基于稀疏分解的空间目标双基地ISAR自聚焦算法

空间目标双基地逆合成孔径雷达（ISAR）成像中,双基地角时变会造成二维图像的散焦。针对此问题,在三大同步理想可实现的条件下,以平稳空间目标为研究对象,分析了空间目标双基地ISAR成像原理,研究了双基地角时变对二维图像散焦的影响机理,提出了利用稀疏分解实现高精度自聚焦的算法。首先,将半双基地角的余弦进行泰勒展开;其次,结合目标的平动及转动条件,将成像相位项用多项式建模;然后,利用稀疏分解算法估计多项式的二次项系数,据此构建补偿项完成相位补偿。算法利用L-曲线准则选取正则参数,基于目标尺寸的先验信息构建冗余基的高分辨因子,利用推广的正则化欠定系统聚焦求解（FOCUSS）算法实现稀疏表示系数的估计,在恰当选取词典分辨率的条件下,算法可实现二次相位项的精确补偿,仿真实验验证了算法性能优于常用的非参数化自聚焦算法。     

基于Cramér-Rao下限的多传感器跟踪资源协同分配

针对防空指挥控制系统中多传感器管理问题,提出了一种基于目标跟踪精度Cramér-Rao下限的多传感器跟踪资源协同分配方法。该方法首先利用目标战术重要性函数求解目标优先级;然后在目标优先级函数和目标—传感器配对效能函数的基础上,构造了多传感器资源协同分配一般模型,并根据目标跟踪过程特点将Cramér-Rao下限引入到协同分配的模型中,使得在进行跟踪资源协同分配时无需考虑目标跟踪滤波算法的选择。对于分配过程中出现的NP(Non-deterministic polynomial)难问题,探讨了利用匈牙利算法寻求满足条件的目标传感器最优组合,给出了模型求解的步骤。仿真结果表明,这种多传感器跟踪资源协同分配方法的可行性与模型求解的快速性。