摘要：该文针对分布式相控阵多雷达网络的多目标跟踪场景,研究非理想检测条件下的节点选择与辐射资源联合优化分配算法。首先,根据分布式相控阵多雷达网络构成、目标运动模型、雷达量测模型以及雷达节点检测情况,推导非理想检测下以雷达节点选择、辐射功率和信号带宽为变量的贝叶斯克拉默-拉奥下界(BCRLB)闭式解析表达式,并以此作为多目标跟踪精度衡量指标。在此基础上,以最小化系统各雷达节点对所有目标的总辐射功率为优化目标,以满足目标跟踪精度门限以及给定的系统射频辐射资源限制为约束条件,建立非理想检测条件下多雷达网络节点选择与辐射资源联合优化分配模型,对各时刻雷达节点选择、辐射功率和信号带宽等参数进行联合优化设计,以提升多雷达网络的射频隐身性能。最后,针对上述非线性、非凸优化问题,采用基于障碍函数法和循环最小化算法的4步分解算法进行求解。仿真结果表明,与现有算法相比,所提算法能在满足给定多目标跟踪精度的条件下有效降低分布式相控阵多雷达网络的总辐射功率,至少降低了约32.3%,从而提升其射频隐身性能。

摘要：为了克服传统的过零检测等数字测频方法的缺点,设计了一种基于离散傅里叶变换(DFT)的快速频率测量电路,满足无源定位系统中低信噪比、高脉冲密度环境的实时频率测量的需求。阐述了基于可编程门阵列的DFT算法的实现方法及谱峰的搜索方法,给出了硬件结构形式。该算法电路结构比采用快速傅里叶变换(FFT)的算法硬件结构具有更快的测频速度。

摘要：为了对夜间航拍图片中的车辆进行有效识别,提出基于二次迁移学习和Retinex算法的图像处理方法,仅利用小规模的数据集训练网络,采用基于Faster R-CNN的深度学习算法即可实现车辆的快速检测.首先在ImageNet大规模数据集和中国科学院日间航拍中规模数据集之间应用一次迁移学习;然后在日间中规模数据集与夜间航拍小规模数据集之间应用二次迁移学习;最后利用Retinex迭代算法对夜间图片进行处理以增强其与日间图片的相似性,使二次迁移学习有效进行.实验结果表明,在深度学习平台上,该方法利用小规模航拍数据集训练出有效的识别网络,检测结果优于传统的机器学习方法,在军事侦察及交通管控等方面具有一定的应用价值.

摘要：设计并实现了一种集中式数字子阵级MIMO雷达实验系统,该系统在子阵间实现正交二相相位编码信号发射,接收端实现了子阵级发射数字多波束合成与接收数字多波束合成,有效完成了对民航飞机的观测。子阵多波束与子阵正交波形发射成倍简化了系统设计复杂度,具有良好的工程应用价值,使得MIMO雷达功能可作为数字相控阵雷达的典型工作模式在数字阵中推广应用。

摘要：传统的谱分析和压缩感知(CS)等层析合成孔径雷达(TomoSAR)成像技术由于解斜处理需要估计得到精确的垂直雷达视线(PLOS)方向的垂直有效基线。为了避免此操作该文采用沿PLOS向进行搜索的空域波束形成(BF)方法进行层析聚焦。由于高分辨率SAR图像中城区建筑物结构复杂,不同航过SAR图像间存在观测视角差异,并且存在相干斑噪声影响,SAR图像中的所有同源点不能在相同的像素点同时进行精确地配准。为了从幅度和相位两个方面找出BF聚焦时最相关的像素点,提出了一种联合参考像素窗口中邻域像素点的幅度和相位来提取目标像素点的不一致性准则。根据不一致性准则的最小化提取出相应的同名像素点,以实现对层析成像的精确聚焦。利用仿真数据和高分辨X波段重复航过机载SAR系统录取的实测数据进行实验。实验结果中,利用传统方法聚焦得到的散射轮廓峰值位置在15.63 m而该文所提方法得到峰值位置在16.88 m,峰值位置更加接近建筑实际高度18 m。表明该方法能有效提高散射体在PLOS方向的聚焦能量,并精确提取建筑物的3维轮廓。

摘要：弹载干扰机的转发式干扰进入雷达主瓣,使得雷达失去对目标的测距能力,其对抗非常困难。提出了采用干扰机性能排查的雷达抗干扰技术,雷达通过发射干扰机参数性能侦察信号,经过专门的侦察分析设备,侦察、分析干扰机的工作参数,从而使得雷达的工作与干扰机达到"匹配",使得雷达的抗干扰效果达到最佳。设计了雷达对抗弹载干扰机的抗干扰工作模式和新增系统构成。

摘要：向认知方向发展是新一代机载雷达的技术发展趋势。将认知原理用于机载雷达抗干扰设计,提出了基于干扰认知的机载雷达抗干扰架构与流程。对认知概念下的干扰对抗关键技术进行了分解,从干扰的主动对抗、被动抑制和无源定位方式等多个角度论证了机载雷达抗干扰的技术手段,分析了综合抗干扰决策的特点,从而构建了适用于机载雷达的系统全面的抗干扰策略与流程。