基于最小二乘拟合的雷达航迹匹配算法

本文采用最小二乘拟合方法拟合雷达目标航迹曲线,再计算拟合目标航迹与真实航迹的欧几里得距离,进而得到雷达航迹关联匹配结果。该算法克服了单点信息在存在信息缺失和目标机动等情况时出现错误的关联匹配结果,并通过多目标多平台仿真系统验证了雷达航迹关联匹配正确率,本算法已在实际工程雷达仿真系统中得到良好的应用。     

基于改进退火法拟合参数估计的极化雷达目标识别

在全极化、高分辨力雷达体制背景下，提出了雷达目标极化状态变化率的概念，用以描述光学区雷达目标极化结构的频域动态分布特性，采用了改进的模拟退火技术对这种分布特性进行全局最优拟合曲线参数估计，在此基础上，对四类军用飞机目标进行了分类识别研究，取得了良好的结果。     

基于非线性最小二乘的统计MIMO雷达动目标参数估计算法

根据统计MIMO雷达的工作原理和多脉冲信号模型,提出了一种含加速度的动目标模型,推导证明了位置、速度和加速度联合估计下的CRB,分析了收发天线数、天线配置对参数估计性能的影响,并利用非线性最小二乘模型简化了目标函数的形式,在降低参数估计成本的同时,利用脉冲积累特性又可提高估计精度。文中表明随着天线数、发射脉冲数的增加,系统参数估计性能会大幅提高,且利用最小二乘模型的目标函数,参数估计的效率更高。仿真实验有效地验证了理论分析的正确性。     

加权最小二乘估计中加权系数的确定

简要地对最小二乘估计进行了介绍，通过深入分析加权最小二乘估计，引入了“矩阵型”的许瓦兹不等式，并对该不等式进行了证明，在该不等式的基础上，详细分析了在估计的误差方差达到极小情况下的加权矩阵。通过本文的分析，为加权最小二乘估计提供了详细的分析过程和正确的估计公式     

雷达目标高分辨率距离—极化结构成像方法研究

在高频区（光学区），雷达目标回波可模型化为多个散射中心回波的合成，稳含着目标精密的几何形状信息；宽带高频雷达可以获得目标多散射中心在径向距离轴上的投影分布，即目标的一维距离像；对距离像上孤立的每个强散射中心进行极化描述，可获得其对应的单元散射体的几何结构特性；由多个单元散射体可构造出目标的结构图像，即距离－极化结构图像，文中主要给出了强杂背景下目标结构成像的原理，方法及其计算机仿真结果。     

基于最小二乘估计的InISAR空间目标三维成像方法

InISAR系统能够在短观测时间内实现对目标的3维成像,在目标识别和分类中有广泛应用。但是ISAR成像平面不仅取决于目标相对雷达的空间位置,还和目标的运动情况有关。针对空间平稳运动目标,该文利用互相垂直的L型基线构成双通道InISAR系统,对各天线接收到的回波分别采用各自的参考距离进行聚焦处理,采用传统的距离-多普勒算法得到目标散射点2维像,通过提取各散射点的干涉相位和多普勒信息,采用最小二乘方法对目标的有效转动角速度大小和方向进行估计,进而估计出散射点的3维位置,实现目标3维成像。仿真实验验证了所提方法的有效性和鲁棒性。     

雷达目标识别方法概述

雷达经过几十年的发展，已实现了从杂波，干扰中探测目标的存在以及确定目标的运动轨迹，但是雷达对于目标识别仍是当今天研究热点，本文对目前几中主要的雷达目标识别方法进行了概述。     

基于最小二乘优化的车辆位置估计算法

提出了一种最小二乘车辆位置估计算法.该算法首先推导出在一较小时间段内车辆距离矩阵满足的凸约束条件;然后通过最小二乘优化得到局部车辆的相对位置;最后,融合局部相对坐标图得到全局车辆坐标.仿真分析表明,与其他车辆位置估计方法相比,该算法可有效提高估计精度,并保证了车辆位置服务的实时性要求.     

基于多维极化特征空间的雷达目标识别

在宽带极化雷达体制背景下，研究了目标的变极化效应，并采用参数作了具体表征，结合多视角观测这一现实，构造了目标的多维极化特征空间，并在此基础上对五种飞机目标进行了识别实验研究，取得了良好的目标分类或识别效果。     

基于回波序列最小二乘拟合的高分辨率SAR运动目标速度估计

运动目标速度估计是机载单天线高分辨率合成孔径雷达(SAR)实现运动目标成像和定位的关键环节。针对现有方法运算量大、易受距离徙动干扰等缺点,该文提出一种基于回波序列最小二乘拟合的速度估计方法。利用该方法,首先通过包络相关提取相邻回波序列的距离变化量,然后对其做最小二乘线性拟合,目标的距离向速度和方位向速度可由拟合系数计算得到。与传统方法相比,该方法不仅计算量小,而且无须先做距离徙动校正(RCMC)。该文给出了新方法的数学模型和参数选取原则,分析了该方法的估计精度、计算量和适用条件,并通过仿真和实际数据处理验证了该方法的有效性。

     

全极化高分辨雷达距离像统计识别方法

在全极化、高分辨雷达体制背景下,提出一种将极化信息与高分辨距离像相结合的雷达目标统计识别方法。采用物理统计非高斯模型对全极化高分辨距离像建模,用模型参数分别表征具有较强散射强度分辨单元的多少和强弱,将全极化下的模型参数直接作为特征矢量,并采用Parzen窗法估计模型参数的概率分布密度,用贝叶斯分类器进行分类识别。对实测的导弹类目标识别结果表明,该方法能有效克服距离像特征依赖于方位信息的缺点,达到令人满意的识别结果。     

基于极化度分布特征的目标识别方法研究

该文在全极化、高距离分辨力雷达体制背景下,研究了光学区雷达目标回波极化度的分布特性,并利用分布特征参数进行定量描述,在此基础上对四类飞机目标进行了识别实验研究,获得了良好的目标分类识别效果。     

基于最小二乘曲线拟合的时间配准方法研究

针对单一手段探测低慢小目标能力不足的问题,提出了运用雷达/红外手段联合探测的方法.但在雷达红外数据融合之前,需要解决时间配准的问题.为解决这个问题,提出了一种基于最小二乘曲线拟合的时间配准改进方法,推导出了改进的最小二乘曲线拟合公式,分析了影响拟合精度的因素,通过仿真分析验证了该方法的有效性.     

基于线性最小二乘方法的主动段目标初值估计

主动段目标初值估计是导弹目标战术参数估计的重要内容,是监视系统进行实时跟踪的前提条件。在天基观测背景下,该问题是非线性最小二乘求解问题。该文建立了主动段8态重力转弯模型和天基测量模型,通过用常加加速度线性模型来近似目标运动学参数,并对非线性测量进行伪线性化处理,将非线性最小二乘转化为线性最小二乘求解问题。特别地,给出了天基伪线性化测量及其统计特征的详尽推导,并进一步考察了测量伪线性化方法的适用范围。仿真实验中,通过与CRLB和传统的Gauss-Newton迭代方法比较,证明了该文方法在估计精度和运算效率上的优势。     

基于极化特征的雷达目标识别技术

极化特性是雷达目标散射回波的重要特性之一,极化特征能够解析目标的粗细、大小、对称性等信息。随着雷达极化测量技术的逐步成熟,基于极化特征的雷达目标识别日益引起国内外学术界的高度重视。以电磁散射计算仿真的飞机模型为研究对象,在极化不变量理论基础上对这些飞机目标的极化特性进行了试验分析研究,以SVM为分类器,通过功率矩阵的迹和去极化系数可以实现对三个目标的区分。结果表明,该方法可以有效地将三个目标进行分类识别。     

基于一维距离像的雷达目标识别方法研究

通过对光学区雷达目标一维距离像的介绍和分析,指出利用一维距离像进行雷达目标分类和识别的可行性,并针对一维距离像对姿态角度化敏感这一难点问题,提出两种比较实用的解决方案。     

基于半参数化概率密度估计的雷达目标识别

该文针对雷达目标高分辨距离像(High-Resolution Range Profile, HRRP)识别中距离单元回波幅值统计建模所面临的概率密度模型选择问题,提出一种基于半参数化概率密度估计的雷达目标识别方法。半参数化概率密度估计从参数化概率密度估计出发,有效利用了高分辨距离像各距离单元幅值近似服从Gamma分布的经验知识,并且通过非参数化修正因子对Gamma模型进行修正,达到参数化方法和非参数化方法优缺互补的目的。基于5种飞机模型高分辨距离像数据的仿真实验证明了该文方法的有效性。     

高距离分辨率极化雷达目标匹配识别研究

本文提出一种基于高距离分辨率极化雷达体制的雷达目标相关匹配识别新方法。首先介绍了雷达目标多维极化距离像匹配识别的原理,然后介绍了多维相关匹配表达式的构造方法。最后利用雷达目标测量数据进行了目标识别的实验。理论分析和实验结果表明：极化信息的有效利用,可以提高雷达的目标识别性能。