机动飞行目标的数学模型与仿真算法研究

描述系统运动的状态方程所含的状态量越多 ,其数学模型就越准确 ,但其数字仿真时的算法实现也越困难。因此 ,采用“当前”统计模型建立机动飞行目标的空间运动方程 ,并结合桥函数级数理论求解 ,实现了对机动飞行目标稳定、准确、实时地仿真计算。以典型机动目标为例 ,进行了数字仿真 ,通过对各主要状态量的计算结果分析 ,验证了该方法的有效性。

灰色模型与神经元网络结合的飞行目标预测法

利用机动飞行目标轨迹可预测飞行目标实时位置,针对灰色模型对快速飞行目标轨迹预测不准确的问题,引入神经元理论判断飞行目标状态,通过机器学习掌握飞行目标转弯模型,从而更准确地对飞行目标转弯进行预测。首先,分析了灰色模型预测方法的工作原理和特点;然后,借助反向传播(BP)神经元模型可判断飞行特征的优势,将灰色模型与神经元网络模型进行了结合;最后,通过仿真试验表明该飞行目标预测法可对飞行目标进行精准监视和控制。

等变加速旋转目标ISAR成像距离-瞬时多普勒法

对于机动飞行目标的逆合成孔径雷达(ISAR)成像,当目标近似做等变加速旋转时,其散射点回波为多分量多项式相位信号,此时采用匀加速旋转模型进行距离-瞬时多普勒成像误差比较大,会产生大量虚假散射点。文中对目标回波信号采用分段线性调频信号进行近似,得到了不同时刻的高质量的ISAR瞬态像,仿真数据成像结果表明文中方法的可行性。

CAPON方法在ISAR成像中的应用

采用CAPON法代替傅里叶变换估计正弦信号的幅度和频率时,旁瓣比较低,对频率的估计精度比较高,对平稳飞行目标进行逆合成孔径雷达(ISAR)成像,可以得到高分辨率的ISAR像;同时,把CAPON法推广到估计线性调频信号的参数,可用于对机动飞行目标进行成像.仿真数据和实测数据验证了CAPON法的优越性.