基于DRFM的高分辨雷达扩展目标回波仿真技术

介绍了一种基于DRFM的高分辨雷达扩展目标回波信号仿真方法,该方法将舰船等复杂目标视为扩展目标,其雷达回波信号可以看作扩展目标各散射中心产生的回波信号的叠加。应用该技术产生的模拟目标回波信号和假目标干扰信号,由于携带雷达发射信号和照射目标特征信息,能顺利进入末制导雷达接收机,仿真效果优于一般常规仿真技术。     

理想缺陷目标电磁散射特性提取新方法

武器装备表面理想缺陷对缺陷目标的散射特性有重要影响。从电磁场叠加理论出发,以对应实际缺陷目标和载体为基础,提出一种理想缺陷目标电磁散射提取的计算新方法,采用该方法结合暗室测试和MLFMA数值计算,研究单列、多列缝隙和台阶理想缺陷的散射特性,验证该方法的正确性和实效性。结果表明:新方法计算过程简单高效,具有与MLFMA算法一致的计算精度,可快速实现单列、多列理想缺陷目标的电磁散射特性提取;理想缺陷在镜面散射区域外影响显著,理想台阶的影响相对明显,多列理想缺陷散射具有较强的耦合性,表现为更多的散射波峰,这是各列理想电磁缺陷的叠加效果。     

基于深度学习的雷达目标识别算法评估系统设计

在雷达成像装备试验中,传统真实场景测试方法构建难度大、场景有限、试验风险高,急需解决目标识别算法测试不充分、评估不全面的问题本文针对现有问题设计了一套目标识别算法测试系统,可提供合成孔径雷达图像和逆合成孔径雷达图像的处理、标注以及目标识别算法的自动运行、环境配置、性能评估等功能。相较于传统的试验方法,该系统具备成本低、试验时间短、可控性强、可扩展等优点。     

高速实时数字信号处理器ADSP21060及其应用

高速实时数字信号处理器芯片ADSP21060是一种高性能的32位浮点DSP器件，它采用超级哈佛结构，片内四套独立的总线，完成双数据存取、指令存取和I／O读写；片内集成了大容量的双端口SRAM和32位浮点运算单元。由多个ADSP21060处理器组成的并行系统非常适合于雷达信号的实时处理，本文以笔者设计的脉冲多普勒雷达实时信号处理器为例对ADSP21060的应用进行了介绍。     

多普勒引信雷达回波仿真测试技术

针对Ｄｕ波段带有旁瓣抑制的纳秒级脉冲多普勒引信，对目标一次性穿越天线主瓣的回波仿真技术方案进行探讨。研究了Ｋｕ波段带旁瓣抑制的脉冲多普勒雷达引信的回波仿真原理，建立了单次性仿真测试设备的基本组成框图。     

一种采用自动筛选技术的鲁棒恒虚警检测器

本文基于有序统计（ＯＳ）和筛选平均（ＣＭ）提出了一种新的恒虚警检测器，它采用ＯＳ和ＣＭ方法来产生局部估计，再采用二者的平均值作为对杂波功率水平的估计，并应用了文献［５］提出的自动筛选技术，在ＳｗｅｒｌｉｎｇⅡ型目标假设下，本文推导出了它的Ｐｆａ、Ｐｄ和度量ＡＤＴ的解析表达式，并与其它方案进行了比较。分析结果表明，它对均匀背景和多目标环境均具有适应性，尤其是在多目标引起的非均匀背景场合中，它呈现较好的锝棒性，它的性能与ＯＳ相比有较大的改善，并且它的样本排序时间不及ＯＳ、ＣＭ的一半。     

一种数字式动目标跟踪技术

介绍一种在某型号雷达中成功应用的全数字式动目标跟踪系统。和差三路Ｉ和Ｑ正交信号经模数（Ａ／Ｄ）转换后在数字信号处理器中进行动目标显示（ＭＴＩ）滤波、距离跟踪，同时提取角误差信号作为天线角伺服系统的输入，以实现对目标的角度跟踪。该跟踪系统可以有效地抑制对中低空目标回波影响较大的地杂波及海杂波等干扰信号，从而极大地改善了跟踪雷达的中低空性能。     

基于多维加权聚类的雷达信号分选方法

随着数字技术的发展,新体制、新技术雷达不断出现,反辐射导引头面临的信号环境更加密集和复杂,传统的方法已经不能对其进行有效分选。文中提出一种新的基于多维加权聚类的雷达信号分选算法。通过统计和熵值分析确定权值,计算加权的欧几里得距离,根据既定门限合并同类聚类中心,从而实现雷达脉冲的分选,并在各聚类中心应用改进的SDIF算法进行PRI精分选。计算机仿真结果验证了该方法分选的有效性。     

广义RCS及近场电磁散射建模应用

根据电磁场叠加原理,给出了一种与观测天线无关的广义雷达散射截面(RCS)定义,引入对称极化等多种极化散射特征量,计算了近距离观测时金属平板目标的极化RCS曲线;根据广义RCS的定义,在近场电磁散射建模中分解照射场和合成接收,提出了一种有效的近场电磁散射建模方法,并比较了采用方向图等效近似和场分解合成两种方法计算的金属平...     

弯曲平板的电磁散射特性分析

根据弯曲导体平板的特点,将电流在水平与竖直向分别进行离散,由电流连续性方程获得电荷离散公式,得到电场积分方程（EFIE）的离散形式。用泰勒展开消除格林函数积分中的奇异值,并通过积分近似求解,给出了一种改进的双共轭梯度迭代法（CGS）快速求解大型线性方程组。仿真结果表明：与原双共轭梯度迭代法相比,该法的收敛速度更快、精度更高。