一种新的MIMO雷达动目标检测方法

摘要:针对MIMO雷达的动目标显示(MTI)特性,通过与传统单延时对消方法对比,采用双延时对消和变T技术处理盲速的方法进行动目标检测。最后对比仿真实验结果证明,在动目标检测中使用双延迟线对消和变T技术处理盲速的方法,能够更好地提取杂波中的运动目标。

关键词:MIMO雷达动目标显示(MTI) 延时对消

多输入多输出(MIMO)雷达是近几年发展起来的一种新体制雷达。通常将MIMO雷达分为两大类:一类是共置MIMO雷达,这类雷达系统的发射阵元间距很小,发射机从同一个角度照射目标,通过波形分集提高雷达系统性能;另一类是统计MIMO雷达,这类雷达发射阵元间距分散开,利用多个不同方位的雷达发射信号,较好地克服了目标RCS的角闪烁所带来的性能损失,获得较大的空间分集增益,能够根据多普勒频移解决慢目标的检测问题,而且能够克服带宽的限制,实现更高精度的目标定位[1]。由于雷达天线接收到的信号除了感兴趣的目标回波以外,还包括接收机的噪声、以及各种杂波。

因此,当杂波和运动目标回波同时被接收时,会使目标的观测显得困难。一方面,如果目标回波信号混叠在强干扰杂波中,不可能完成自动门限信号检测。即使目标回波信号与干扰杂波处在不同的距离、方位和仰角上,杂波背景也会影响杂波邻近目标回波信号的分辨;另一方

经典雷达资料-第16章机载动目标显示(AMTI)雷达-1

第16章机载动目标显示（AMTI）雷达 FRED M. STAUDAHER 16.1 采用AMTI技术的系统机载搜索雷达最初是为远程侦察机探测舰艇研制的。第二次世界大战后期，美海军研制了几种机载预警（AEW）雷达，用来探测从舰艇雷达天线威力区之下飞近特遣舰队的低空飞机。在增大对空和对海面目标的最大检测距离方面，机载雷达的优点是显而易见的，只要了解下述情况就很清楚了，高度为100ft的天线桅杆，其雷达视线距离只有12n mile，而与其相比，飞机高度为10 000ft时，雷达视线距离则为123n mile。神风突击队袭击造成多艘哨舰的损失引起了机载自主探测与控制站的设想，后来这种系统发展成为一种用于洲际防空的边界巡逻机。 E—2C航空母舰舰载飞机（如图16.1所示）使用机载预警雷达作为其机载战术数据系统中的主要传感器。这种雷达的视界很宽，用于检测海杂波和地杂波背景中的小飞机目标。由于其首要的任务是检测低空飞行的飞机，因此这种雷达就不能靠抬高天线波束的仰角来消除杂波。AMTI雷达系统就是在这种情况下发展起来的[1]~[3]，与前一章中探讨的地面雷达的MTI 系统相似[1][4]~[6]。图16.1 带有旋转天线罩的E—2C空中预警机在截击机火炮控制系统中，AMTI雷达系统还可用来捕捉和跟踪目标。在这种场合中，雷达仅需抑制指定目标附近的杂波。因此，在目标所处的距离和角度扇形区内可将雷达优化到最佳状态。MTI系统也可以装在侦察机或战术歼击-轰炸机上用来检测地面运动的车辆。由于目标速度低，因而采用较高的雷达频率以获得大的多普勒频移。因为背景杂波通常很强，故这些雷达能够有效地采用非相参MTI技术。高空、高机动、高速度的环境条件及尺寸、重量、功耗的限制给AMTI雷达设计者带来了一系列的特殊问题。本章将专门探讨机载条件下如何处理这些特殊问题。

雷达运动目标检测大作业

非均匀空时自适应处理摘要本文首先依次介绍了在非均匀环境下的STAP处理法，包括降维、降秩以及LSMI方法，接着重点分析了直接数据域（DDD）方法的原理及实现过程，最后针对直接数据域方法进行了仿真实验。引言机载雷达对运动目标检测时, 面临的主要问题是如何抑制强大的地面杂波和各种类型的干扰，空时自适应处理（STAP）是解决该问题的关键技术。STAP 技术通过对杂波或干扰训练样本分布特性的实时学习来来形成空域—时域二维自适应权值，实现对机载雷达杂波和干扰的有效抑制。 STAP技术在形成自适应权值时，需要计算杂波协方差矩阵R。实际系统的协方差矩阵是估计得到的，即先在待检测距离单元的临近单元测得K个二维数据矢量样本V i（i=1，2…K），再计算R的估计值?=Σ i=1K V i V i H∕K，然后可得自适应权值W=μR^-1S，其中μ为常数，S为空时导向矢量。临近训练样本的选择必须满足独立同分布（IID）条件。同时，为了使由杂波协方差矩阵估计引起的性能损失控制在3dB内，要求均匀训练样本数K至少要2倍于其系统自由度（DOF）。如果所选样本非均匀，则形成的权值无法有效对消待检测单元中所含有的杂波和干扰，从而大大降低对运动目标的检测性能。在实际应用中, 机载雷达面临的杂波环境往往是非均匀的, 这对经典的S T A P 技术带来了极大的挑战。针对这一难题, 许多新的适用于非均匀杂波环境的S T A P 方法不断被提出。 1、解决非均匀样本的方法 1.1、降维方法降维方法的最初目的是为了减少空时自适应处理时所需的巨大运算量, 但后来发现该类方法同时大大减少了对均匀训练样本数的需求, 对非均匀情况下杂波抑制起到了积极的作用。降维方法将每次自适应处理所需要抑制的杂波范围限制在某一个较小杂波子空间内, 根据RMB准则和Brennan定理, 自适应处理时所需要的均匀训练样本数由2 倍于整体系统自由度减至降维后2 倍于子空间系统自由度。降维程度越高, 对均匀训练样本的需求就越少。降维方法属固定结构方法, 无法充分利用杂波的统计特性。当辅助波束与杂波谱匹配很好时, 处理性能往往很好。反之, 则性能下降。 1.2、降秩方法与固定结构降维方法相反, 降秩方法充分利用回波中杂波的分布特性, 每次处理选取完备杂波空间来形成自适应权值对消杂波分量, 可看作依赖回波数据的自适应降维方法。该类方法在形成权值过程中利用的信息中不含噪声分量, 所以避免了小样本情况下噪声发散带来的性能下降问题, 故减少了对均匀训练样本数的需求。同样, 该类方法在满足信杂噪比损失不超过 3 d B 条件时所需的训练样本数约为 2 倍的杂波子空间的维数。从处理器结构上来看, 降秩方法可

基于卡尔曼滤波器的雷达目标跟踪(完整资料).doc

此文档下载后即可编辑随机数字信号处理期末大作业（报告）基于卡尔曼滤波器的雷达目标跟踪 Radar target tracking based on Kalman filter 学院（系）：创新实验学院专业：信息与通信工程学生姓名：李润顺学号：21424011 任课教师：殷福亮完成日期：2015年7月14日

大连理工大学Dalian University of Technology

摘要雷达目标跟踪环节的性能直接决定雷达系统的安全效能。由于卡尔曼滤波器在状态估计与预测方面具有强大的性能，因此在目标跟踪领域有广泛应用，同时也是是现阶段雷达中最常用的跟踪算法。本文先介绍了雷达目标跟踪的应用背景以及研究现状，然后在介绍卡尔曼滤波算法和分析卡尔曼滤波器性能的基础上，将其应用于雷达目标跟踪，雷达在搜索到目标并记录目标的位置数据，对测量到的目标位置数据（称为点迹）进行处理，自动形成航迹，并对目标在下一时刻的位置进行预测。最后对在一个假设的情境给出基于卡尔曼滤波的雷达目标跟踪算法对单个目标航迹进行预测的MATLAB仿真，对实验的效果进行评估，分析预测误差。关键词：卡尔曼滤波器；雷达目标跟踪；航迹预测；预测误差；MATLAB 仿真 - 1 -

目标识别技术

目标识别技术摘要：针对雷达自动目标识别技术进行了简要回顾。讨论了目前理论研究和应用比较成功的几类目标识别方法：基于目标运动的回波起伏和调制谱特性的目标识别方法、基于极点分布的目标识别方法、基于高分辨雷达成像的目标识别方法和基于极化特征的目标识别方法，同时讨论了应用于雷达目标识别中的几种模式识别技术：统计模式识别方法、模糊模式识别方法、基于模型和基于知识的模式识别方法以及神经网络模式识别方法。最后分析了问题的可能解决思路。引言：雷达目标识别技术回顾及发展现状雷达目标识别的研究始于"20世纪50年代，早期雷达目标特征信号的研究工作主要是研究达目标的有效散射截面积。但是，对形状不同、性质各异的各类目标，笼统用一个有效散射面积来描述，就显得过于粗糙，也难以实现有效识别。几十年来，随着电磁散射理论的不断发展以及雷达技术的不断提高，在先进的现代信号处理技术条件下，许多可资识别的雷达目标特征信号相继被发现，从而建立起了相应的目标识别理论和技术。随着科学技术的飞速发展，一场以信息技术为基础、以获取信息优势为核心、以高技术武器为先导的军事领域的变革正在世界范围内兴起，夺取信息优势已成为夺取战争主动权的关键。电子信息装备作为夺取信息优势的物质基础，是推进武器装备信息化进程的重要动力，其总体水平和规模将在很大程度上反映一个国家的军事实力和作战能力。雷达作为重要的电子信息装备，自诞生起就在战争中发挥了极其重要的作用。但随着进攻武器装备的发展，只具有探测和跟踪功能的雷达也已经不能满足信息化战争的需要，迫切要求雷达不仅要具有探测和跟踪功能，而且还要具有目标识别功能，雷达目标分类与识别已成为现代雷达的重要发展方向，也是未来雷达的基本功能之一。目标识别技术是指：利用雷达和计算机对遥远目标进行辨认的技术。目标识别的基本原理是利用雷达回波中的幅度、相位、频谱和极化等目标特征信息，通过数学上的各种多维空间变换来估算目标的大小、形状、重量和表面层的物理特性参数，最后根据大量训练样本所确定的鉴别函数，在分类器中进行识别判决。目标识别还可利用再入大气层后的大团过滤技术。当目标群进入大气层时，在大气阻力的作用下，目标群中的真假目标由于轻重和阻力的不同而分开，轻目标、外形不规则的目标开始减速，落在真弹头的后面，从而可以区别目标。所谓雷达目标识别，是指利用雷达获得的目标信息，通过综合处理，得到目标的详细信息（包括物理尺寸、散射特征等），最终进行分类和描述。随着科学技术的发展，武器性能的提高，对雷达目标识别提出了越来越高的要求。目前，目标识别作为雷达新的功能之一，已在诸如海情监控系统、弹道导弹防御系统、防空系统及地球物理、射电天文、气象预报、埋地物探测等技术领域发挥出很大威力。为了提高

雷达微弱目标检测的有效方法[1]

49642009,30(21)计算机工程与设计Computer Engineering and Design 0引言复杂背景下低信噪比运动目标的检测和跟踪是雷达信号处理系统的关键技术之一。在微弱运动目标检测和跟踪的应用中，雷达接收的远距离目标回波强度非常弱，信噪比很低，目标易被噪声淹没，单个脉冲回波的信噪比甚至是负的，若仅对单帧图像处理，不能可靠地检测目标。在预警雷达应用中，由于运动目标距离雷达较远，又处在强杂波环境中，对微弱运动目标的检测与跟踪是雷达信号处理的一个重要课题。早期算法主要有Kalman滤波等方法，主要采用检测后跟踪(detect before track，DBT)方法，这类方法在信噪比较高时可以取得很好的效果，否则不能检测出目标。要想对微弱目标进行有效的检测及跟踪，除了抑制杂波和降低系统噪声等方法外，一种有效的方法是检测前跟踪(track before detect，TBD)方法，即对单次观测信号先不进行判断，而是结合雷达图像特点，对目标进行多次观测，计算出目标在各帧图像之间的移动规律，预测目标在下一帧图像的可能位置，同时在帧与帧之间将多次扫描得到的数据沿着预测轨迹进行几乎没有信息损失的相关处理，从而改善目标的信噪比，提高检测性能，在得到检测结果的同时获得目标航迹。目前，用于微弱目标检测的TBD方法主要有极大似然法、粒子滤波法、动态规划(dynamic programming，DP)法、Hough变换法，等[1-2]。其中，Hough变换法对检测沿径向做匀速直线运动的目标具有较好的检测性能，目标在直线轨迹上的能量集中在Hough变换后的单点上，目标轨迹的能量远大于其它点的能量，但计算量和存储量都较大[3]，难以实现。动态规划算法对目标信噪比要求较低，可以探测各种运动形式的目标[4-5]。动态规划算法是美国Y.Barniv于1985年提出的，利用动态规划的分段优化思想，将目标轨迹搜索问题分解为分级优化的问题[6]。将其应用到雷达微弱目标检测中，可将雷达回波信号在多普勒频率和距离二维方向的幅度排列成图像，在多帧相继的图像序列中，运动目标轨迹可看作是一条连续变化的曲线，利用动态规划算法，检测是否存在着这样一条曲线，从而判断目标是否存在。基于动态规划的检测前跟踪的关键在于沿目标运动航迹积累能量[7-8]，可以看出，搜索目标航迹的计算量非常大，在实际应用中存在不足。在预警雷达中，来袭目标比远离雷达的目标更具有威胁性，更需早期发现和预防，所以单独针对来袭目标进行探测，可以大大减少动态规划法搜索的运算量，提高预警雷达的探测能力。本文针对动态规划算法计算量大的缺收稿日期：2009-02-26；修订日期：2009-06-10。

雷达的目标识别技术

雷达的目标识别技术摘要：对雷达自动目标识别技术和雷达目标识别过程进行了简要回顾，研究了相控阵雷达系统中多目标跟踪识别的重复检测问题提出了角度相关区算法，分析了实现中的若干问题，通过在相控阵雷达地址系统中进行的地址实验和结果分析表明:采用角度相关区算法对重复检测的回波数据进行处理时将使识别的目标信息更精确从而能更早地形成稳定的航迹达到对目标的准确识别。一．引言随着科学技术的发展，雷达目标识别技术越来越引起人们的广泛关注，在国防及未来战争中扮演着重要角色。地面雷达目标识别技术目前主要有-Se方式，分别是一维距离成象技术、极化成象技术和目标振动声音频谱识别技术。 1．一维距离成象技术一维距离成象技术是将合成孔径雷达中的距离成象技术应用于地面雷达。信号带宽与时间分辨率成反比。例如一尖脉冲信号经过一窄带滤波器后宽度变宽、时间模糊变大。其基本原理如图1所示。 2．极化成象技术电磁波是由电场和磁场组成的。若电场方向是固定的，例如为水

平方向或垂直方向，则叫做线性极化电磁波。线性极化电磁波的反射与目标的形状密切相关。当目标长尺寸的方向与电场的方向一致时，反射系数增大，反之减小。根据这一特征，向目标发射不同极化方向的线性极化电磁波，分别接收它们反射(散射)的回波。通过计算目标散射矩阵便可以识别目标的形状。该方法对复杂形状的目标识别很困难。 3．目标振动声音频谱识别技术根据多普勒原理，目标的振动、旋转翼旋转将引起发射电磁波的频率移动。通过解调反射电磁波的频率调制，复现目标振动频谱。根据目标振动频谱进行目标识别。传统上我国地面雷达主要通过两个方面进行目标识别：回波宽度和波色图。点状目标的回波宽度等于入射波宽度。一定尺寸的目标将展宽回波宽度，其回波宽度变化量正比于目标尺寸。通过目标回波宽度的变化可估计目标的大小。目标往往有不同的强反射点，如飞机的机尾、机头、机翼以及机群内各飞机等，往往会在回波上形成不同形状的子峰，如图2所示。这类波型图叫作波色图。根据波色图内子峰的形状，可获得一些目标信息。熟练的操作员根据回波宽度变化和波色图内子峰形状，进行目标识别。

雷达目标检测性能分析

雷达目标检测实例雷达对Swerling起伏目标检测性能分析 1.雷达截面积(RCS)的涵义 2.目标RCS起伏模型 3.雷达检测概率、虚警概率推导 4.仿真结果与分析

雷达通过发射和接收电磁波来探测目标。雷达发射的电磁波打在目标上，目标会将入射电磁波向不同方向散射。其中有一部分向雷达方向散射。雷达截面积就是衡量目标反射电磁波能力的参数。

雷达截面积(Radar Cross Section, RCS)定义:22o 2 4π 4π4π4π()4πo i i P P R m P P R σ=== 返回雷达接收机单位立体角内的回波功率入射功率密度在远场条件下，目标处每单位入射功率密度在雷达接收机处每单位立体角内产生的反射功率乘以4π。 R 表示目标与雷达之间的距离，P o 、P i 分别为目标反射回的总功率和雷达发射总功率

?目标RCS和目标的几何横截面是两个不同的概念?复杂目标在不同照射方向上的RCS不同 ?动目标同一方向不同时刻的RCS不同飞机舰船目标RCS是起伏变化的，目标RCS大小直接影响着雷达检测性能。为此，需用统计方法来描述目标RCS。基于此，分析雷达目标检测性能。

Swerling 模型是最常用的目标RCS 模型，它包括Swerling 0、I 、II 、III 、IV 五种模型。其中，Swerling 0型目标的RCS 是一个常数，金属圆球就是这类目标。Swerling Ⅰ/Ⅱ型： 1 ()exp()p σ σσσ =- 指数分布 Swerling Ⅰ：目标RCS 在一次天线波束扫描期间是完全相关的，但本次和下一次扫描不相关（慢起伏），典型目标如前向观察的小型喷气飞机。 Swerling Ⅱ：目标RCS 在任意一次扫描中脉冲间不相关（快起伏），典型目标如大型民用客机。

【CN110133630A】一种雷达目标检测方法及应用其的雷达【专利】

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910344449.2 (22)申请日 2019.04.26 (71)申请人惠州市德赛西威智能交通技术研究院有限公司地址 516006 广东省惠州市仲恺高新区和畅五路西8号投资控股大厦 (72)发明人孙靖虎　曾迪　黄力　温和鑫　盘敏容　蒋留兵　 (74)专利代理机构惠州创联专利代理事务所 (普通合伙) 44382 代理人韩淑英 (51)Int.Cl. G01S 13/02(2006.01) G01S 13/08(2006.01) G01S 13/58(2006.01) G01S 7/41(2006.01) (54)发明名称一种雷达目标检测方法及应用其的雷达 (57)摘要本发明涉及一种雷达目标检测方法。本发明提供了一种运行速度快、探测精度高的雷达目标检测方法，本发明中，雷达的一帧检测中第二发射波的发射次数可与第一发射波不同，可通过设置较少的第二发射波的发射次数来缩短雷达的检测帧周期；本发明中第二发射波只需要进行一次一维FFT而无需进行二维FFT，降低了计算复杂度，提高了数据处理速度。权利要求书2页说明书7页附图4页CN 110133630 A 2019.08.16 C N 110133630 A

1.一种雷达目标检测方法，其特征在于，包括以下步骤：步骤一、发射K1次周期为T1、的第一发射波，所述第一发射波被目标反射后被天线接收得到第一回波；步骤二、对每个周期的第一回波进行N点采样一维FFT变换得到第一回波一维FFT结果；步骤三、对所述第一回波一维FFT结果进行二维FFT变换得到坐标对应第一距离单元号、第一模糊速度号的距离多普勒谱，其中第一距离单元号为对单个周期的第一回波进行一维FFT采样的序号，第一模糊速度号为所述第一发射波的发射周期的序号；根据第一回波的目标检测距离、目标检测模糊速度与所述距离多普勒谱的峰值的对应关系求第一回波的目标检测距离及目标检测模糊速度；步骤四、发射K2次与所述第一发射波频率互质的周期为T2的第二发射波，所述第二发射波被目标发射后被所述天线接收得到第二回波，对每个周期的第二回波进行N点采样一维FFT变换得到对应不同第二距离单元号、第二模糊速度号的第二回波一维FFT结果，其中第二距离单元号为对单个周期的第二回波进行一维FFT采样的序号，第二模糊速度号为所述第二发射波的发射周期的序号；步骤五、根据步骤三得到的第一回波的目标检测模糊速度与目标真实速度可能值之间的关系求目标真实速度可能值的速度旋转因子，并将该速度旋转因子与步骤四得到的第二回波一维FFT结果形成关联，然后对该关联结果进行解模糊，再根据解模糊的结果对步骤2求得的第一回波的目标检测距离、目标检测模糊速度进行修正从而求得目标真实速度及目标真实距离；以及步骤六、输出步骤四获得的目标真实速度及目标真实距离。 2.根据权利要求1所述的一种雷达目标检测方法，其特征在于，步骤三中求第一回波的目标检测距离及目标检测模糊速度方法为：在所述距离多普勒中寻找峰值，该峰值对应的距离单元号、模糊速度号即为目标所处的第一距离单元号第一模糊速度号再根据目标所处的第一距离单元号电磁波的传播速度C、第一发射波的射频带宽B1计算第一回波的目标检测距离以及根据目标所处的第一模糊速度号所述天线中心频率对应的波长λ、步骤1中所述第一发射波的发射次数K1及周期T1计算第一回波的目标检测模糊速度 3.根据权利要求2所述的一种雷达目标检测方法，其特征在于，所述步骤五具体包括：定义目标真实速度可能值的速度旋转因子V DFT ：式中V r为目标真实速度可能值；z为所述第二模糊速度号；将第一回波的目标检测模糊速度与目标真实速度可能值V r之间的关系代入步骤4.1中目标真实速度可能值的速度旋转因子V DFT的定义公式中，式中m为取值范围为[-d，d]的模糊数单元号，其中d为正整数，从而求得目标真实速度可能值的速度旋转因子；权　利　要　求　书1/2页 2 CN 110133630 A

扩展卡尔曼滤波雷达目标在线跟踪轨迹算法

基于扩展卡尔曼滤波的雷达目标在线跟踪轨迹的算法摘要：目标跟踪是指根据传感器（如雷达等）所获得的对目标的测量信息，连续地对目标的运动状态进行估计，进而获取目标的运动态势及意图。目标跟踪理论在军、民用领域都有重要的应用价值。在军用领域，目标跟踪是情报搜集、战场监视、火力控制、态势估计和威胁评估的基础；在民用领域，目标跟踪被广泛应用于空中交通管制，目标导航以及机器人的道路规划等行业。本文利用差分方程模型计算目标点的速度与加速度，基于卡尔曼滤波算法建立扩展型卡尔曼滤波算法的目标跟踪模型。 0 引言目前，对机动目标的跟踪滤波与预测算法主要有线性自回归滤波、两点外推滤波、维纳滤波、加权最小二乘滤波、与滤波、简化的卡尔曼滤波和卡尔曼滤波。线性自回归滤波完全忽视了状态噪声对估值的影响；两点外推滤波利用最后一个数据点和最后两个数据点分别确定目标位置与目标速度，因此，之前所测的数据点并不能起到预测作用；维纳滤波不适合机动目标的瞬间变化过程，从而在一定程度上限制了它的应用范围；与滤波是两种简单并且易于工程实现的常增益滤波方法，最大优点在于其增益矩阵可以离线计算，而且在每次滤波循环中可节约大约70%的计算量；卡尔曼滤波与预测执行的是均方根误差最小准则，并且通过协方差矩阵可以很方便的对估计精度进行度量，目前应用较多而且误差相对较小的目标跟踪算法是卡尔曼滤波算法。但基本的卡尔曼滤波算法在跟踪机动目标时存在不足：当系

统达到稳态时，其预测协方差很小，使得滤波器的增益也趋于极小值，此时若目标发生机动，系统残差增大，预测的协方差和滤波器的增益不能随残差随时改变，系统将不能保证对突变状态的跟踪能力。 1用扩展卡尔曼滤波算法预测机动目标轨迹首先由目标初始准确的状态对下一状态进行预测，得到下一状态的预测值，同时由计算所得的对应于初始状态的协方差得到下一状态的协方差预测值；接着由雷达观测误差、状态向量及所得协方差预测值可以得到卡尔曼增益值，进而最终得到下一状态的最优估算值，同时更新对应的协方差。至此，第一轮目标轨迹预测已完成，同理，进行下一轮的目标轨迹预测。模型的具体方程如下：本时刻系统的状态向量由上一时刻系统的最优预测状态向量求得，初始状态需要知道目标的状态向量。这里通过差分方程数学模型计算出目标在三个坐标上速度变化情况：其中、、表示所测数据第i时刻速度沿着方向三个的速度分量值。然后使用卡尔曼滤波预测目标的运动轨迹，假定离散时间控制系统状态方程和观测方程为：式中是k时刻的非线性实值状态向量，是k时刻的系统量测向量，表示系统状态噪声，表示系统测量噪声，A和B为状态向量，H为非线性函数。由公式4和公式5构成的系统状态方程和测量方程均为线性方程，其过程噪声都为高斯白噪声，可用标准卡尔曼滤波算法进行滤波。

《雷达原理》知识点总结

【雷达任务：测目标距离、方位、仰角、速度；从目标回波中获取信息【雷达工作原理：发射机在定时器控制下，产生高频大功率的脉冲串，通过收发开关到达定向天线，以电磁波形式向外辐射。在天线控制设备的控制下，天线波束按照指定方向在空间扫描，当电磁波照射到目标上，二次散射电磁波的一部分到达雷达天线，经收发开关至接收机，进行放大、混频和检波处理后，送到雷达终端设备，能判断目标的存在、方位、距离、速度等。【影响雷达性能指标：脉冲宽度（窄），天线尺寸（大），波束（窄），方向性。【测角：根据接收回波最强时的天线波束指向【雷达是如何获取目标信息的？【雷达组成：天线，发射机，接收机，信号处理机，终端设备（电源，显示屏），收发转换开关【发射机工作原理：为雷达提供一个载波受到调制的大功率射频信号，经馈线和收发开关由天线辐射出去。【发射机基本组成：单级振荡式：脉冲调制器，大频率射频振荡器，电源。主振放大式：脉冲调制器，中间和输出射频功放，电源，定时器，固体微波源（主控振荡器，用来产生射频信号）工作过程：（1）单级振荡式：信号由振荡器产生，受调制（2）主振放大式：信号由固体微波源经过倍频后产生，经射频放大链进行放大，各级都需调制（脉冲调制器），定时器协调工作。优缺点：单击振荡式：简单经济轻便，频率稳定度差，无复杂波形；主振放大式：频率稳定度高，相位相参信号，有复杂波形，适用频率捷变雷达【发射机质量指标：（1）工作频率（波段）（2）输出功率：影响威力和抗干扰能力。峰值功率（脉冲期间射频振荡的平均功率）和平均功率（脉冲重复周期内输出功率的平均值）。（3）总效率Pt/P。（4）调制形式：调制器的脉冲宽度，重复频率，波形。（5）信号稳定度/频谱纯度，即信号各项参数。【调制器组成：电源，能量储存，脉冲形成【调制器任务与作用：为发射机的射频各级提供合适脉冲，将一个信号载到一个比它高的信号上【仿真线：由于雷达的工作脉冲宽度多半在微秒级别以上，用真实线长度太长，因此在实际中是用集总参数的网络代替长线，即仿真线【刚/软性开关：刚性开关的电容储能部分放电式调制器，特点为部分放电，通电利索；软性开关的人工线性调制器，特点为完全放电，效率高，功率大。【接收机指标：（1）灵敏度：表示接收机接受微弱信号的能力。提高灵敏度，减小噪声电平，提高接收机增益。（2）工作频率宽度：表示接收机瞬时工频范围，提高：高频部件性能（3）动态范围：表示正常工作时接收信号强度的范围，提高：用对数放大器增益控制电路抗干扰（4）中频滤波特性：减小噪声，带宽>回波时，噪声大。（5）工作稳定度（6）频率稳度（7）抗干扰能力（8）噪声系数【收发软换开关工作原理：脉冲雷达天线收发共用，需要一个收发软换开关TR，发射时，TR使天线与发射机接通，与接收机断开，以免高功率发射信号进入接收机使之烧毁；接收时，天线与接收机接通，与发射机断开，以免因发射机旁路而使微弱接收信号受损。【收发开关组成及类型：高频传输线，气体放电管。分为分支线型和平衡式。【显示器分类：距离，平面，高度，情况和综合，光栅扫描。【显示器列举：距离（A型J型A/R型）平面（PPI）高度（E式RHI）【A型显示器组成：扫掠形成电路，视频放大电路，距标形成电路。

经典雷达动目标显示MTI雷达

I的影响。这些曲线是在假设天线的方向图只取(sin U)/U第一对零点之间的曲线情况下计算出的。图示的无反馈的几条曲线与如图15.12所示显示的具有高斯形状方向图的理论曲线几乎完全相同（说明反馈对三路延迟对消器影响是一条曲线而不是直线，这是因为在3个零点中，已有两个零点不在原点上，并且根据波束宽度内有14个脉冲的实际情况，它们已沿单位圆移动了最佳量。因此，当波束宽度内有40个脉冲时，这两个零点由于离原点太远而不起太大的作用）。从理论上讲，采用数字滤波器来合成各种形状的速度响应曲线是可能的[16]。对Z平面上的每对零点和每对极点而言，都需要两个延迟线，用前馈路径控制零点位置，而用反馈路径控制极点位置。速度响应曲线的形状可以仅用前馈而不用反馈来实现。不采用反馈的主要优点是对消器具有很好的瞬态响应，这是相控阵或系统存在脉冲噪声干扰时的一项重要的考虑因素。如果相控阵雷达使用反馈对消器，则在对消器的瞬态振铃还未下降到容许的电平之前，波束就已经改变了位置，因而许多脉冲不得不落在波束以外。人们已提出一种预置技术来缓解这种现象[20]，但仅仅部分地降低瞬态稳定时间。若只使用前馈，则在波束移动后仅有3个或4个脉冲被去掉。采用前馈控制速度响应曲线的形状的缺点是，对每个用于形成速度响应的零点都需附加一个延迟线。此外，若采用零点来形成速度响应，则曲线就会导致改善因子引入一个固有的损耗。这个损失可能很重要也可能不重要，需根据杂波谱展宽的程度和对消所需零点数来确定。图15.25画出了只用前馈形成的四脉冲对消器的速度响应曲线和Z平面图。图中同时还画出了五脉冲前馈对消器和三脉冲反馈对消器的速度响应曲线。在给出的对消器中，无论杂波谱扩展程度为多少，三脉冲反馈对消器的改善因子潜力均比四脉冲前馈对消器大约好4dB。

基于卡尔曼滤波器的雷达目标跟踪

随机数字信号处理期末大作业（报告）基于卡尔曼滤波器的雷达目标跟踪 Radar target tracking based on Kalman filter 学院（系）：创新实验学院专业：信息与通信工程学生姓名：李润顺学号：21424011 任课教师：殷福亮完成日期：2015年7月14日大连理工大学 Dalian University of Technology

1 引言 1.1 研究背景及意义雷达目标跟踪是整个雷达系统中一个非常关键的环节。跟踪的任务是通过相关和滤波处理建立目标的运动轨迹。雷达系统根据在建立目标轨迹过程中对目标运动状态所作的估计和预测，评估船舶航行的安全态势和机动试操船的安全效果。因此，雷达跟踪环节工作性能的优劣直接影响到雷达系统的安全效能[1]。鉴于目标跟踪在增进雷达效能中的重要作用，各国在军用和民用等领域中一直非常重视发展这一雷达技术。机动目标跟踪理论有了很大的发展，尤其是在跟踪算法的研究上，理论更是日趋成熟。在跟踪算法中，主要有线性自回归滤波、两点外推滤波、维纳 α-滤波和卡尔曼滤波，其中卡尔曼滤波算法在目标跟踪滤波、加权最小二乘滤波、β 理论中占据了主导地位。雷达跟踪需要处理的信息种类多种多样。除了目标的位置信息外，一般还要对目标运动速度进行估计，个别领域中的雷达还要对目标运动姿态进行跟踪。雷达跟踪的收敛速度、滤波精度和跟踪稳定度等是评估雷达跟踪性能的重要参数。因此提高雷达跟踪的精度、收敛速度和稳定度也就一直是改善雷达跟踪性能的重点。随着科技的发展，各类目标的运动性能和材质特征有了大幅度的改善和改变，这就要求雷达跟踪能力要适应目标特性的这种变化。在不断提高雷达跟踪性能的前提下，降低雷达跟踪系统的成本也是现代雷达必须考虑的问题。特别是在民用领域中由于雷达造价不能过高，对目标跟踪进行快收敛性、高精度和高稳定性的改良在硬件上是受到一些制约的，因此雷达跟踪算法的研究就越来越引起学者们的关注。通过跟踪算法的改进来提高雷达的跟踪性能还有相当大的挖掘潜力。考虑到雷达设备的造价，民用雷达的跟踪系统首要的方法就是对于雷达的跟踪算法进行开发。

雷达目标识别发展趋势

雷达目标识别发展趋势雷达具备目标识别功能是智能化的表现，不妨参照人的认知过程，预测雷达目标识别技术的发展趋势： (1)综合目标识别用于目标识别的雷达必将具备测量多种目标特征的手段，综合多种特征进行目标识别。我们人类认知某一事物时，可以通过观察、触摸、听、闻、尝，甚至做实验的方法认知，手段可谓丰富，确保了认知的正确性。目标特征测量的每种手段会越来越精确，就如同弱视的人看东西，肯定没有正常人看得清楚，也就不能认知目标。识别结果反馈给目标特征测量，使目标特征测量成为具有先验信息的测量，特征测量精度会有所提高，识别的准确程度也会相应提高。雷达具备同时识别目标和背景的功能。人类在观察事物的时候，不仅看到了事物的本身，也看到了事物所处的环境。现有的雷达大多通过杂波抑制、干扰抑制等方法剔除了干扰和杂波，未来的雷达系统需要具备识别目标所处背景的能力，这些背景信息在战时也是有用的信息。雷达具备自适应多层次综合目标识别能力。用于目标识别的雷达虽然需要具备测量多种目标特征的手段，但识别目标时不一定需要综合所有的特征，这一方面是因为雷达系统资源不允许，另一方面也是因为没有必要精确识别所有的目标。比如司机在开车时，视野中有很多目标，首先要评价哪几个目标有威胁，再粗分类一下，是行人还是汽车，最后再重点关注一下靠得太近、速度太快的是行人中的小孩子还是汽车中的大卡车。 (2)自学习功能雷达在设计、实现、装备的过程中，即具备了设计师的基因，但除了优秀的基因之外，雷达还需要具有学习功能，才能在实战应用中逐渐成熟。首先，要具有正确的学习方法，这是设计师赋予的。对于实际环境，雷达目标识别系统应该知道如何更新目标特征库、如何调整目标识别算法、如何发挥更好的识别性能。其次，要人工辅助雷达目标识别系统进行学习，这就如同老师和学生的关系。在目标识别系统学习时，雷达观测已知类型的合作目标，雷达操作员为目标识别系统指出目标的类型，目标识别系统进行学习。同时还可以人为的创造复杂的电磁环境，使目标识别系统能更好地适应环境。 (3)多传感器融合识别多传感器的融合识别必定会提高识别性能，这是毋容置疑的。这就好比大家坐下来一起讨论问题，总能讨论出一个好的结果，至少比一个人说的话更可信。但又不能是通过投票的方式，专家的话肯定比门外汉更有说服力。多传感器融合识别需要具备双向作用的能力。并不是给出融合识别的结果就结束了，而是要利用融合识别的结果反过来提高各个传感器的识别性能，这才是融合识别的根本目的所在。反向作用在一定程度上降低了人工辅助来训练目标识别系统的必要性，也减少了分别进行目标识别试验的总成本。

雷达作业

通信工程专业技术讲座结课论文（题目：雷达技术的发展历程和发展展望）姓名：院系： 2014年6月16日

目录一、综述 (1) 二、工作原理 (1) 三、雷达的类型 (3) 四、雷达系统与技术的发展历程 (4) 五、雷达系统与技术发展的特点和现状 (6) 六、雷达系统与技术发展的展望 (7)

一、综述雷达（RADAR），是英文“Radio Detection and Ranging”（无线电侦测和定距）的缩写及音译。将电磁能量以定向方式发射至空间之中，借由接收空间内存在物体所反射之电波，可以计算出该物体之方向，高度及速度，并且可以探测物体的形状。以地面为目标的雷达可以用于探测地面的精确形状。自从雷达诞生至今，在70 多年的发展历程中，随着科技的不断发展、需求的不断变化，出现了多种体制的新功能雷达，雷达的技术哇能、体积和重量、可靠性、维修性、抗恶劣环境的生存能力等也发生了天翻地覆的变化。尤其是近年来，科学技术在飞速发展，各种新技术，新材料已经越来越快的应用到雷达系统中。特别是近年来，雷达在航电系统综合化的过程中变化非常大，如雷达作为独立系统，起初失去了显示分系统，接着又失去了信号和数据处理分系统，现在仅剩下接收、发射和天线等主要分系统。同时雷达作为一种有源传感器，与激光、红外、紫光和声学等不同传感器信息融合，增强了探测阵能和环境适应性。可见雷达已与电子系统打破了明显界限，雷达系统作为独立设备有逐步消亡的趋势。因此，有必要仔细研究雷达发展的历史，分析雷达系统与技术发展的特点，总结雷达发展的普遍规律，展望雷达系统发展的方向。二、工作原理雷达天线把发射机提供的电磁波能量射向空间某一方向，在此方向上的物体反射碰到的电磁波。这些反射波载有该物体的信息并被雷达天线接收，送至雷达接收设备进行处理，提取人们所需要的有用信息并滤除无用的信息，由此获得目标至雷达的距离、距离变化率（径向速度）、方位、高度等信息。雷达可分为连续波雷达和脉冲雷达两大类。单一频率连续波雷达是一种最为简单的雷达形式，容易获得运动目标与雷达之间的距离变化率（即径向速度）。它的主要缺点是：①无法直接测知目标距离，如欲测知目标距离，则必须调频，但用调频连续波测得的目标距离远不及脉冲雷达精确；②在多目标的环境中容易混淆目标；③大多数连续波雷达的接收天线和发射天线必须分开，并要求有一定的隔离度。

雷达动态探测目标的仿真建模

雷达动态探测目标的仿真建模谢卫，陈怀新（中国电子科技集团公司第十研究所,成都 610036) 摘要：通过对雷达动态探测目标过程分析，提出了雷达探测目标仿真模型的方法，实现了雷达目标检测、多目标滤波跟踪、资源调度管理等数字模型。实际表明这些模型满足数据融合中雷达探测目标数据的需求，并且建模方法对数据融合传感器模型建立具有实际指导意义。关键词：雷达；建模；仿真；数据融合 Radar detection of targets dynamic simulation modeling XIE Wei，CHEN Huai-xin (CETC No.10th Research Institute, Chengdu, China; ) Abstract:With the analysis of the process of radar dynamic detecting targets, a method of the simulation model based on of radar detect targets is presented, some mathematic models (such as target indication by radar, variable number of targets tracking, resource management based on Scheduling algorithm) are realized. An actual experiment that the simulation data provided by radar detecting model can supply for the study of data fusion was made, simultaneity modeling method has a certain actual instructing meaning at the aspect of sensor detecting model of data fusion. Key words: radar; modeling; simulation; data fusion 1 引言现代战场上各种目标的出现，要求利用多种传感器组网来采集信息并加以融合，充分利用不同目标各个方向、不同频段的反射特性，最大限度地提取信息，满足战场需要。对于数据融合来说真实的战场目标和传感器探测数据，是检验其有效性的最好条件。然而这样的真实数据很少，而且成本也较高，在融合算法的前期研究和实验阶段，就需要我们较真实的模拟多中传感器的探测数据。雷达是战争中至关重要的侦察手段，本文以雷达为列，分析其数据处理流程，并进行仿真建模。 2 雷达探测仿真建模雷达探测功能仿真是通过仿真目标回波、接收机噪声、干扰、杂波等信号的幅度信息来复现雷达的检测过程。一般采用基于Monte Carlo的方法来实现，其流程如下图所示：

雷达目标识别

目标识别技术 2009-11-27 20:56:41| 分类：我的学习笔记| 标签：|字号大中小订阅摘要：针对雷达自动目标识别技术进行了简要回顾。讨论了目前理论研究和应用比较成功的几类目标识别方法：基于目标运动的回波起伏和调制谱特性的目标识别方法、基于极点分布的目标识别方法、基于高分辨雷达成像的目标识别方法和基于极化特征的目标识别方法，同时讨论了应用于雷达目标识别中的几种模式识别技术：统计模式识别方法、模糊模式识别方法、基于模型和基于知识的模式识别方法以及神经网络模式识别方法。最后分析了问题的可能解决思路。引言：雷达目标识别技术回顾及发展现状雷达目标识别的研究始于"20世纪50年代，早期雷达目标特征信号的研究工作主要是研究达目标的有效散射截面积。但是，对形状不同、性质各异的各类目标，笼统用一个有效散射面积来描述，就显得过于粗糙，也难以实现有效识别。几十年来，随着电磁散射理论的不断发展以及雷达技术的不断提高，在先进的现代信号处理技术条件下，许多可资识别的雷达目标特征信号相继被发现，从而建立起了相应的目标识别理论和技术。随着科学技术的飞速发展，一场以信息技术为基础、以获取信息优势为核心、以高技术武器为先导的军事领域的变革正在世界范围内兴起，夺取信息优势已成为夺取战争主动权的关键。电子信息装备作为夺取信息优势的物质基础，是推进武器装备信息化进程的重要动力，其总体水平和规模将在很大程度上反映一个国家的军事实力和作战能力。雷达作为重要的电子信息装备，自诞生起就在战争中发挥了极其重要的作用。但随着进攻武器装备的发展，只具有探测和跟踪功能的雷达也已经不能满足信息化战争的需要，迫切要求雷达不仅要具有探测和跟踪功能，而且还要具有目标识别功能，雷达目标分类与识别已成为现代雷达的重要发展方向，也是未来雷达的基本功能之一。目标识别技术是指：利用雷达和计算机对遥远目标进行辨认的技术。目标识别的基本原理是利用雷达回波中的幅度、相位、频谱和极化等目标特征信息，通过数学上的各种多维空间变换来估算目标的大小、形状、重量和表面层的物理特性参数，最后根据大量训练样本所确定的鉴别函数，在分类器中进行识别判决。目标识别还可利用再入大气层后的大团过滤技术。当目标群进入大气层时，在大气阻力的作用下，目标群中的真假目标由于轻重和阻力的不同而分开，轻目标、外形不规则的目标开始减速，落在真弹头的后面，从而可以区别目标。所谓雷达目标识别，是指利用雷达获得的目标信息，通过综合处理，得到目标的详细信息（包括物理尺寸、散射特征等），最终进行分类和描述。随着科学技术的发展，武器性能的提高，对雷达目标识别提出了越来越高的要求。目前，目标识别作为雷达新的功能之一，已在诸如海情监控系统、弹道导弹防御系统、防空系统及地球物理、射电天文、气象预报、埋地物探测等技术领域发挥出很大威力。为了提高我国的军事实力，适应未来反导弹、反卫、空间攻防、国土防空与对海军事斗争的需要，急需加大雷达目标识别技术研究的力度雷达目标识别策略主要基于中段、再入段过程中弹道导弹目标群的不同特性。从结构特性看，飞行中段

雷达机动目标跟踪技术研究精编

雷达机动目标跟踪技术研究精编 Document number：WTT-LKK-GBB-08921-EIGG-22986

1 绪论课题背景及目的目标跟踪问题实际上就是目标状态的跟踪滤波问题，即根据传感器已获得的目标量测数据对目标状态进行精确的估计[1]。它是军事和民用领域中一个基本问题，可靠而精确地跟踪目标是目标跟踪系统设计的主要目的。在国防领域，目标跟踪可用于反弹道导弹的防御、空防预警、战场区域监视、精确制导和低空突防等。在民用领域，则用于航空和地面交通管制、机器人的道路规划和障碍躲避、无人驾驶车的跟踪行驶、电子医学等。作为科学技术发展的一个方面，目标跟踪问题可以追溯到第二次世界大战的前夕，即1937年世界上出现第一部跟踪雷达站SCR-28的时候。之后，许多科学家和工程师一直努力于该项课题的研究，各种雷达、红外、声纳和激光等目标跟踪系统相继得到发展并且日趋完善。运动目标的机动会使跟踪系统的性能恶化，对机动目标进行跟踪是人们多年来一直关注的问题。随着现代航空航天技术的飞速发展，机动目标在空间飞行的速度、角度、加速度等参数不断变化，使得目标的位置具有很强的相关性，因此，提高对这类目标的跟踪性能便成为越来越重要的问题，迫切需要研究更为优越的跟踪滤波方法。机动目标的跟踪研究，已成为当今电子战的研

究热点之一。今天，精密跟踪雷达不仅广泛应用于各类武器控制和各类实验靶场，而且还广泛应用于各种空间探测、跟踪和识别领域，以及最先进的武器控制系统。跟踪模型和匹配滤波是机动目标跟踪的两个关键部分，机动目标的精确跟踪在过去和现在都是一个难题，最根本原因在于跟踪滤波采用的目标动力学模型和机动目标实际动力学模型不匹配，导致跟踪滤波器发散，跟踪性能严重下降。本文将机动目标作为研究对象，从目标的运动建模和匹配滤波算法入手，提出或修正跟踪算法，从而实现对机动目标的精确跟踪。机动目标跟踪技术及其发展状况目标机动是指运动当中的目标，其运动方式在不断地发生变化，从一种形式变化为另一种形式，目标的运动可能从匀速到变速，也可能送直线到转弯，它的运动方式并不会从一而终。通俗地说，就是“目标速度的大小和方向发生变化”。一般情况下，机动目标跟踪方法概括来讲可以分为以下两类：具有机动检测的跟踪算法和无需机动检测的自适应跟踪算法。机动目标的跟踪需要综合运用统计决策、滤波算法以及其它的数学方法，将传感器所接受到的信号数据进行处理，得到目标的位置、速度、加速度等估计信息。图给出了机动目标跟踪的基本原理图。