非高斯杂波下雷达目标跟踪算法改进研究
OFDM雷达及其关键技术研究进展
OFDM雷达及其关键技术研究进展刘晓斌;刘进;赵锋;艾小锋;张文明【摘要】正交频分复用（ Orthogonal Frequency Division Multiplexing，OFDM）雷达采用了OFDM信号，具有大时宽带宽积，且信号编码方式灵活，通过不同的波形设计准则，能够自适应调整信号子载频的系数，具备了认知雷达系统的基本特点。
通过简要回顾OFDM雷达的发展历程，讨论了OFDM雷达信号特点、信号处理及波形设计方法等关键技术，对目前的研究成果进行了分析与总结，指出了存在的问题。
讨论了OFDM雷达的未来发展方向。
%The Orthogonal Frequency Division Multiplexing ( OFDM ) radar possesses broadband and wideband with the use of OFDM signal.By better utilizing the flexibility of coding and frequency diversities of the signal,the OFDM radar can be candidate cogni⁃tive radar in the future.This paper reviews the development of OFDM radar.Then the key technologies of signal processing and waveform design are discussed.The research advances are analyzed and summarized.At last,the prospects of OFDM radar are pointed out.【期刊名称】《无线电工程》【年(卷),期】2016(000)001【总页数】5页(P25-29)【关键词】OFDM雷达;认知雷达;波形设计;信号处理【作者】刘晓斌;刘进;赵锋;艾小锋;张文明【作者单位】国防科学技术大学电子信息系统复杂电磁环境效应国家重点实验室，湖南长沙410073;国防科学技术大学电子信息系统复杂电磁环境效应国家重点实验室，湖南长沙410073;国防科学技术大学电子信息系统复杂电磁环境效应国家重点实验室，湖南长沙410073;国防科学技术大学电子信息系统复杂电磁环境效应国家重点实验室，湖南长沙410073;国防科学技术大学电子信息系统复杂电磁环境效应国家重点实验室，湖南长沙410073【正文语种】中文【中图分类】TN958Jankiraman[1,2]等人于1998年将多载频连续波信号引入到雷达系统中，设计了由8个调频连续波信号组成的发射信号，并应用于PANDORA(Parallel Array for Numerous Different Operational Research Activities)雷达，获得了高分辨能力。
相关非高斯分布雷达杂波仿真与验证
一 一一 ～一～ 一 一 ～一～ 一 ～ ¨ ～ 一 一 一～ ～ ～
一 吣 ～一一 一 一 ～ 一～～一 一～～ ～一 一 一 一 ～
标 准差 与均值 的 比值 严 重偏 离 高 斯 分 布 。因此 提
１ 引
言
出 了各种 概率 分 布的 雷达 杂波 模型 。 对雷 达 杂 波 的 计 算 机 仿 真 方 法 主 要 分 为 两 种， 分别 为无 记忆 非线 性 （ ＭＮＩ 变换 法 和球不 变 Ｚ ） 随机 过程 （ Ｉ Ｐ 方法 。Ｚ ＳＲ ） ＭＮＬ方法 的最 大缺 点 Ｊ 就是 很 难 同 时 对 相 关 性 和 幅 度 概 率 密 度 函 数 （ Ｄ ） 立控 制 ， Ｐ Ｆ独 非线 性变 换前 后 的相 关 函数 存 在 非线 性关 系 。 而 Ｓ Ｒ Ｉ Ｐ方 法 则 可 以 同 时 独 立 控 制 雷达 杂波 的 幅度 Ｐ ＤＦ和相 关 性ｌ ， 需 要 注意 的 但
是 基 于 ＳＲＰ 的 雷 达 杂 波 模 型 不 能 完 全 覆 盖 目 前 Ｉ
雷 达 杂 波 的 仿 真 ！主 要 有 两 个 方 面 的 用
处 ， ］ 一是 可 以用来 对 雷达信 号 处理 器 的工作 性 能
进行 分析 ， 而 得 到 雷 达 在 不 同 工 作 环 境 下 工 作 从 性能 的评 估 ， 二是 可 以用 来 针 对 某 种 杂 波 环境 ， 设
计最 优或 次 最 优 的 雷 达 信 号 处 理 器 ， 而 能 够 针 从
对某 种杂 波 环境 提 高 雷 达 的工 作 性 能 。对 雷 达 杂 波 的计算 机仿 真方 法 主要 来 自对 真 实雷 达 杂 波 数
基于IMM-MHT算法的杂波环境多机动目标跟踪
基于IMM-MHT算法的杂波环境多机动目标跟踪邵俊伟;同伟;单奇【摘要】针对杂波环境下多机动目标的跟踪问题,提出将交互多模型(IMM)算法与多假设跟踪(MHT)算法结合,并运用Murty算法和假设树修剪方法进行假设生成和假设管理,提高IMM-MHT算法的实用性.仿真结果表明,IMM-MHT算法具有较高的正确关联率和较好的跟踪稳定性,且与只使用单模型的MHT算法相比,具有更好的跟踪精度.【期刊名称】《舰船电子对抗》【年(卷),期】2014(037)002【总页数】5页(P87-90,93)【关键词】数据关联;多假设跟踪;交互多模型【作者】邵俊伟;同伟;单奇【作者单位】中国电子科技集团公司第38研究所,合肥230088;陆军驻中电集团38所军事代表室,合肥230088;中国电子科技集团公司第38研究所,合肥230088【正文语种】中文【中图分类】TP957.510 引言随着战场环境的日趋复杂以及目标机动性能的日益提升，如何在杂波环境下跟踪机动目标正成为雷达数据处理系统要应对的关键问题之一。
传统数据关联算法，如最近邻［1］（NN）、概率数据关联［2］（PDA）、联合概率数据关联［3］（JPDA）等，以当前扫描周期内的量测为基础进行数据关联，若某一扫描周期内的关联结果与真实情况有较大差别，则之后的跟踪过程常会发生错误，甚至丢失目标。
多假设跟踪［4］（MHT）的关联结果不仅取决于当前扫描周期内的量测数据，而且还与历史量测信息有关。
对不能确定的关联，会形成多种逻辑假设，并用后续的量测数据来解决这种不确定性。
在理想条件下，MHT是最优的数据关联算法，可以有效地解决杂波环境下的数据关联问题。
但是，MHT算法所需的计算和存储资源会随着量测数和跟踪步数的增长呈指数增加，若要实际应用，还需要有效的假设管理技术。
对机动目标，以单一的运动模型来刻画其运动过程，往往和实际情况有偏差，最终会由于模型失配导致跟踪误差增大甚至跟踪失败。
杂波环境下雷达信号处理分析
杂波环境下雷达信号处理分析摘要：为解决杂波环境下雷达系统难以提取目标信号的问题，本文引入一种共轭相乘方法进行原目标信号提取方法的优化，通过生成目标信号的复高分辨一维像，对一维像进行慢时间差分处理，在此基础上引入共轭相乘方法提取处理结果的实部，经由积分处理即可最终提取待测目标的微振动信号，实现对目标信号的高精度提取，为非接触式测量领域提供有效方法。
关键词：雷达信号；杂波环境；回波信号；信号提取引言：雷达装置集成化发展引领装备、重工与机械制造行业的技术革新，在路桥质量监测、工程探测等多个领域收获广泛应用价值。
当前受复杂电磁环境的影响，在雷达信号处理过程中常面临杂波、噪声等干扰因素，难以保证从回波信号中快速准确提取目标信号，对于雷达信号处理与干扰屏蔽机制的研究提出现实要求。
1雷达信号处理方法建模1.1回波信号接收原理考虑到雷达探测环境中存在杂波、噪声与其他干扰因素，导致获取的回波信号质量较差，难以获得有效信息，对于雷达信号处理机制的改进提出迫切需求[1]。
雷达目标探测的基本原理是以目标回波信号作为接收对象，待发射机向自由空间发出电磁波后，与待测目标接触发生散射现象，将产生的目标回波信号S(t)经由收发转换开关反向传递至接收机端，在此过程中电磁环境中的噪声N(t)、杂波C(t)均会对目标回波信号产生干扰，影响到接收信号x(t)质量，增加延迟时间τ、多普勒频移、角闪烁以及RCS起伏σ等干扰信息J(t)[2]。
将信号传播过程中的衰减设为A，自由空间内传播常数为k，载频为fc ，多普勒频率为fd，目标与雷达的初始距离为R，则雷达接收信号与目标回波信号分别表示为：根据上述公式，可完成目标距离、速度等参数的计算。
在后续信号处理环节，需对噪声、杂波、干扰进行有效抑制，保证最终接收信号质量。
1.2雷达信号提取方法结合回波信号接收原理，将待测目标因位置移动或自身振动产生的位移变化量设为M(t)，且位移变化量小于系统工作波长，对于伴随时间推移杂波环境发生的变化可忽略不计。
基于信号处理的雷达目标检测与跟踪方法研究
基于信号处理的雷达目标检测与跟踪方法研究随着雷达技术的不断发展，雷达目标检测与跟踪方法的研究也成为了一个重要的课题。
基于信号处理的方法在雷达目标检测与跟踪中起着关键作用。
本文将深入探讨基于信号处理的雷达目标检测与跟踪方法的研究进展。
首先，雷达目标检测是指通过分析雷达信号中的信息，确定目标的存在与位置。
传统的雷达目标检测方法主要基于信道能量检测（CFAR）算法。
CFAR算法通过设定门限来判定目标是否存在，但这种方法容易受到噪声和杂波的干扰，导致误检和漏检。
因此，研究者们提出了一系列基于信号处理的方法来改善雷达目标检测的效果。
在信号处理领域，小波变换被广泛应用于雷达目标检测。
小波变换通过对雷达信号进行时频分析，将时域和频域信息融合起来，从而提高了目标检测的准确性和鲁棒性。
基于小波变换的雷达目标检测方法可以分为时域方法和频域方法。
时域方法主要包括小波包变换、小波熵判决和小波神经网络等，它们通过对雷达信号进行小波变换，并结合一定的判决准则来判定目标的存在与位置。
频域方法主要包括小波时频分析和小波脊提取等，它们通过对雷达信号在时频域上的特征提取，从而确定目标的存在和位置。
这些基于小波变换的方法在雷达目标检测中取得了一定的效果。
此外，仿生信号处理也被应用于雷达目标检测与跟踪。
仿生信号处理是指模仿生物视觉系统的原理和方法，对雷达信号进行处理和分析。
其中，神经网络处理是仿生信号处理的一种重要方法。
神经网络通过学习和训练，能够对雷达信号进行模式识别和特征提取，从而实现目标检测和跟踪。
基于神经网络的雷达目标检测方法主要包括多层感知器、径向基函数网络和自适应神经模糊推理系统等。
这些方法通过构建合适的网络结构和训练样本，能够有效地提高目标检测的准确性和鲁棒性。
另外，多目标跟踪是雷达目标检测与跟踪中的一个挑战性问题。
传统的多目标跟踪方法主要基于互相关运算或卡尔曼滤波器。
然而，这些传统方法经常受到目标间相互遮挡、杂乱背景和运动模式变化等因素的影响，导致跟踪结果不准确。
非高斯环境下基于GPF算法的目标跟踪
Ａｐ ｌｃ ｔｏ ｆ ＧＰＦ ｇ ｒ ｔ ｍ ｎ Ｔａ ｇ ｔＴｒ ｃ ｉ ｇ ｐ ｉａ ｉ ｎ ｏ Ａｌ ｏ ｉｈ ｏ ｒ ｅ ａ ｋ ｎ ｉ ｎ Ｇａ ｓ ｉ ｎ Ｅｎ ｉ ｏ ｍ ｅ ｔ ｎ Ｎｏ ． ｕ ｓａ ｖ ｒ ｎ ｎ
（ Ｋ ） ｅｐｃａｙｗ ｅ ｏ ｔｖ ｌｎｎｉ ａｉｅ ｒ ｐｅｅｔ Ｉ ｈ ａ ｒｔ ｌ ｒｈ ｓａ ｓｄｏ Ｅ Ｆ ， ｓｅｉｌ ｈｎ ｎｎ ｉｉ ｏｌ ｅｒｉ ａｅ ｒ ｎ ． ｎｔｉ ｐ ｐ ｅａ ｏ ｔｍ ｒ ｕｅ ｎ ｌ ｒ ａ ｎ ｔｓ ｓ ｓ ｅ ｈ ｇｉ ｅ ｏｊｃ ｔ ｃｉ ｎ ｎｎＧ ｕｓ ｎ ｉ ｎ ｅｔ Ｔ ｅ Ｍｏｔ Ｃ ｒ ｉ ｕ ｔｎ ｒ ｕ￣ ｓｏ ｈｔ ｈ ｂ ｔ ｒ ｋ ｇ ｉ ｏ— ａｓｉ Ｅ ｖ ｏｍ ｎ． ｈ ｎ ａ ｏ ｓ ｌ ｉ ｓｌ ｈｗ ｔａ ｅ ｅ ａ ｎ ｎ ａ ｒ ｅ ｌ ｍ ａｏＦ算 法 的 目标 跟踪 Ｐ
刘 炜 ， 张 冰
（ 江苏科 技 大学 ，江苏 镇 江 ２ ２０ ） １０ ３
摘 要 ：介 绍 了高斯 粒子 滤 波器（ Ｐ ） Ｇ Ｆ 的基 本 思 想和具体 算 法的 实现 步骤 ， 并讨 论 了此 算 法在 机 动 目标 转 弯模 型 跟 踪 中的 应 用 ， 闪烁 噪 声 下 比较 了高斯 粒 子 滤 波 器、 子 滤 波 器 在 粒 （ Ｆ 和 扩展 卡 尔曼滤波 器（ Ｋ ） Ｐ） Ｅ Ｆ 的跟 踪性 能差 异 。仿 真 结 果 表 明 ， Ｐ Ｇ Ｆ有 效地 改善 了 目标 跟 踪 的效 果 ， 比 Ｐ 相 Ｆ在 精度 和计 算 复杂度 方 面均 有 了明显 改善 。 关键 词 ：目标跟 踪 ；高斯噪 声 ；卡 尔 曼滤波 器
雷达信号处理中的多目标跟踪算法研究
雷达信号处理中的多目标跟踪算法研究雷达信号处理是一门重要的技术，其应用范围广泛，可以用于目标识别、导航、探测和跟踪等领域。
而多目标跟踪算法则是其中的一个热点研究领域。
本文将从多目标跟踪算法的定义、算法种类、应用以及研究进展等多个方面进行论述。
一、多目标跟踪算法的定义多目标跟踪算法是指利用雷达信号处理技术对多个目标进行跟踪、定位、预测和识别的算法。
多目标跟踪算法的研究主要涉及到多个目标的特征提取、多个目标的数据关联和多个目标的运动轨迹预测等关键问题。
二、多目标跟踪算法的种类现在多目标跟踪算法的研究方向越来越多，聚类跟踪算法、批处理跟踪算法、传统滤波跟踪算法、无滤波跟踪算法、模型预测跟踪算法等多种算法已经被提出。
其中，聚类跟踪算法和批处理跟踪算法是较为常用的算法。
聚类跟踪算法是指在雷达扫描范围内针对所有目标的特征信息进行空间聚类，并确定目标数目。
这种算法将时间和空间信息相结合，能够获得非常准确的结果，但是难以实现实时性。
而批处理跟踪算法则是通过信息提取、特征关联、轨迹预测等步骤来实现目标跟踪。
该算法主要通过运用卡尔曼滤波和粒子滤波的方法，来对目标进行跟踪和预测，以期提高目标跟踪的精度和实时性。
三、多目标跟踪算法的应用多目标跟踪算法广泛应用于军事领域、航空航天、交通管制、环境监测、自动驾驶等众多领域。
例如军事领域中，雷达系统需要对附近的各类目标进行跟踪，通过多目标跟踪算法，能够快速确定目标位置、类型等重要信息，并对敌方目标进行监测。
在航空航天领域，多目标跟踪算法能够将飞行器上的雷达数据进行有效处理，实现对众多空中目标的探测和追踪。
在交通管制中，多目标跟踪算法则可以用于市场调研和广告投放等领域，以及城市交通流量的监测与分析等方面。
四、多目标跟踪算法的研究进展近年来，多目标跟踪算法的研究进展非常迅速。
基于卡尔曼滤波理论的多目标跟踪算法，以及基于数据驱动的深度学习算法已经成为该领域的研究热点。
卡尔曼滤波理论在多目标跟踪算法研究中应用广泛，同时，基于卡尔曼滤波理论的多目标跟踪算法的精度和速度也得到了精细化的提升。
一种适用于非高斯杂波背景的DP-TBD算法
摘 要 ： 对 动 态 规 划 检 测 前 跟 踪 （ — Ｂ ） 法 在 非 高 斯 杂 波 背 景 、 伏 目标 条 件 下检 测 和 跟 踪 性 针 ＤＰＴ Ｄ 算 起
能 差 的 问题 ， 粒 子 滤 波 引 入 动 态规 划 的似 然 比 阶 段 指 标 函数 计 算 中 ， 用 粒 子 权 值 的 均 值 表 征 目标 存 在 将 利 假 设 下 的似 然 函数 ， 出似 然 比指 标 函数 模 型 ， 而 给 出 了一 种 适 用 于非 高 斯 杂 波 背 景 和 起 伏 目标 的 最 大 导 进 似 然 Ｄ — Ｂ 算 法 。应 用 文 中算 法在 对 数 一 态 杂 波 、 ｗｅｌ ｇ起 伏 模 型 条 件 下 ， 目标 的检 测 跟 踪 性 能 进 ＰＴ Ｄ 正 Ｓ ｒｎ ｉ 对 行 了仿 真 ， 与 两 种 传 统 的 Ｄ — Ｄ 算 法 进 行 比较 ， 证 了该 算 法 的 有 效 性 。 并 ＰＴＢ 验
算量 ［ ， １ 因而被 引入 ＴＢ 中。 目前 ， Ｐ Ｔ Ｄ算 法 ］ Ｄ Ｄ －Ｂ
１ 引 言
ＴＢ 是一 种 基 于 跟 踪 的检 测 技 术 ， 将 雷 达 Ｄ 它
主要分 为两类 ： 于最大似然 （ 基 ＭＬ） 理 的 Ｄ — 原 Ｐ Ｔ Ｄ算法 和基 于 目标信 号幅度 累加 的 Ｄｆ Ｔ Ｄ算 Ｂ ）Ｂ ＿ 法 。１ ８ 年 ， ａｎｖ２ 首次 提 出 了用 于 运 动 目 ９５ Ｂ ｒ ｉ＿ 。 １ ９
第 ６期 ２１ ０ １年 １ ２月
雷 达 科 学 与技 术
Ｒ ａｄａ ｒ Ｓｃ ｉ ｅｎｃｅ ａｎｄ Ｔ ｅｃｈｎｏ １ ｏｇｙ
Ｖｏ ． ． １９ Ｎｏ ６
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ｋｅ ｒ ｓ ｒ ｄ ｒｔ ｒ ｅ ｒ ｃ ｉ ｇ；ｎ ｎ Ｇａ ｓ ｉｎ ｃｕ ｔ ｒ ｙｗｏ ｄ ： ａ ａ ａ ｇ ｔｔａ ｋ ｎ ｏ — ｕ ｓａ ｌ ｔｅ ；Ｋａ ｍａ ｉ ｅ ；ａ ｐ ａ ｓ ａ ｌ ｉ ｔｉ ｕ ｉ ｎ ｒ ｃ ｌ ｎ ｆ ｔ ｒ ｌ ｈ ｔ ｂ ｅ ｄ ｓ ｒ ｔ ；ｆ ａ — ｌ ｂ ｏ
ｔｏｎ． Ａｃ ｏ ｄ ｎ Ｏ ｔ ａ ｔ ｔｔ ｏ ｙ ａ ｄ ｔ ｃ ｉ ｃ ｒ ｉ ｇ ｔ ｈｅ ｌｓ ｅｓ ｈｅ ｒ ｎ ｅ ｈｎｏｌｇｙ ｏ ｔ ｔｓ ｉ ｉ ｎａ ｏ ｅ ｓｎｇ，户 ｏｒ ｅ ｒ ｃ ｉ ａ ｓ ｏ ｉｔ ｏ ｆｓ ａ ｉ ｔｃ ｓｇ ｌｐｒ ｃ ｓ ｉ ｄ ｒｆ ａ ｔｏｎ ｌａ ｓ ｃａ —
第 ４ 期
２１ ０ ２年 ８月
雷 达 科 学 与 技 术
Ｒ ａｄａ ｒ Ｓｃ ｉ ｅቤተ መጻሕፍቲ ባይዱｃｅ ａｎｄ ｅｃｈｎｏ １ Ｔ ０ｇｙ
Ｖｏ１ １ Ｏ ４ ．０Ｎ ． Ａｕ ｓ ｇｕ ｔ２０１ ２
非 高 斯 杂 波 下 雷 达 目标 跟 踪 算 法 改进 研 究
石 一 鸣 。陈凤 友 ， 来春 姜
（ １５ ９ ５ ０部 队 ，辽 宁 大 连 １ ６ ２ ） １０ ３
摘 要 ：针 对 杂 波 干扰 环 境 中的 非 高斯 特 性 ， 现 海 杂 波 噪 声 、 烁 噪 声 等 具 有 显 著 尖 峰 的 非 高斯 噪 发 闪
声 可 以 采 用 口稳 定 分 布 来描 述 ， ａ稳 定 分 布 可 以 建 立 更 符 合 实 际 的 噪 声 模 型 。根 据 统 计 信 号 处 理 最 新 理 用
论 和技 术 ， 用 Ｐ 阶分 数 相 关 和 分 数 低 阶 协 方 差替 代 传 统 相 关 和 协 方 差 来 改进 Ｋ ｌ ｎ滤 波 器 ， 化 获 得 改 利 ａｍａ 优
进 的基 于 分数 低 阶 统 计 量 Ｋ ｌ ｎ滤 波 交 互 多模 型 算 法 （ ａ ｅ Ｉ Ｓ Ｋａ ｎ Ｉ Ｍ ） 仿 真 验 证 了 Ｂ ｓ ｄ ａｍａ Ｂ ｓ ｄ Ｆ － ｔ — Ｏ ｍａ Ｍ ， ａｅ
Ｆ － ａｍａ－ＭＭ 滤 波 跟 踪 新 算 法 可 以 更好 地 适 应 非 高斯 复 杂环 境 ， 到 稳 健 的 雷 达 跟 踪 效 果 。 Ｉ ＯＳＫ ｌ ｎＩ 得
关 键 词 ：雷 达 目标 跟 踪 ；非 高 斯 杂 波 ； ｌ ｎ滤 波 ； 稳 定 分 布 ；分 数低 阶 统 计 量 ；交 互 多模 型 Ｋａ ｍａ ａ
ｓ ｎ ｆｃ ｎ ｅ ｋ ｎ ｎ Ｏａ ｓ ｉｎ ｎ ｉｅ ，ｓ ｃ ｓｓ ａ ｃｕ ｔ ｒ ｎ ｉｅ ａ ｄ ｇ ｉ ｔｎ ｉｅ ｉ ｉ ａ ｔｐ ａ ｏ － ｕ ｓａ ｏ ｓ ｓ ｕ ｈ ａ ｅ ｌ ｔｅ ｏ ｓ ｎ ｌｎ ｏ ｓ ，ｗｈ ｃ ａ ｅ ｄ ｓ ｒｂ ｄ ｂ ｌ ｇ ｉ ｉｈ ｃ ｎ ｂ ｅ ｃ ｉｅ ｙ ａ— ｐ ａ ｓａ ｌ ｉ ｔｉ ｕ ｉ ｎ Ｔｈ ｒ ｒ ｃ ｉａ ｏ ｓ ｄ ｌ ａ ｅ ｅ ｔ ｂ ｉｈ ｄ ｂ ｓ ｆ ｈ ｌ ｈ ｔ ｂ ｅｄ ｓ ｒｂ — ｈ ｔｂｅｄｓｒ ｔ ． ｂ ｏ ｅ ｍｏ ｅ ｐ ａ ｔ ｌ ｉｅ ｍｏ ｅ ｎ ｂ ｓ ａ ｌ ｅ ｙ ｕ ｅ ｏ ｅ ａｐ ａ ｓａ ｌ ｉｔ ｉ ｕ ｃ ｎ ｃ ｓ ｔ
ｃ ａ ｉｎ ｅ Ｋ ａｍ ａ ｉｔ ｒ ｉ ｅ ａ ｔｎ ｕｌｉ ｌ ｏ ｌａｌｏｒｔ ｏｖ ｒａ ｃ ｌ ｎ ｆｌｅ ｎｔ ｒ ｃ ｉ ｇ ｍ ｔｐ ｅ ｍ ｄｅ ｇ ｉｈｍ ｓ ｉ ｒ ｄｕｃ ｄ ｔ ｈｅ ｔ ｒ ｅ ｔａ ｋｉ ｏｒ ｃ ｐｌ ｉ ｎｔ ｏ ｅ Ｏ ｔ ａ ｇ ｔ ｒ ｃ ｎｇ ｆ ｏｍ ｉ — ｃ ｔ ｄ ｎｏ Ｇ ａ ｓ ｉｎ ｓｔ ｔｏｎ ａ ｄ ｔ ｏｌｄ ｒ ｄ ｒ ｃ ｉ ｇ ｅ ｆ ｃ ｓ ａ ｈｉｖ ｄ． ａ ｅ ｎ— ｕ ｓａ ｉｕａ ｉ ｎ ｈｅ ｓ ｉ ａ ａｒｔ ａ ｋ ｎ ｆｅ ｔｉ ｃ ｅ ｅ
ｔｏｎ ｌｌ ｅ ｄ ｔ ｔｓｉ ｓ ｉ ｅ ａ ｔｎ ｍ ｕｌｉｌ ｏ ｌ ｉ ａ ｏｗ ｒ ｏｒ ｅｒｓ ａ ｉｔｃ ； ｎｔ ｒ ｃ ｉ ｇ ｔｐ ｅ ｍ ｄｅ
ＳＨＩＹｉ ｉｇ。ＣＨＥＮ ｎ —ｏｕ，Ｊ ＡＮＧ ｉ ｈ ｎ — ｎ ｍ Ｆｅ ｇ ｙ Ｉ Ｉａ— ｕ ｃ （ ｉ １ ５ Ｊ ＰＬＡ ，Ｄａ ｉ ｎ １ ６ ３，Ｃｈｉａ） Ｕｎｔ ９ ５ ０ｏ ｌａ １ ０２ ｎ
Ａｂ ｔａ ｔ Ａｉ ｄ ａ ｏ － ｕ ｓａ ｈ ｒ ｃｅｉｔｃ ｎｃｕ ｔｒ ａ ｍｉｇｅ ｖｒｎ ｎ ，ｔ ｉ ｐ ｐ ｒｓｕ ｉｓｔ ｅ ｓｒｃ ： ｍｅ ｔｎ ｎＧａ ｓｉｎｃ ａａ ｔ ｒ ｉｓｉ ｌｔｅ ｍ ｎ ｎ ｉｏ ｍｅ ｔ ｈ ｓ ａ ｅ ｔｄｅ ｈ ｓ ｊ
ｅ ｎ ｒ ｃ ｉ ｎ １ｌ ｗｅ ｒ ｅ ｏ ａ ｉ ｎ ｅ ｉ ｕ ｅ ｏ ｍｏ ｉ ｌ ａ ｉ ｅ ．Ｔｈ ｐ ｉ ｚ ｄ ｆ ａ ｔ ｎ ｌ ｏ ｒｏ ｄ ｒ ｄ ａ ｄ ｆａ ｔ ａ ｏ ｒｏ ｄ ｒｃ ｖ ｒａ ｃ ｓ ｓ ｄ ｔ ｄ ｆ Ｋａｍ ｎ ｆ ｔ ｒ ｏ ｙ ｌ ｅｏ ｔ ｍｉｅ ｒ ｃ ｉ ａ ｗｅ ｒ ｅ ｏ ｌ
中 图分 类 号 ： ＴＮ９ ７ ５ 文献标识码 ： Ａ 文 章 编 号 ：６ ２ ２ ３ （ ０ ２ ０ — ３ １０ １ ７－３ ７ ２ １ ）４０ ９－５
Ｒｅ ｅ ｒ ｈ ｏ ｏ ｉｉｄ Ｒａ ａ ｒ ｅ ａ ｋ ｎ ｇ ｒｔ ｍ ｎ ｓ ａ ｃ ｎ ａ Ｍ ｄ ｆｅ ｄ ｒ Ｔａ ｇ ｔＴｒ ｃ ｉ ｇ Ａｌ ｏ ｉｈ ｉ Ｎ０１Ｇａ ｓ ｉ ｎ Ｃｌ ｔｅ Ｉ－ ｕ ｓａ ｕ ｔ ｒ ．