMO-STAP方法。首先将MIMO-STAP权矢量分解为发射、接收、多普勒3个低维权矢量的Kronecker积,然后分别限定实际发射、接收、多普勒导向矢量与假定导向矢量之间的误差范数边界,通过优化最差性能,利用SOCP对各个低维权矢量进行三迭代求解,最后进行权矢量合成。该方法在保证机载MIMO雷达获取稳健STAP性能的同时,通过三迭代降维处理,能够有效降低训练样本数需求与运算复杂度,因此更具有实际应用价值。仿真结果验证了算法的有效性。     

非均匀环境下利用单个数据集的STAP算法

对非均匀环境下利用单个数据集的机载雷达空时自适应处理(SDS-STAP)算法进行了研究。针对现有单个数据集类空时自适应算法存在的问题,提出了一种基于对待测数据集进行空时二维滑窗处理的二维幅度相位估计(2D-APES)算法。该算法利用回波的统计信息,不仅放宽了算法处理器对于雷达系统阵元数与脉冲数选取的约束,而且能够有效抑制杂波及待测单元内的干扰,同时降低了处理器的计算复杂度。最后,仿真数据及实测数据实验验证了所提算法的正确性与有效性。     

一种融合MRF分割与数学形态学的道路提取算法

针对高分辨率合成孔径雷达（Synthetic Aperture Radar, SAR）图像中道路目标难以有效提取的问题,提出一种融合马尔可夫随机场（Markov Random Field, MRF）分割与数学形态学处理的高分辨率SAR图像道路提取算法。该算法首先利用直方图均衡化和增强Lee滤波对SAR图像进行预处理,实现道路的边缘增强,抑制相干斑噪声;进而利用基于条件迭代模式（Iterated Conditional Mode, ICM）的MRF对SAR图像中的道路目标进行初分割;再用数学形态学填充空洞,平滑道路边缘;最后,基于道路的几何特征,使用偏心率、矩阵度、复杂度等因子去除虚警,从而提取出道路目标。利用该文算法对两块实际高分辨率SAR图像进行道路目标提取,均可以取得90%以上的正确道路提取率,表明本文算法具有较高的道路提取精度。