CN116299208A - 基于主/被动雷达复合导引头数据关联的抗干扰方法 - Google Patents
基于主/被动雷达复合导引头数据关联的抗干扰方法 Download PDFInfo
- Publication number
- CN116299208A CN116299208A CN202211104256.8A CN202211104256A CN116299208A CN 116299208 A CN116299208 A CN 116299208A CN 202211104256 A CN202211104256 A CN 202211104256A CN 116299208 A CN116299208 A CN 116299208A
- Authority
- CN
- China
- Prior art keywords
- radar
- active
- covariance matrix
- passive
- coordinate system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000002131 composite material Substances 0.000 title claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims abstract description 117
- 238000001914 filtration Methods 0.000 claims abstract description 24
- 230000004927 fusion Effects 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 9
- 230000007704 transition Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000017105 transposition Effects 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 150000001875 compounds Chemical class 0.000 abstract 1
- 238000004088 simulation Methods 0.000 description 12
- 230000010287 polarization Effects 0.000 description 11
- 238000001514 detection method Methods 0.000 description 10
- 238000005070 sampling Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000011888 foil Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000035485 pulse pressure Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于主/被动雷达复合导引头数据关联的抗干扰方法,主要解决现有技术计算量大、设备成本高和受环境因素影响较大的问题。其实现方案是:主/被动雷达分别对目标进行跟踪滤波得到状态估计值和误差协方差矩阵;将主动雷达的状态估计值和误差协方差矩阵转换到极坐标系;在极坐标系下对主/被动雷达的滤波数据进行航迹关联;根据航迹关联结果和判决条件对干扰种类进行鉴别;在未受到干扰时,利用主/被动融合后的数据进行制导,在受到干扰时,利用被动雷达数据进行制导。本发明能有效识别干扰种类,降低导引头被欺骗的概率,提高目标的跟踪精度,可用于主/被动复合体制导引头的跟踪制导。
Description
技术领域
本发明属于雷达技术领域,更进一步涉及一种抗干扰方法,可用于导引头对舰船目标的跟踪。
背景技术
随着现代电子战争日趋激烈,干扰类型层出不穷,这对雷达系统的生存和工作能力带来了极大的威胁和挑战。在海战场上,质心无源干扰和舷外有源干扰是舰船对抗反舰导弹最常见的干扰措施。两种干扰的机理较为类似,都是致使导引头在末制导阶段跟踪目标和干扰的能量质心;质心无源干扰的干扰回波主要由箔条这种干扰物反射雷达的发射信号产生,舷外有源干扰的干扰回波由干扰机自主产生。对于抵抗这些干扰,现有技术仍存在一定的问题和不足,如计算复杂,成本过高或受环境影响较大等。
梁子尧在发论文“反舰雷达导引头极化抗干扰技术研究”(中国运载火箭技术研究院,硕士论文2022年2月)中提出了一种基于极化特征的无源干扰鉴别方法。该方法的具体步骤是:第一步,雷达发射信号的极化方式在“垂直”和“水平”之间周期性的切换,并同时接收水平和垂直极化的反射回波;第二步,信号处理模块对接收到的回波信号经过数字滤波、数字脉压、相参积累、恒虚警检测、目标聚类等处理后,对目标时、频、极化域特征参数进行提取;第三步,计算水平、垂直极化比,真实目标水平和垂直方向上的极化比均很大且能量接近,而干扰水平和垂直极化比差异较大,由此可以鉴别无源干扰存在。该方法由于工作模式复杂,且要实时提取目标的时、频、极化域特征参数,因而增大了信号处理模块的计算量,增加了制造难度和成本。
李刚等人在论文“雷达/红外复合导引头抗干扰跟踪方法”(飞行力学,2016年第34卷第5期)中提出了一种雷达/红外复合导引头抗干扰跟踪方法。该方法的具体步骤是:第一步,根据雷达、红外两种传感器得到的目标的观测信息进行关联度检测,若关联度较高,则认为导引头未受到有效干扰,若关联度较低,则认为导引头受到干扰;第二步,若导引头未受到干扰,则采用分布式融合算法对目标状态进行估计,否则对各自传感器的滤波新息方差的迹值进行检测,认为迹值较大者对应的传感器受到干扰;第三步,系统输出迹值较小者对应传感器的目标状态估计,并用于制导。该方法由于使用红外传感器获取目标的观测信息,不仅成本较高,而且探测距离受天气和环境影响严重,同时对于导引头飞行速度也有要求,局限性较强。
发明内容
本发明的目的在于针对上述现有技术的不足,提出一种基于主/被动雷达复合导引头的抗干扰方法,以减小对干扰识别的计算量,提高设备的环境适应性和可靠性,降低设备的使用成本。
本发明的技术方案是:通过结合主动雷达和被动雷达的探测数据实现抗干扰,即将主动雷达的探测数据转换到直角坐标系下进行滤波;将被动雷达的探测数据直接在极坐标系下进行滤波;再将主动雷达的状态估计量和误差协方差转换到极坐标系,以便进行关联处理;然后根据不同干扰的特点增加判决条件,对干扰种类进行鉴别;最后对目标的状态进行估计并输出估计量。其实现步骤包括如下:
(1)由舰船目标、导引头和干扰的位置信息得到主/被动雷达的量测数据,并对其进行滤波,计算直角坐标系下主动雷达的状态估计量误差协方差矩阵Pk,a和极坐标系下被动雷达的状态估计量/>误差协方差矩阵Pk,p;
(4)根据马氏距离dk,ap计算主/被动雷达滤波过程中各时刻的航迹关联统计量λk,ap;
(5)根据航迹关联统计量λk,ap,利用假设检验得到主/被动雷达航迹关联结果;
(6)根据航迹关联结果对干扰的种类进行鉴别;
(6a)根据k时刻目标的主动航迹与目标的被动航迹的关联结果鉴别导引头是否受到干扰:
若关联成功,则表示导引头未受到干扰,执行步骤(7);
否则,表示导引头受到了干扰,执行步骤(6b);
(6b)根据k时刻目标的主动航迹与可疑的被动航迹的关联结果鉴别导引头受到干扰的种类:
若关联成功,则表示导引头受到了舷外有源干扰,执行步骤(8);
否则,表示导引头受到了质心无源干扰,执行步骤(8);
本发明与现有技术相比具有如下优点:
第一,由于本发明在数据处理层结合主/被动雷达的探测数据来识别干扰,其只依赖于目标的时域信息,不需要对目标频域、极化域信息进行提取,同时不需要通过多脉冲积累来分解极化特征,计算简单,克服了现有技术存在的判决条件复杂计算量大的缺陷,使本发明显著提高了对干扰的识别效率。
第二,本发明由于采用主/被动雷达协同工作的方式,设备成本低,受天气和环境影响较小,克服了现有技术探测能力受天气和环境影响严重和搭载平台飞行速度受限的不足,使本发明可以稳定进行长距离探测并且可应用于高速平台上,显著提高了设备的性价比和泛用性。
附图说明
图1是本发明的实现流程图;
图2是在质心无源干扰下主/被动雷达目标方位角滤波值与真实值的偏差曲线图;
图3是本发明在质心无源干扰下航迹关联统计量的变化曲线图;
图4是在舷外有源干扰下主/被动雷达目标方位角滤波值与真实值的偏差曲线图;
图5是本发明在舷外有源干扰下航迹关联统计量的变化曲线图。
具体实施方式
以下结合附图对本发明的实施例和效果做进一步详细描述。
参照图1,本实例的实施步骤如下:
步骤1,由舰船目标、导引头和干扰的位置信息得到主/被动雷达的量测数据。
本步骤根据不同的干扰种类,生成相应的量测数据,其实现如下:
设在三维平面内,导引头k时刻的位置xyzk,m=(xk,m,yk,m,zk,m),目标或者等效质心的位置xyzk,t=(xk,t,yk,t,zk,t),则其相对于导引头的极坐标信息为:
(1.1)生成无干扰下的量测数据:
将各雷达和导引头视为同一个质点,在干扰释放之前,主动雷达和被动雷达均会跟踪上目标;
设目标的位置xyzk,s=(xk,s,yk,s,zk,s),根据主动雷达能够获取目标的径向距离、方位角和俯仰角信息,而被动雷达只能获得方位角和俯仰角信息的特性,将xyzk,t=xyzk,s代入公式<1>分别计算主动雷达的量测值Zk,a和被动雷达的量测值Zk,p:
(1.2)生成干扰下的量测数据:
1.2.1)生成质心无源干扰下的量测数据:
基于干扰释放之后,被动雷达将会继续跟踪目标,而主动雷达会跟踪目标和干扰的等效质心,设目标的位置xyzk,s=(xk,s,yk,s,zk,s),干扰的位置xyzk,j1=(xk,j1,yk,j1,zk,j1),质心的位置xyzk,c1=(xk,c1,yk,c1,zk,c1),在导引头飞至可分辨距离前,计算质心的位置信息:
其中,σs、σj分别为目标和干扰的等效雷达截面积;
令xyzk,t=xyzk,c1,结合公式<1>和公式<2>计算质心在无源干扰下主动雷达的量测值Zk,a1:
1.2.2)生成舷外有源干扰下的量测数据:
基于在干扰释放之后,被动雷达不仅会继续跟踪目标,同时也会跟踪干扰,而主动雷达会跟踪舰船目标和干扰的等效质心,设目标的位置xyzk,s=(xk,s,yk,s,zk,s),干扰的位置xyzk,j2=(xk,j2,yk,j2,zk,j2),质心的位置xyzk,c2=(xk,c2,yk,c2,zk,c2),且干扰机以恒功率的状态进行工作,计算导引头接收到干扰机的发射信号的功率Pj和目标反射回波信号的功率Ps:
其中,Pj为干扰辐射功率,Pt为导引头发射功率,Gj为干扰天线增益,Gt为导引头天线增益,λ为波长,R1为干扰与导引头之间的距离,R2为目标与导引头之间的距离;
根据能量关系Pj/Ps=σj/σs,计算干扰的等效雷达截面积σj:
将σj代入公式<3>即可计算质心的位置xyzk,c2,令xyzk,t=xyzk,c2,结合公式<1>和公式<2>计算在舷外有源干扰下主动雷达的量测值Zk,a2:
令xyzk,t=xyzk,j2,结合公式<1>和公式<2>计算在舷外有源干扰下被动雷达对干扰的量测值Zk,p2:
2.1.1)计算直角坐标系下主动雷达的量测信息Z'k,a:
其中,Hk,a为主动雷达的量测矩阵;
2.1.4)根据主动雷达的预测误差协方差矩阵Pk|k-1,a计算新息协方差矩阵Sk,a:
其中,Rk,a为主动雷达的量测噪声协方差矩阵;
2.1.5)根据主动雷达的预测误差协方差矩阵Pk|k-1,a、量测矩阵Hk,a和新息协方差矩阵Sk,a计算主动雷达的滤波器增益Kk,a:
其中,Hk,p为被动雷达的量测矩阵,Zk,p为被动雷达极坐标系下的量测值;
2.2.4)根据被动雷达的预测误差协方差矩阵Pk|k-1,a计算新息协方差矩阵Sk,p:
其中,Rk,p为被动雷达的量测噪声协方差矩阵;
2.2.5)根据被动雷达的预测误差协方差矩阵Pk|k-1,p、量测矩阵Hk,p和新息协方差矩阵Sk,p计算被动雷达的滤波器增益Kk,p:
3.2.1)对主动雷达的误差协方差矩阵Pk,a进行如下分块:
其中P11、P12、P13、P21、P22、P23、P31、P32和P33均为3×3的分块矩阵;
3.2.2)提取分块矩阵中与角度和角速度有关的项,构成过渡协方差矩阵Pnew:
3.2.3)根据变换矩阵A(k)计算极坐标系下的误差协方差矩阵Rnew:
步骤4,对主/被动雷达滤波过程中的数据进行航迹关联。
(4.1)计算滤波过程中各时刻的状态估计量之间的马氏距离dk,ap:
(4.2)考虑到将当前时刻的航迹关联与历史时刻联系起来,并借用滑窗法的思想,计算航迹关联统计量λk,ap:
(4.3)利用假设检验得到主/被动雷达航迹关联结果:
4.3.1)将主动航迹与被动航迹关联成功表示为事件H0,将主动航迹与被动航迹关联失败表示为事件H1;
4.3.2)设βk,ap为航迹关联的判别门限,其满足:P{λk,ap>βk,ap|H0}=α,其中,α为显著性水平,通常α的取值为0.05、0.01或者0.1,在本实例中取0.01,Pr{·}表示求某一分布的概率;
4.3.3)将航迹关联统计量λk,ap与判别门限βk,ap相比较,确定所要接受的事件:
若λk,ap≤βk,ap,则接受事件H0;
否则,接受事件H1。
步骤5,根据关联结果对干扰的种类进行鉴别;
(5.1)根据k时刻目标的主动航迹与目标的被动航迹的关联结果鉴别导引头是否受到干扰:
若关联成功,则表示导引头未受到干扰,执行步骤6;
否则,表示导引头受到了干扰,执行步骤(5.2);
(5.2)根据k时刻目标的主动航迹与干扰的被动航迹的关联结果鉴别导引头受到干扰的种类:
若关联成功,则表示导引头受到了舷外有源干扰,执行步骤7;
否则,表示导引头受到了质心无源干扰,执行步骤7;
(6.1)设ωk,a为主动航迹的融合权重,ωk,p为被动航迹的融合权重ωk,p,且满足如下方程:
其中,min(·)表示求最小值,Tr[·]表示求矩阵的迹;
下面结合仿真实验对本发明的效果做进一步的说明:
一.仿真实验条件:
本发明的仿真实验的硬件平台为:处理器为Intel i5 7300HQ CPU,主频为2.50GHz,内存16GB。
本发明的仿真实验的软件平台为:Windows 10专业版,64位操作系统,MATLABR2018b。
本发明的仿真实验的场景设置有两个,其中:
场景一:
设舰船目标的初始位置为(12000,5000,0)m,以17m/s的速度匀速运动,航向角为(30,0)°,等效的雷达截面积为4500m2,运动的过程噪声协方差矩阵Qk为0。
导引头的初始位置为(0,0,1000)m,速度500m/s,初始航向为(0,0)°,采用比例导引法制导,比例系数为2。主动雷达方位角、俯仰角测角误差标准差为0.2°,测距误差标准差为20m;主动雷达方位角、俯仰角测角误差标准差为0.8°。
采样间隔为0.1s,采样次数150,质心无源干扰在第50个采样时刻释放,干扰等效的雷达截面积为8000m2,相对于舰船的距离为250m,角度为(180,0)°,其速度只与风速有关,风速5m/s,风向为(130,0)°。
目标辐射源的工作频率与主动雷达的工作频率不在同一频段上,干扰不会对被动雷达产生影响,且各雷达的探测数据已完成空间和时间对准。
场景二:
主动雷达发射功率为40000W,天线增益为25dB;干扰机发射功率为200W,天线增益为2dB。
舷外有源干扰在第70个采样时刻释放,干扰相对于舰船的距离为300m,角度为(180,0)°,速度只与风速有关,风速为5m/s,风向为(90,0)°。
其他参数和条件与场景一相同。
二.仿真内容及其结果分析:
仿真1,在场景一中仿真质心无源干扰下主/被动雷达舰船目标方位角滤波值与真实值的偏差,结果如图2所示,其中实线代表主动雷达,虚线代表被动雷达。由图2可知,主动雷达在第50个采样时刻后的偏差逐渐变大,即导引头可能受到了干扰,但是受到了何种干扰还无法鉴别。
仿真2,在场景一中用本发明的方法对质心无源干扰进行仿真鉴别,结果如图3所示。由图3可知,舰船目标的航迹关联统计量λk,11在第55个采样时刻大于判别门限,即航迹关联失败,且只存在一个关联统计量,因此不存在干扰的被动航迹。据此可知导引头受到了质心无源干扰,在这种情况下,用被动雷达的数据进行制导,可实现抗干扰的目的。
仿真3,在场景二中仿真在舷外有源干扰下主/被动雷达对舰船目标方位角滤波值与真实值的偏差,结果如图4所示,其中实线代表主动雷达,虚线代表被动雷达。由图4可知,主动雷达在第70个采样时刻后的偏差逐渐变大,即导引头可能受到了干扰,但是受到了何种干扰还无法鉴别。
仿真4,在场景二中用本发明的方法对舷外有源干扰进行仿真鉴别,结果如图5所示。由图5可知,舰船目标的航迹关联统计量λk,11在第74个采样时刻大于判别门限,即航迹关联失败,且此时目标的主动航迹和干扰的被动航迹的关联统计量λk,12小于判别门限,据此可知导引头受到了舷外有源干扰。在这种情况下,用被动雷达的数据进行制导,以实现抗干扰的目的。但随着导引头飞临目标,等效质心的位置会逐渐远离干扰,故干扰的被动航迹与等效质心的主动航迹的关联度会降低,λk,12的值会逐渐增大。
上述实验结果验证了本发明的可靠性和有效性,表明本发明能成功鉴别和抵抗质心无源干扰和舷外有源干扰,降低了导引头被欺骗的概率,提高了其在复杂环境下的生存能力。
Claims (9)
1.一种基于主/被动雷达复合导引头数据关联的抗干扰方法,其特征在于,包括如下步骤:
(1)由舰船目标、导引头和干扰的位置信息得到主/被动雷达的量测数据,并对其进行滤波,计算直角坐标系下主动雷达的状态估计量误差协方差矩阵Pk,a和极坐标系下被动雷达的状态估计量/>误差协方差矩阵Pk,p;
(4)根据马氏距离dk,ap计算主/被动雷达滤波过程中各时刻的航迹关联统计量λk,ap;
(5)根据航迹关联统计量λk,ap,利用假设检验得到主/被动雷达航迹关联结果;
(6)根据航迹关联结果对干扰的种类进行鉴别;
(6a)根据k时刻目标的主动航迹与目标的被动航迹的关联结果鉴别导引头是否受到干扰:
若关联成功,则表示导引头未受到干扰,执行步骤(7);
否则,表示导引头受到了干扰,执行步骤(6b);
(6b)根据k时刻目标的主动航迹与干扰的被动航迹的关联结果鉴别导引头受到干扰的种类:
若关联成功,则表示导引头受到了舷外有源干扰,执行步骤(8);
否则,表示导引头受到了质心无源干扰,执行步骤(8);
(1a)计算直角坐标系下主动雷达的量测信息Z'k,a:
其中,Hk,a为主动雷达的量测矩阵;
(1d)根据主动雷达的预测误差协方差矩阵Pk|k-1,a计算新息协方差矩阵Sk,a:
其中,Rk,a为主动雷达的量测噪声协方差矩阵;
(1e)根据主动雷达的预测误差协方差矩阵Pk|k-1,a、量测矩阵Hk,a和新息协方差矩阵Sk,a计算主动雷达的滤波器增益Kk,a:
其中,Hk,p为被动雷达的量测矩阵,Zk,p为被动雷达极坐标系下的量测值;
(1i)根据被动雷达的预测误差协方差矩阵Pk|k-1,a计算新息协方差矩阵Sk,p:
其中,Rk,p为被动雷达的量测噪声协方差矩阵;
(1j)根据被动雷达的预测误差协方差矩阵Pk|k-1,p、量测矩阵Hk,p和新息协方差矩阵Sk,p计算被动雷达的滤波器增益Kk,p:
8.根据权利要求1,其特征在于,步骤(5)中根据航迹关联统计量λk,ap,利用假设检验得到主/被动雷达航迹关联结果,实现如下:
(5a)将主动航迹与被动航迹关联成功表示为事件H0,将主动航迹与被动航迹关联失败表示为事件H1;
(5b)设βk,ap为航迹关联的判别门限,其满足:P{λk,ap>βk,ap|H0}=α,其中,α为显著性水平,Pr{·}表示求某一分布的概率;
(5c)将航迹关联统计量λk,ap与判别门限βk,ap相比较,确定所要接受的事件:
若λk,ap≤βk,ap,则接受事件H0;否则,接受事件H1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211104256.8A CN116299208A (zh) | 2022-09-09 | 2022-09-09 | 基于主/被动雷达复合导引头数据关联的抗干扰方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211104256.8A CN116299208A (zh) | 2022-09-09 | 2022-09-09 | 基于主/被动雷达复合导引头数据关联的抗干扰方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116299208A true CN116299208A (zh) | 2023-06-23 |
Family
ID=86819113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211104256.8A Pending CN116299208A (zh) | 2022-09-09 | 2022-09-09 | 基于主/被动雷达复合导引头数据关联的抗干扰方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116299208A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117452342A (zh) * | 2023-12-26 | 2024-01-26 | 湖南力研光电科技有限公司 | 一种基于极化特征的箔条干扰检测方法 |
-
2022
- 2022-09-09 CN CN202211104256.8A patent/CN116299208A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117452342A (zh) * | 2023-12-26 | 2024-01-26 | 湖南力研光电科技有限公司 | 一种基于极化特征的箔条干扰检测方法 |
CN117452342B (zh) * | 2023-12-26 | 2024-03-19 | 湖南力研光电科技有限公司 | 一种基于极化特征的箔条干扰检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Duan et al. | Comments on" unbiased converted measurements for tracking" | |
CN107607916B (zh) | 一种抗自卫式速度距离联合欺骗干扰方法 | |
Garvanov et al. | Target detection using a GPS forward-scattering radar | |
CN110231615B (zh) | 基于海面目标空间约束的距离测量异常判别方法 | |
CN108614245B (zh) | 一种基于射频隐身的边跟踪边干扰方法 | |
CN110161494B (zh) | 基于速度平方滤波的rd平面弱目标检测跟踪方法及装置 | |
CN109633628B (zh) | 基于分布式组网雷达数据融合的抗rgpo干扰的方法 | |
CN111948657A (zh) | 一种基于多模粒子滤波的机动弱目标检测前跟踪方法 | |
CN112881993A (zh) | 自动识别雷达分布杂波引起虚假航迹的方法 | |
CN116299208A (zh) | 基于主/被动雷达复合导引头数据关联的抗干扰方法 | |
KR100852934B1 (ko) | 부엽제거기를 개선한 잡음 재밍신호 탐지 시스템 및 방법 | |
CN110673130A (zh) | 一种基于航迹关联的运动目标航迹跟踪方法 | |
CN110133612A (zh) | 一种基于跟踪反馈的扩展目标检测方法 | |
CN109031221B (zh) | 数据层基于多维度特征提取的雷达抗密集假目标干扰方法 | |
CN112834999B (zh) | 一种干扰方位已知时雷达目标恒虚警检测方法与系统 | |
Fang et al. | E 2 DTF: An End-to-End Detection and Tracking Framework for Multiple Micro-UAVs With FMCW-MIMO Radar | |
CN114325599B (zh) | 一种针对不同环境的自动门限检测方法 | |
CN115616502A (zh) | 无人飞行器机载雷达目标检测的杂波抑制方法 | |
CN115616629A (zh) | 一种基于天基外辐射源信号的运动目标探测补偿方法 | |
Wang et al. | Research on multi-maneuvering target tracking JPDA algorithm | |
CN108896968B (zh) | 一种单站雷达干扰检测和跟踪方法 | |
CN112698295A (zh) | 一种知识辅助的雷达检测跟踪一体化方法及系统 | |
Lin et al. | Research on composite deception interference recognition and suppression technology based on multi-dimensional features | |
CN112068084B (zh) | 基于方向谱的干扰回波与地杂波识别方法 | |
CN115372956B (zh) | 一种基于正逆逻辑Hough变换的混合体制雷达航迹起始方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |