星载SAR模糊特性及其工程设计

分析了星载合成孔径雷达产生模糊的机理及其与系统参数的关系，叙述了在宽广可视观测带曲，达到较好图像模糊度特性的优化设计原则，并提出了星载ＳＡＲ模糊性能的工程设计方法。     

飞机机身近区电磁散射建模研究

采用物理光学法和一致性几何绕射理论，分析机身各 球面波照射下的近场电磁散射特性几何绕射并建立其雷达散射截面（ＲＣＳ）数学模型，同时对于复杂机身的前部，采用面元油、即采用双三次Ｂ样条技术对机外形进行拟合，然后再用一致性几何绕射理论进行计算。种方法具有一定的可信度。     

反辐射导弹设计技术

反辐射导弹（ＡＲＭ）是一种利用雷达辐射源的电磁波，发现、跟踪并摧毁雷达系统的导弹。反辐射导弹的出现，使仅有“软”杀伤能力的电子战有了“硬”摧毁能力。论述了反辐射导弹的特点及其局限性，讨论了提高反辐射导弹性能的技术方法。这些技术包括：缩窄工作频带、采用比相比幅单脉冲侧向体制、数字化和集成化设计等。     

雷达隐身技术概述

从外形设计、吸波材料、对消、干扰和微波传播指示技术五个方面对雷达隐身技术的实现方法进行了综述。分析了利用外形设计技术降低雷达散射截面积的方法和存在的缺点；吸波材料技术的发展方向是研制新机理吸波材料，并介绍了几种新型雷达吸波材料。最后对利用干扰技术、对消技术和微波传播指示技术实现雷达隐身的方法和发展情况进行了阐述。指出要有效地实现目标雷达隐身，需综合运用各种隐身方法。     

星载合成孔径雷达回波多普勒频率的计算

从星载合成孔径雷达（ＳＡＲ）与目标的相对运动关系出发，以ＳＡＲ发射信号的波长、卫星的轨道参数和目标的位置（地心经纬度）为已知条件，导出了计算目标回小以的多普勒频率的解析公式，这对于星载ＳＡＲ系统的性能 初步设计具有重要作用。     

一种在SAR图像中进行目标识别的多尺度模型

本文基于SAR相干成像的原理，利用当图像分辨率改变时，自然景物和人工目标班点模式变化方式的不同，提出了一种从自然景物中识别人工目标的多尺度模型，并研究了此模型在不同分辨率图像中的性质及应用。     

多传感器数据融合与弹道落点的预报

为了更精确地对弹道落点进行预报，对多传感器数据融合技术进行了,分批人出了雷达、红外系统和光测系统与传感器融合子系统连用的实例，并得出结论：单传感器的精度是难以满足现代战争需要的，寻求一种较好的融合方法来提高落点预报精度虽是一个难题，但仍是可行的。     

基于动态RCS的无人机航迹实时规划

传统的无人机航迹规划主要采用仅考虑无人机与雷达距离的简化雷达威胁模型,未充分考虑无人机雷达散射截面RCS(Radar Cross-Section)随自身姿态角改变而产生的动态变化.据此,提出了无人机周向动态RCS模型,并建立了综合考虑无人机动态RCS与雷达距离的探测概率模型,利用遗传算法进行了基于动态RCS的航迹实时规划,计算结果与传统航迹规划结果进行了对比.仿真结果表明该模型的可行性和有效性,能充分利用无人机自身的优势规避威胁,满足无人机的航迹实时规划的要求.      

复杂背景下目标散射信号测量与提取技术

在复杂环境条件下的宽带雷达目标散射特性测量中,场地周围环境产生的零多普勒杂波（ZDC）会严重影响目标测量数据的准确性。为了有效地抑制背景杂波、提高目标散射信号的测量精度,提出了一种基于最大概率提取技术。该技术首先通过方位滑窗平均得到每个频点的初始固定背景杂波估计,然后对每个频点的杂波初始估计进行统计直方图处理得到最大概率幅度统计量,并依据该统计量完成门限处理得到最终的杂波估计值,从而消除方位滑窗平均处理中的剩余目标信号分量、实现精确的背景提取与抵消。对典型目标的外场测量数据处理结果验证了本文方法的有效性。      

An Artificial Neural Network based approach for estimation of rain intensity from spectral moments of a Doppler Weather Radar

By using a Doppler Weather Radar (DWR) at Shriharikota (13.66°N & 80.23°E), an Artificial Neural Network (ANN) based technique is proposed to improve the accuracy of rain intensity estimation. Three spectral moments of a Doppler spectra are utilized as an input data to an ANN. Rain intensity, as measured by the tipping bucket rain gauges around the DWR station, are considered as a target values for the given inputs. Rain intensity as estimated by the developed ANN model is validated by the rain gauges measurements. With the help of a developed technique, reasonable improvement in the estimation of rain intensity is observed. By using the developed technique, root mean square error and bias are reduced in the range of 34–18% and 17–3% respectively, compared to Z–R approach.