分布式雷达网络信息处理仿真平台

分布式雷达网络信息处理仿真平台

一、一种分布式雷达网信息处理仿真平台(论文文献综述)

齐博文,梁灿,胡雪瑶,李阳,王彦华[1](2022)在《车载分布式雷达相参处理方法研究》文中进行了进一步梳理城市道路环境中行人、路障等弱目标回波信噪比低,传统车载雷达对其探测能力有限。本文将分布式体制应用于车载雷达,通过对多雷达回波相参积累,以期提高目标信噪比,改善雷达探测能力。相参参数估计是实现车载分布式雷达相参积累的关键,本文针对车载分布式雷达脉间相位编码波形非理想正交,导致传统相参参数估计方法精度低的问题开展研究,提出了一种时延参数与相位参数分步估计的高精度相参参数估计方法。首先根据回波正交性分离各通道回波,随后根据目标时空位置估计通道间时延参数,然后利用时延参数补偿回波,在各通道目标位置对齐后,估计各通道相位参数。仿真与实测结果表明,相比于传统相参参数估计方法,本文方法有效提升了脉间相位编码波形的相位参数估计精度。

杨丽娟[2](2021)在《分布式多基地雷达目标定位方法研究》文中提出目标定位技术是现代雷达中的关键技术之一,随着科学技术的不断发展,各国之间的武器装备日新月异,发生战争时不再是人力的较量而是装备的对抗,雷达一直是军事战争中不可或缺的装备,因此,提升雷达系统的目标定位精度具有重要的军事价值。分布式多基地雷达系统由多个发射站、多个接收站和一个联合数据处理中心构成。该体制的雷达多站协同合作,可以从不同的角度对目标进行观测,这对目标定位精度的提升有极大的优势。本文研究了两种情况下的分布式多基地雷达系统的定位方法,一种是对空中运动目标进行定位的分布式多基地视距雷达,另一种是对超视距海面目标进行定位的分布式多基地天波超视距雷达。针对分布式多基地视距雷达系统中的目标定位问题,提出了定位精度更高的定位算法,主要研究工作如下:(1)阐述了分布式多基地雷达系统的定位原理,分析了多基地雷达系统的组成结构以及定位模型,根据定位模型建立了相对应的数学模型。研究了基于双基地距离(Bistatic Range,BR)、到达时间差(Time Difference of Arrive,TDOA)和多普勒频移(Doppler Shift,DS)测量数据的两步加权最小二乘法,来联合估计空中运动目标的位置和速度。所提出的算法不仅在定位精度上得到了提升,还同时对运动目标的速度进行了估计,这对识别飞机的类型具有重要意义。(2)在两步加权最小二乘法的研究基础上,进一步优化,提出了基于两步加权最小二乘法的最速爬坡爬山算法,此算法是基于BR、TDOA和DS测量数据,对空中运动目标的位置和速度进行估计,所提出的算法又进一步提升了运动目标位置和速度的估计精度。(3)在最速爬坡爬山算法的基础上,考虑到搜索步长对定位精度的影响,提出了基于两步加权最小二乘法的变步长最速爬坡爬山算法,此算法同样是基于BR、TDOA和DS测量数据,对空中运动目标的位置和速度进行估计。此算法是在传统最速爬坡爬山算法的基础上,对搜索步长进行优化,即将定步长搜索优化为变步长搜索。仿真结果也证明变步长的最速爬坡爬山算法的估计精度优于定步长的最速爬坡爬山算法,实现了对空中运动目标的精确定位和测速。分布式多基地天波超视距雷达的目标定位研究同样重要,目标定位是天波超视距雷达远程预警的基础,提升分布式多基地天波超视距雷达的目标定位精度对保障国土安全具有积极作用。当目标处于超视距位置时,其信号模型更加复杂,定位的研究更具有挑战性。因此,对分布式多基地天波超视距雷达海面目标的定位方法进行了研究,主要研究工作如下:(4)首先对天波信号的传播介质电离层进行了简单的介绍,然后建立了分布式多基地天波超视距雷达的信号传播模型,推导了此模型下的定位方程。提出了基于分布式多基地天波超视距雷达信号模型的超视距海面单目标定位算法,基于加权最小二乘法的最速爬坡爬山算法。根据设定的站点坐标对算法的定位性能进行仿真分析,结果证明,对超视距的海面目标定位时,所提出算法的定位精度明显优于基于加权最小二乘法的定位算法,实现了对超视距海面的单目标定位。(5)研究了分布式多基地天波超视距雷达中超视距海面的多目标定位问题,建立了多目标的信号传播模型,推导了多目标定位和多普勒频移的数学方程。提出了多目标定位算法,所提出的多目标定位算法主要分为四步,首先,基于1发多收的站点配置对多个目标的位置粗略估计;然后,根据估计的目标位置对多发多收的数据进行分类,分类后对目标采用基于加权最小二乘法的最速爬坡爬山算法估计目标位置;之后,将优化的位置信息根据多普勒频移方程,利用最小二乘法求出各个目标的速度;最后,根据Bowring公式和坐标转换公式将直角坐标系中的位置和速度坐标转换到大地坐标系中去。对提出的算法进行了仿真验证,结果表明提出的算法实现了对超视距海面运动多目标的定位以及速度和方位的估计。

姚舜禹[3](2021)在《分布式雷达系统目标探测与GPU实现》文中研究说明大规模地基分布式雷达,是在大范围内布置多个节点并通过多个处理中心进行控制和数据处理的一种雷达体制,该体制的雷达通常具有灵活性高、探测能力强、探测范围广、抗干扰与抗截获能力强等优点。本文重点研究分布式雷达系统的目标探测相关的技术以及对应的软件实现,主要的研究内容如下:1、分析了时间同步误差、相位同步误差以及幅相误差造成的系统相参性能的损失。针对系统的幅相误差采用了一种以最小二乘为基础,结合MUSIC--like算法以及分布式雷达孔径扩展的特点来估计收发阵列幅相误差的闭式解的算法,仿真实验表明该方法有效可行。针对实验环境中可能遇到的杂波和干扰问题,使用一种基于和差网络并通过最小均方算法实现了干扰抑制,实验表明该算法可以抑制不同来向的压制性干扰。2、针对分布式雷达的接收相参问题,本文研究了一种通过对空域进行搜索并计算每个搜索区域的相参参数,对这些区域进行相参合成后再进行目标检测的方法,该方法解决了回波在不同通道中跨距离单元而无法直接合成的问题。仿真实验验证了该方法的有效性,并通过实测数据的实验验证了其工程上的可行性。3、实现了基于GPU的雷达信号并行处理,包括单节点的信号处理模块以及相参合成模块。详细论述了每个模块中的输入输出数据的结构变化、GPU中的线程-块-网格结构的安排以及每个线程中进行的运算所对应的数据索引。然后给出了软件在不同模式下的运行流程,包括单机单GPU模式,单机多GPU以及多机多GPU模式。

徐丹[4](2020)在《ISAR目标运动参数提取与成像算法研究》文中进行了进一步梳理空天目标是指飞机、飞艇、人造飞行器和空间碎片等目标。随着航空航天技术的发展、竞争和太空垃圾的增多,人造飞行器的安全受到了各方面的威胁,对空天目标运动状态进行跟踪、监视与成像是保护人造飞行器的一个重要方面。逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)以其全天时、全天候不间断工作的优势,在军事和民用领域发挥着不可替代的作用。通过对空天目标的ISAR高分辨成像与运动参数估计,能够为以后的目标分类、识别和编目提供有力的支持,因此对空天目标的ISAR高分辨成像与运动参数估计对国防、民生领域有重大意义。在涉及电磁解译、基于多波段的雷达序列图目标三维重构和基于干涉逆合成孔径雷达(interferometric Inverse Synthetic Aperture Radar,In ISAR)的空间目标三维重构技术等多个项目支持下,本论文围绕空天目标的运动参数、基于属性散射中心模型的多视角部件参数集融合成像、空天目标的三维重构等三方面展开研究。全文主要内容如下:1.论述了ISAR国内外研究现状以及本论文研究的重要性。2.讨论了ISAR成像的基本概念,总结了现有ISAR运动补偿算法和常用成像方法,为之后几章内容做铺垫。3.外场试验时,弹道目标雷达回波数据量极大,目标较小,因此浩瀚的回波数据中有效信息非常有限。怎样在较短的时间里快速定位有效信息并分离成为外场实验的第一道难题。针对此问题,本文提出了采用随机Hough变换和时变自回归模型(Time Varying Auto-Regressive model,TVAR)算法对弹道导弹群目标进行运动参数估计和运动补偿的方法。外场实验中宽带直采模式使得回波数据量较大,弹道目标的微动使散射点徙动严重,频谱变化剧烈。此时存在传统运动补偿不再适用和宽带直采数据量巨大造成信号处理困难的问题。在实际应用中,窄带雷达具有一系列优点,比如可以进行远距离测量、大范围跟踪、工作方式灵活,缺点是分辨率较低。而宽带雷达具有的优点是:高分辨率,因此多用于精确监视、跟踪与目标识别。缺点是雷达造价太高,回波信号模型复杂,处理过程困难,不利于普及。所以要将宽窄带雷达结合起来,发挥其各自的优势,而且目前已经有宽窄带雷达。首先对窄带数据使用随机Hough变换进行群目标轨迹分离并对应到原始宽带,进行粗运动补偿与信号提取。然后对提取的目标信号采用重心法进一步作运动补偿,再通过时变自回归模型进行时频分析,得到剩余平动参数与光滑的微动特征曲线。利用所得微动参数对目标信号进行精确的运动补偿。最后采用CADFEKO仿真模型实验验证了所提方法的有效性。4.目前已有的大转角成像和多视角融合主要采用的是图像融合,对噪声敏感,不利于目标识别。针对此问题,本文提出了多视角属性散射中心模型(Attributed Scattering Center Model,ASCM)的部件参数融合以达到两维ISAR图像融合效果。传统的点散射中心模型只能表征目标的位置信息,无法表示目标的长度和角度,而属性散射中心模型表征了目标的几何特性。为了能得到目标的全方位部件信息,克服各向异性、遮挡和弱散射点被淹没的现象,提出基于属性散射中心模型的多视角参数化部件集的提取与合成算法。首先,将大视角回波数据有重叠的划分为若干子视角,分别进行属性散射中心模型的参数估计,然后将各参数统一投影到同一坐标系下,再进行参数的融合,最终得到目标参数集。该算法得到的这套参数可以反演目标回波数据,提高图像可视性,进行目标识别与分类。最后与基于图像的多视角融合算法进行对比,通过两个仿真实验验证了此算法的有效性。5.由于设备资源限制,在单基雷达情况下,针对雷达序列图进行三维重构及估计在目标坐标系下目标的姿态问题,分为两方面进行研究,即分别提出了基于雷达序列图的三维重构和姿态估计。首先介绍了基于雷达序列图的空间目标的三维(Three Dimension,3D)重构方法。通常空间自旋目标的三维重构都是通过对散射点轨迹进行矩阵分解的方法得到的,散射点轨迹是从雷达序列图提取并关联得到的。由于散射点提取与关联误差的存在,三维重构处理会出现精度降低,甚至失败的问题。另一方面,在雷达成像中,转台目标的散射点轨迹符合圆属性,这与几何投影理论认为散射点投影轨迹的椭圆属性相违背。为解决以上问题,提出了基于短时的空间目标散射点轨迹矩阵分解得到目标三维重构算法。另外,基于散射点轨迹矩阵分解得到的目标三维重构结果姿态是不确定的,因此无法对多视角三维重构结果进行融合处理。针对此问题,本章提出以目标坐标系为参考的目标三维重构姿态估计。通过对投影矩阵的进一步约束,三维重构结果的姿态可以得到估计。通过雷达序列图的三维重构与姿态估计,实现了多视角三维重构结果的融合,使获得的目标信息进一步增多。6.由于成像机制的不同,ISAR图像并不像光学图像一样,具有严格的灰度相似性。ISAR图像特显点较少,散射特性复杂,光学图像匹配算法不适用于ISAR图像的匹配。针对此问题,本文提出了基于随机采样一致性算法(Random Sampling Consistency Algorithm,RANSAC)的ISAR图像匹配和双基三维重构算法。首先,利用ISAR图像的稀疏性,通过散射中心提取将雷达图像转换为散射点集。然后,执行RANSAC算法,对两个散射点集进行粗匹配。在此基础上,估计一个大致的雷达入射角。通过雷达与目标转轴间的相关角度与散射点高度的迭代估计,当散射点匹配率达到最大时,散射点高度和精确的雷达入射角可同时得到估计。最后,基于电磁仿真软件CADFEKO进行了实验,证明了该算法的有效性。

任思远[5](2020)在《基于ZeroMQ的分布式雷达对抗仿真软件设计与实现》文中提出随着各个国家科技实力的进步,现代电子战争已经演变成多种装备共同作战的对抗体系,利用数学建模和分布式技术可以模拟装备系统运作,进行多个系统协同工作的分布仿真,建立通用、拓展性强的分布式仿真框架有重要研究意义。现有的分布式仿真平台如DIS、HLA体系,进行仿真前需要布置通信组件环境,开发流程、子系统的拓展都较为繁杂,对开发人员分布式基础要求高等问题。近些年,以ZeroMQ消息传输技术为基础的分布式消息架构被广泛应用,参照现有分布式仿真平台的架构优点,以ZeroMQ为核心实现分布式雷达仿真平台,可以提高整体的通信效率、扩展性、实用性。文章以雷达对抗仿真为研究对象,首先介绍利用ZeroMQ消息传输技术实现分布式仿真系统,对ZeroMQ三种通信模式的特性进行对比,以此为核心建立分布式的消息架构。通过管理端、服务端、客户端三个分系统构成分布式仿真平台,在各分系统中利用不同通信模式的协作实现仿真时间管理,包括逻辑时间同步和计算仿真时间误差等功能。随之介绍仿真管理和场景管理两个平台的实现,包括信息分发、功能类、交互界面,平台开发采取统一的设计风格和模块建设方法。然后对参与分布式雷达对抗仿真的各个装备系统进行建模,包括雷达、侦察、干扰三个部分,分别从分布式仿真的角度进行建模,依靠功能级仿真高实时性、低数据量的优点完成任务级的仿真需求。最后,针对支援式、自卫式干扰战术的仿真需求,搭建分布式的红蓝方雷达对抗态势,想定作战场景,由各个装备平台协作对多种干扰样式如噪声压制干扰,密集假目标、同步拖引、切片脉冲叠加、角度波门挖空等欺骗式干扰进行仿真测试,并分析结果。对文章所研究的ZeroMQ分布式平台的有效性、实用性进行验证,足以满足雷达仿真的需求。本文实现的分布式雷达对抗由仿真管理平台、动态场景平台作为管理端和服务端对仿真进行支撑,根据仿真作战需求完成仿真子系统的开发。分布式仿真中的时间管理是将ZeroMQ的发布-订阅模式嵌套在请求-应答通信模式下,利用请求-应答模式的阻塞接收,使收发两方仿真任务严格同步,且满足多对一的连接需求,保证了在逻辑时间同步的前提下完成仿真中数据通信分发。在程序设计上依托QT引擎的多线程编程,使用统一的开发风格完成交互界面、数据通信、系统仿真等功能类,其中系统仿真中包含了子系统仿真所需的功能模块。借此保持分系统强复用性、仿真实时性和可扩展性,促进任务级的多作战方、多装备仿真更加接近实际的作战环境。

舒文江[6](2020)在《分布式雷达智能调度中的辅助决策技术研究》文中进行了进一步梳理与单基地雷达相比,分布式雷达具有更稳健的探测性能,更大的探测范围。分布式雷达系统中资源有限,如何合理的分配调度资源从而提高分布式雷达系统的探测性能、定位性能等技术指标就变得愈发重要。同时雷达系统较为复杂,在资源调度过程中,需要辅助决策技术的支持。本文针对分布式雷达系统中的实体空间资源即雷达节点位置,分别提出了单指标约束的资源分配模型和多指标约束的资源分配模型。将智能优化算法作为辅助决策技术应用于分布式雷达系统中,提高了系统对监测区域的有效覆盖率和定位精度。本文首先介绍了分布式雷达系统调度的基本原则,分析了分布式雷达系统的信号模型和资源管控算法框架,并介绍了两种在分布式雷达系统中起到辅助决策作用的智能优化算法,分别是粒子群算法和遗传算法。针对分布式雷达系统中雷达站点配置与调度问题,将智能优化算法作为雷达系统辅助决策技术进行研究。本文以改善定位性能为目标,分布式雷达系统为研究对象,雷达节点位置作为待分配资源,构建了单指标优化模型,并且将粒子群算法和遗传算法作为辅助决策技术应用到雷达布站问题的解决中。通过运用粒子群等智能优化算法解决分布式雷达系统的优化布站问题,生成合理的雷达布局方案。通过仿真验证,证明了粒子群算法可以辅助生成合理的布局方案,提高了分布式雷达系统的定位性能。并将生成的方案与规则布站相比较,进一步证实了粒子群算法做为辅助决策技术的优势。在复杂态势下,雷达系统需要兼顾多种性能指标。本文针对多指标约束的雷达布站问题,提出了一种改进的多目标粒子群优化算法,并将其与标准多目标粒子群算法(MOPSO)相比较,证明了其在收敛性和解的多样性上较优。同时研究了有效覆盖率计算方法,构建了多指标雷达布站模型。以提高分布式雷达系统的覆盖性能和定位性能为目标,雷达节点位置作为待分配资源,将改进的多目标粒子群算法作为辅助决策技术解决资源分配问题。该决策算法得到的最优解集中,可以提供多个布局方案,决策者可以根据决策偏好选择合适的布站方案。通过实验仿真验证,证实了该算法的可行性和有效性,可将其作为辅助决策技术应用到雷达系统之中。

李常先[7](2019)在《分布式无人机杂波建模与目标检测定位方法研究》文中进行了进一步梳理随着电子对抗技术的发展,预警雷达技术受到越来越大的挑战。面对愈加复杂的战场环境,单一预警雷达已经越来越难以满足战场需求。同传统单基雷达相比,分布式无人机雷达系统具有探测范围广、探测精度高、布阵机动灵活等优点,因此开展分布式无人机雷达系统的研究具有非常重要的意义。本文通过对分布式无人机雷达系统的杂波分析,建立了相对简化的杂波模型,为后续进行目标检测及测角定位提供了条件。针对目标检测中目标导向矢量同预置滤波器导向矢量失配的问题,研究使用信号子空间进行目标检测的方法;针对最大似然测角方法巨大的计算量,研究使用信号子空间降低计算量的方法;并在两者的基础上,提出了一种使用子空间联合目标检测及测角的方法。针对误差存在情况下,无误差的信号子空间导致目标检测性能及测角性能下降的问题,提出了一种从杂波数据中获得真实信号子空间的方法,该方法能够提高目标检测性能及测角精度。论文的主要工作概括如下:1.研究了分布式无人机雷达的杂波建模与抑制方法。根据分布式无人机雷达的收发方式,分布式无人机雷达杂波建模分为单基雷达杂波建模和双基雷达杂波建模两种方式。在双基雷达杂波建模中,详细研究了通过坐标轴转换获得双基等距离环的方法。2.研究了使用信号子空间进行检测和测角的方法。常规的目标检测算法在目标偏离主瓣中心时检测器性能会下降,针对这一问题。本文研究了和差波束子空间检测器和特征子空间检测器在目标失配时的性能。仿真结果表明子空间检测器在目标失配时依旧具备比较好的检测性能;常规最大似然测角方法的计算量很大,难以在实际中应用。针对这一问题,本文研究了使用信号子空间结合最大似然测角的方法。并针对检测和测角过程中巨大的计算量,提出了一种基于信号子空间的低复杂度计算方法。3.研究了误差存在情况下的信号子空间获取方法。误差存在情况下的目标导向矢量同理想导向矢量存在偏差,针对这一问题提出了一种使用杂波数据获取信号子空间的方法。该方法利用杂波的阵面空间锥角与速度锥角之间的耦合关系,使用多普勒滤波器精准获取对应空间频率的杂波数据,再对杂波数据进行挑选获得误差存在下的真实目标导向矢量,进一步得到真实的信号子空间。仿真实验表明,在误差存在的情况下,使用本文方法获得的信号子空间具有更好的检测和测角性能。

赵源[8](2019)在《相控阵雷达及组网抗有源假目标与虚假航迹方法研究》文中提出从相控阵雷达主瓣进入的有源多假目标干扰是一种典型的精准干扰,严重威胁相控阵雷达目标检测、跟踪与识别能力;通过多干扰机协同产生的虚假航迹干扰作为另一种主瓣精准干扰,进一步影响相控阵雷达及组网对当前战场态势的判断。常规体制维度抗干扰方法通常难以应对此类干扰。如何提升相控阵雷达及组网在主瓣精准干扰背景下的目标探测能力,已成为雷达领域亟需解决的问题之一。本文针对有源多假目标及虚假航迹干扰,分别从信号与信息处理维度进行干扰反对抗方法理论研究、数值仿真等工作,主要内容如下:1)分析了有源多假目标及虚假航迹干扰产生机理与作用机理。重点阐述相控阵雷达及组网易受干扰的薄弱环节,提出了广义干扰函数,分析了有源多假目标干扰作用机理。为反对抗方法研究奠定基础。2)从信号处理维度提出了有源多假目标干扰反对抗方法。实现基于ZAM域间歇采样干扰参数估计,提出了最小方差无畸变失真响应(MVDR)准则下可变参数自适应滤波器,保留目标回波分量的同时在干扰频点形成凹口。另外,提出了一种分数阶Fourier域自适应滤波方法,实现频谱弥散干扰背景下目标分量重构。3)从信号处理维度提出了虚假航迹干扰鉴别方法。剖析了干扰机功率放大器非线性失真产生机理,基于Volterra级数推导了杂散频率分布,利用单帧数据提出了ABORT自适应检测结构下的真/假目标鉴别方法。4)从信息处理维度提出了随机转发多假目标干扰反对抗方法。分析了帧内多假目标空间分布联合稀疏模式差异,提出了基于相位辅助的分布式压缩感知抗干扰方法。联合信息与信号处理提出了相控阵雷达网虚假航迹鉴别方法,提出了基于Dempster组合规则的雷达网多特征、多帧信息融合方法,提高真/假航迹鉴别效能。5)从体制、信号处理与信息处理联合维度提出了转发式虚假航迹剔除方法。阐述了真实目标与转发式干扰在频率分集阵列下信号差异。提出了在MVDR约束下的检测前跟踪方法。引入运动限制,实现航迹不连续假目标的剔除。本文利用数值仿真对上述方法进行了验证,实验结果证明了上述方法能够实现有源多假目标与虚假航迹干扰反对抗。相关研究结果有望提升雷达系统在复杂电磁环境下的目标探测能力。

李红月[9](2019)在《车载多雷达数据融合技术研究》文中研究表明随着科技的不断进步,各行各业对数据的精确度都有了更高的要求,雷达也不例外,提高雷达数据精确度已经成了必然趋势。一种方法是通过提高雷达硬件配置和信号处理算法精度来提高雷达精度,但这种方法费时费力,耗费成本过高。还有一种方法是运用涉及在各个领域的多传感器数据融合技术,建立多雷达数据融合系统,既能增大雷达的覆盖面积,还能在雷达重复覆盖范围内进行数据融合,从而提高雷达数据的精确度。多雷达数据融合系统目前多应用于军用背景,本文则以民用车载雷达为基础,设计多雷达数据融合系统。本文以车载雷达组网系统为背景,主要工作如下:1.介绍了多雷达数据融合系统的几种通用组网方式,然后根据车载雷达处理器AWR1642的特点,提出并设计了一种新型车载多雷达数据融合系统。2.根据车载雷达组网系统结构,研究了基于汽车背景的空间对准模块;然后根据AWR1642输出点云数据的特点,提出并设计了密集点迹聚类模块,并讨论了三种单雷达密集点迹聚类算法,并从聚类的准确性和时间效率两方面进行了算法对比;提出了从执行时间角度和校准误差联合对比时间对准算法,并得到应用在车载雷达组网系统中的最优算法;对于多雷达稀疏点迹聚类模块,提出了改进的最大最小距离算法,并与另外两种算法从实时性与准确度两方面进行了对比;最后介绍了聚类完成后的同类数据的加权平均凝聚法。在各个模块的最后还进行了计算机仿真实验。3.研究了融合后的数据处理算法,讨论了目标跟踪的各个模块的关键算法,进行了点迹凝聚后的跟踪仿真,并与单雷达测量航迹进行了对比。对比结果表明,车载雷达组网系统确实能够提高雷达数据的精确度。

左林虎[10](2018)在《分布式雷达多站检测序列规划设计》文中进行了进一步梳理雷达组网是国土防御系统的必然需求,网络化协同探测是未来雷达组网系统的重要形态之一,是提升国防实力的一个重要组成部分。多站雷达信号级融合探测等方面的研究成果表明网络化协同探测能够提升雷达系统的性能。当前信号融合研究侧重于最优化融合后的探测能力,保证融合中心进行信号融合后的检测性能损失小,定位精度高,然而这些优势根本上是由雷达发射端的资源分配情况决定的,但是这方面相关研究仍然较少。多个雷达站具有更多资源,对多站雷达的资源进行协同规划成为提升雷达系统性能的关键。本文基于现有的信号融合算法,通过时间、能量和空间规划,来降低重点区域内目标漏警概率、重点搜索区域的重访时间和通信带宽。本文主要研究内容为:第一章简略概述了论文的研究背景和国内外研究现状。第二章主要探究了多站雷达信号级融合检测算法。主要介绍了在噪声已知条件下和噪声未知条件下的几种信号融合检测算法,给出相应的理论分析和信号模型,并在仿真实验中给出几种信号融合检测算法在不同的背景条件下的性能差异。第三章主要探究了重点搜索区域的空间划分方法。重点区域的空间划分密切关乎分布式雷达系统的搜索性能,与传统的单站雷达搜索区域划分方案不同,本章节根据雷达站探测增益和分布式系统定位精度的原理分别给出多站雷达条件下的重点搜索区域空间划分准则,以此实现了重点搜索区域的空间划分。第四章主要研究了雷达站的波束驻留时间和脉冲发射时间规划方法。在第二章和第三章基础上,给出一种雷达站波束驻留时间规划方法,确定雷达站在每个搜索单元的波束驻留时间。在已知雷达站的波束驻留时间的条件下,在避免使用计算量大、耗时长的优化算法前提下,规划分布式雷达系统对搜索单元的扫描次序,规划局部雷达站的脉冲发射时间,降低重点区域的重访时间。第五章主要讨论了一种分布式雷达低通信量准信号融合目标探测处理架构,与传统的架构不同之处在于其核心思想是将包含目标信号的雷达回波信号数据加密后传输至融合中心判决。实验结果表明该方法能有效地降低通信带宽,提高保密特性,同时能使整个系统保持一个良好的检测性能。第六章为全文总结与后期工作展望。

二、一种分布式雷达网信息处理仿真平台(论文开题报告)

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

三、一种分布式雷达网信息处理仿真平台(论文提纲范文)

(2)分布式多基地雷达目标定位方法研究(论文提纲范文)

论文创新点
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景和意义
        1.1.1 分布式多基地视距雷达
        1.1.2 分布式多基地天波超视距雷达
    1.2 发展历史和研究现状
        1.2.1 多基地视距雷达研究现状
        1.2.2 天波超视距雷达研究现状
        1.2.3 分布式多基地雷达定位方法研究现状
    1.3 论文的主要研究内容和结构安排
第二章 分布式多基地雷达目标定位方法
    2.1 分布式多基地雷达系统简介
    2.2 分布式多基地雷达系统信号传播模型
        2.2.1 视距雷达信号传播模型
        2.2.2 天波超视距雷达信号传播模型
    2.3 分布式多基地雷达系统定位原理
        2.3.1 椭圆定位原理
        2.3.2 TDOA定位原理
        2.3.3 多普勒频移原理
        2.3.4 到达角定位原理
    2.4 多基地雷达系统定位算法
        2.4.1 WLS算法原理
        2.4.2 基于WLS的定位方法
        2.4.3 克拉美罗下界基本原理
    2.5 小结
第三章 分布式多基地视距雷达定位方法
    3.1 基于BR、TDOA和DS的2WLS联合定位算法
        3.1.1 算法过程分析
        3.1.2 算法性能分析
        3.1.3 仿真实验和结果分析
    3.2 优化算法特点分析
    3.3 基于最速爬坡爬山算法和WLS的定位算法
        3.3.1 定步长的最速爬坡爬山算法
        3.3.2 变步长的最速爬坡爬山算法
        3.3.3 仿真实验和结果分析
    3.4 小结
第四章 分布式多基地天波雷达单目标定位
    4.1 天波超视距雷达信号传播介质
        4.1.1 电离层传播介质特性
        4.1.2 射线追踪与电离层浓度模型
        4.1.3 电离层参数反演
    4.2 分布式多基地天波超视距雷达定位模型
    4.3 分布式多基地天波超视距雷达定位算法
    4.4 仿真实验和结果分析
    4.5 小结
第五章 分布式多基地天波雷达多目标定位
    5.1 分布式多基地雷达多目标定位
    5.2 分布式多基地天波雷达多目标信号传播模型
    5.3 分布式多基地天波雷达的多目标定位算法
    5.4 仿真实验和结果分析
    5.5 小结
第六章 总结与展望
    6.1 全文总结
    6.2 研究展望
参考文献
攻读博士学位期间发表的学术论文及专利
致谢

(3)分布式雷达系统目标探测与GPU实现(论文提纲范文)

摘要
abstract
第一章 绪论
    1.1 研究工作的背景与意义
        1.1.1 研究工作背景
        1.1.2 研究工作意义
    1.2 国内外相关技术发展状况
        1.2.1 分布式雷达系统相参技术发展概况
        1.2.2 系统误差校正技术发展概况
        1.2.3 GPU雷达信号处理技术概况
    1.3 本论文结构安排
第二章 分布式雷达系统基本原理
    2.1 引言
    2.2 分布式雷达系统简介
        2.2.1 系统架构
        2.2.2 工作模式
    2.3 分布式雷达系统信号处理流程
        2.3.1 数字波束形成
        2.3.2 匹配滤波
        2.3.3 动目标检测
        2.3.4 目标检测
        2.3.5 单脉冲测角
    2.4 GPU编程原理
        2.4.1 GPU硬件架构
        2.4.2 CUDA编程模型
    2.5 本章小结
第三章 分布式雷达系统预处理技术
    3.1 引言
    3.2 分布式多站误差分析
        3.2.1 同步误差分析
        3.2.2 幅相误差分析
    3.3 基于近场目标的幅相误差估计
        3.3.1 近场目标回波信号模型
        3.3.2 近场源方位估计
        3.3.3 幅相误差估计
        3.3.4 仿真实验
    3.4 干扰抑制技术
        3.4.1 基于和差网络的干扰抑制技术
        3.4.2 实验验证
    3.5 本章小结
第四章 分布式雷达系统目标探测技术
    4.1 引言
    4.2 信号模型
    4.3 空域搜索合成
        4.3.1 相参条件分析
        4.3.2 多节点相参合成方案
    4.4 实验验证
        4.4.1 仿真实验
        4.4.2 实测数据实验
    4.5 本章小结
第五章 基于GPU的并行化实现
    5.1 引言
    5.2 基于GPU的信号处理算法实现
        5.2.1 节点内信号处理算法并行实现
        5.2.2 空域搜索合成算法实现
        5.2.3 CFAR检测
    5.3 分布式软件部署
        5.3.1 单个服务器上的软件部署
        5.3.2 多个服务器上的软件协同
    5.4 实验结果
    5.5 本章小结
第六章 全文总结与展望
    6.1 本文工作总结
    6.2 研究工作不足与展望
致谢
参考文献
攻读硕士学位期间取得的成果

(4)ISAR目标运动参数提取与成像算法研究(论文提纲范文)

摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外空天目标ISAR成像发展概述
    1.3 关键问题与难点
    1.4 本文内容安排
第二章 ISAR信号模型和常用算法总结
    2.1 引言
    2.2 ISAR运动补偿与成像概述
        2.2.1 ISAR成像基本理论
        2.2.2 ISAR运动补偿常用方法
        2.2.3 ISAR成像常用方法
    2.3 本章小结
第三章 宽窄带弹道高速群目标运动精补偿方法
    3.1 引言
    3.2 进动锥体目标高速运动模型与微动特征分析
        3.2.1 空间目标高速运动模型
        3.2.2 锥体目标微动特征
    3.3 基于随机Hough变换和TVAR的弹道群目标平动补偿
        3.3.1 目标轨迹提取
        3.3.2 初步运动参数估计与运动补偿
        3.3.3 运动补偿精细化处理
    3.4 基于经验模态分解方法的弹道目标平动补偿
    3.5 试验验证与分析
    3.6 本章小结
第四章 大转角雷达成像的子孔径融合方法
    4.1 引言
    4.2 基于属性散射中心模型的多视角部件参数融合
        4.2.2 属性散射中心模型及其参数估计
        4.2.3 子视角划分与参数集建立
        4.2.4 多视角部件融合算法
    4.3 基于图像的多视角融合算法介绍
    4.4 试验验证与分析
    4.5 本章小结
第五章 基于雷达序列图的空间目标3D重构和姿态估计
    5.1 引言
    5.2 基于矩阵分解的3D重构算法
        5.2.1 空间目标雷达序列图模型分析
        5.2.2 几何投影轨迹与雷达投影轨迹对比与分析
        5.2.3 雷达投影轨迹与几何投影轨迹转化
    5.3 基于3D重构的目标姿态估计
    5.4 仿真验证数据分析
        5.4.1 仿真实验一
        5.4.2 仿真实验二
    5.5 本章小结
第六章 基于RANSAC的 ISAR图像匹配与三维重构
    6.1 引言
    6.2 分布式雷达的信号模型
    6.3 基于 RANSAC 的 ISAR 图像匹配与三维重构
        6.3.1 散射点集的建立
        6.3.2 基于RANSAC的散射点集匹配
        6.3.3 雷达入射角与散射点高度估计
    6.4 实验验证
        6.4.1 基于散射点的仿真实验
        6.4.2 基于CADFEKO的仿真实验
    6.5 本章小结
第七章 总结与展望
    7.1 本文工作总结
    7.2 本文工作展望
参考文献
致谢
作者简介

(5)基于ZeroMQ的分布式雷达对抗仿真软件设计与实现(论文提纲范文)

摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 本文主要作和章节安排
第二章 基于ZeroMQ的分布式仿真方案
    2.1 雷达对抗仿真概述
        2.1.1 雷达对抗
        2.1.2 雷达对抗仿真功能需求
    2.2 分布式仿真系统框架
        2.2.1 ZeroMQ消息传输技术
        2.2.2 分布式消息架构设计
        2.2.3 仿真时间管理设计
    2.3 仿真管理平台模型设计及实现
        2.3.1 平台结构及功能实现
        2.3.2 软件接口设计
        2.3.3 交互界面设计
    2.4 动态场景管理平台设计及实现
        2.4.1 软件功能概述
        2.4.2 坐标系转换模块
        2.4.3 信息传输模块
        2.4.4 通信接口及交互界面设计
    2.5 仿真分系统平台设计方法
    2.6 本章小结
第三章 雷达对抗装备仿真系统建模
    3.1 雷达系统仿真建模
        3.1.1 分布式仿真中雷达仿真方法
        3.1.2 单周期仿真任务计算
        3.1.3 天线方向图模块
        3.1.4 功率计算模块
        3.1.5 信号处理模块
        3.1.6 目标检测模块
        3.1.7 雷达系统仿真测试
    3.2 侦察系统仿真建模
        3.2.1 侦察仿真系统概述
        3.2.2 参数测量模块
        3.2.3 信号分选识别模块
    3.3 干扰系统仿真建模
        3.3.1 干扰仿真系统概述
        3.3.2 噪声遮蔽干扰
        3.3.3 距离多假目标干扰
        3.3.4 同步拖引干扰
        3.3.5 切片脉冲叠加干扰
        3.3.6 角度波门挖空干扰
    3.4 对抗系统仿真测试
    3.5 本章小结
第四章 分布式雷达对抗系统仿真测试
    4.1 雷达对抗仿真场景想定
        4.1.2 支援式干扰仿真场景想定
        4.1.3 自卫式干扰仿真场景想定
    4.2 分布式仿真系统结构
    4.3 分布式仿真成员信息交互
    4.4 分布式仿真测试结果及分析
        4.4.1 支援式干扰场景仿真测试
        4.4.2 自卫式干扰场景仿真测试
    4.5 本章小结
第五章 总结与展望
    5.1 全文工作总结
    5.2 工作展望
参考文献
致谢
作者简介

(6)分布式雷达智能调度中的辅助决策技术研究(论文提纲范文)

摘要
abstract
第一章 绪论
    1.1 研究工作的背景与意义
    1.2 国内外研究现状
    1.3 本文研究内容及结构安排
第二章 分布式雷达系统信号模型与辅助决策算法
    2.1 分布式雷达系统信号模型
    2.2 分布式雷达资源管控框架
    2.3 分布式雷达系统调度基本原则
    2.4 辅助决策技术
        2.4.1 粒子群优化算法
        2.4.2 遗传算法
    2.5 本章小结
第三章 单性能指标约束的雷达资源调度决策算法
    3.1 单目标优化问题建模
    3.2 TDOA无源定位分析
        3.2.1 定位精度推导
        3.2.2 定位精度仿真分析
    3.3 雷达布站方案辅助决策生成及对比
        3.3.1 4个雷达节点布站方案的辅助决策生成
        3.3.2 5个雷达节点布站方案的辅助决策生成
    3.4 本章小结
第四章 多性能指标约束的雷达资源调度决策算法
    4.1 分布式雷达系统多目标优化模型构建
        4.1.1 覆盖性能和定位性能约束的多目标优化模型
        4.1.2 求解多目标优化问题的算法
    4.2 改进的多目标粒子群优化算法
        4.2.1 改进的多目标粒子群优化算法的原理
        4.2.2 改进的多目标粒子群优化算法性能测试
        4.2.3 多种多目标算法性能比较
    4.3 基于改进的多目标粒子群算法的雷达布站决策方案生成
        4.3.1 基于改进的多目标粒子群算法的雷达布站决策过程
        4.3.2 决策方案分析
    4.4 本章小结
第五章 总结与展望
    5.1 全文总结
    5.2 工作展望
致谢
参考文献
硕士期间取得的研究成果

(7)分布式无人机杂波建模与目标检测定位方法研究(论文提纲范文)

摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 分布式雷达的发展及应用现状
        1.2.2 子空间检测及测角发展现状
    1.3 本文的主要工作
第二章 分布式无人机杂波建模及常规处理方法
    2.1 引言
    2.2 分布式无人机杂波建模
        2.2.1 单基情况下的杂波几何场景分析
        2.2.2 双基情况下的杂波几何场景分析
        2.2.3 DDMA信号下的杂波信号模型
        2.2.4 仿真实验分析
    2.3 常规杂波抑制方法
        2.3.1 脉冲多普勒处理
        2.3.2 降维空时自适应处理
        2.3.3 仿真实验分析
    2.4 本章小结
第三章 分布式无人机的运动目标检测定位方法
    3.1 引言
    3.2 常规目标检测及测角算法
        3.2.1 CA-CFAR
        3.2.2 和差波束测角
    3.3 子空间检测器
        3.3.1 子空间检测器
        3.3.2 自适应子空间检测器
        3.3.3 空域子空间选取
        3.3.4 时域子空间选取
    3.4 网格搜索测角方法及联合子空间检测器方法
        3.4.1 网格搜索测角方法原理
        3.4.2 信号子空间下的网格搜索测角
        3.4.3 子空间检测器联合网格搜索测角方法
    3.5 目标检测及测角仿真分析
    3.6 本章小结
第四章 存在误差情况下的稳健目标检测定位方法
    4.1 引言
    4.2 误差情况下的子空间检测性能及测角性能
        4.2.1 误差下的子空间检测器检测性能
        4.2.2 误差下联合子空间检测器的角度估计
    4.3 误差情况下的信号子空间获取
        4.3.1 主瓣杂波区多普勒通道
        4.3.2 利用杂波数据获取信号子空间的算法步骤
    4.4 子空间检测器检测性能及测角性能分析
        4.4.1 子空间检测器检测性能
        4.4.2 联合子空间检测器的角度估计
    4.5 本章小结
第五章 工作总结与展望
    5.1 工作总结
    5.2 工作展望
参考文献
致谢
作者简介

(8)相控阵雷达及组网抗有源假目标与虚假航迹方法研究(论文提纲范文)

摘要
abstract
主要缩略词对照表
主要符号说明
第一章 绪论
    1.1 研究工作的背景与意义
    1.2 相控阵雷达及组网有源干扰研究现状
        1.2.1 有源多假目标干扰研究现状
        1.2.2 虚假航迹干扰现状
    1.3 相控阵雷达及组网抗有源欺骗干扰研究现状
        1.3.1 有源欺骗干扰反对抗研究现状
        1.3.2 相控阵雷达网抗有源欺骗干扰现状
        1.3.3 有源欺骗干扰反对抗方法研究现状
    1.4 本文的主要内容与结构
第二章 相控阵雷达及组网有源多假目标及虚假航迹干扰机理分析
    2.1 引言
    2.2 相控阵雷达及组网信号/信息处理流程
        2.2.1 相控阵雷达信号/信息处理流程
        2.2.2 相控阵雷达组网信号/信息处理流程
    2.3 有源多假目标干扰机理分析
        2.3.1 全脉冲/示样脉冲随机转发多假目标干扰
        2.3.2 灵巧噪声干扰
        2.3.3 间歇采样干扰
        2.3.4 频谱弥散干扰
        2.3.5 结论
    2.4 虚假航迹干扰产生及作用机理
        2.4.1 旁瓣假目标虚假航迹干扰产生机理
        2.4.2 多机协同虚假航迹干扰
    2.5 本章小结
第三章 相控阵雷达信号处理维度抗有源多假目标干扰方法
    3.1 引言
    3.2 基于时频分析的干扰样式识别
        3.2.1 FrFT域特征提取
        3.2.2 ZAM域特征提取
        3.2.3 有源多假目标干扰样式识别算法小结
        3.2.4 仿真实验与结论
    3.3 捷变频相控阵雷达基于自适应滤波的灵巧噪声干扰抑制方法
    3.4 基于ZAM-MVDR自适应滤波的间歇采样干扰抑制
        3.4.1 干扰时序参数估计
        3.4.2 自适应滤波器设计
        3.4.3 仿真实验与结论
    3.5 基于高阶旋转角度下自适应滤波的SMSP干扰抑制
    3.6 本章小结
第四章 相控阵雷达信号处理维度抗虚假航迹方法
    4.1 引言
    4.2 转发式干扰机指纹特征分析
        4.2.1 干扰机指纹特征产生机理分析
        4.2.2 干扰机功率放大器特性分析
        4.2.3 功率放大器特征提取
    4.3 旁瓣假目标特征分析
    4.4 基于ABORT检测理论的干扰识别方法
        4.4.1 ABORT检测器基本原理
        4.4.2 干扰机指纹特征识别方法
        4.4.3 旁瓣假目标鉴别方法
    4.5 本章小结
第五章 相控阵雷达及组网信息融合维度抗有源多假目标及虚假航迹干扰方法
    5.1 引言
    5.2 基于分布式压缩感知的随机转发多假目标干扰反对抗方法
        5.2.1 信号模型
        5.2.2 基于DCS的干扰抑制方法
        5.2.3 仿真实验与结论
    5.3 基于D-S证据理论的帧间信息融合抗虚假航迹干扰方法
        5.3.1 虚假航迹特征提取
        5.3.2 基于D-S证据理论的虚假航迹鉴别方法
        5.3.3 仿真实验与结论
    5.4 本章小结
第六章 新体制阵列雷达抗虚假航迹干扰方法
    6.1 引言
    6.2 频率分集阵列基本原理
        6.2.1 新体制阵列发射信号模型
        6.2.2 新体制阵列雷达目标回波信号模型
        6.2.3 新体制阵列转发式干扰信号模型
    6.3 基于SIR-TBD的新体制阵列虚假航迹抑制方法
        6.3.1 信号模型
        6.3.2 SIR-TBD抗干扰性能分析
        6.3.3 FDA-MIMO-TBD联合抗干扰方法
        6.3.4 算法小结
        6.3.5 仿真实验与结论
    6.4 本章小结
第七章 全文总结与展望
    7.1 本文主要工作与贡献
    7.2 后续工作展望
致谢
参考文献
附录
    附录 A:公式(3-21)推导具体过程
    附录 B:引理1证明
    附录 C:Volterra级数核函数表
攻读博士学位期间取得的成果

(9)车载多雷达数据融合技术研究(论文提纲范文)

摘要
ABSTRACT
第一章 绪论
    1.1 论文研究背景
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 论文研究意义
    1.4 本文的主要工作
第二章 车载雷达组网系统概述
    2.1 单芯片汽车雷达传感器AWR1642
        2.1.1 AWR1642子系统
        2.1.2 AWR1642的特点与优势
    2.2 多雷达系统组网方式
        2.2.1 集中式雷达系统
        2.2.2 分布式雷达系统
        2.2.3 混合式雷达系统
    2.3 基于AWR1642的车载雷达组网系统
    2.4 本章小结
第三章 点迹数据融合技术
    3.1 原始点迹预处理
        3.1.1 点迹过滤
        3.1.2 去野值
    3.2 系统误差修正
    3.3 空间对准
        3.3.1 坐标系介绍
        3.3.2 坐标系转换
    3.4 密集点迹数据聚类算法
        3.4.1 密度聚类算法
        3.4.2 AGNES聚类算法
        3.4.3 快速空间聚类算法
        3.4.4 密集点迹聚类算法对比
    3.5 时间对准
        3.5.1 分段线性插值
        3.5.2 三次Hermite插值
        3.5.3 三次样条插值
        3.5.4 三种插值方法的比较
        3.5.5 车载雷达组网系统时间对准仿真
    3.6 稀疏点迹聚类算法
        3.6.1 K-Means算法
        3.6.2 改进的最大最小距离聚类算法
        3.6.3 稀疏点迹聚类算法对比
    3.7 加权平均凝聚法
        3.7.1 多雷达不等精度加权平均凝聚
        3.7.2 车载雷达组网系统中的加权平均凝聚仿真
    3.8 本章小结
第四章 目标跟踪数据处理技术
    4.1 目标跟踪的基本流程
    4.2 航迹起始
        4.2.1 两点外推法
        4.2.2 三点加速外推法
    4.3 数据关联算法
        4.3.1 最近邻数据关联
        4.3.2 概率数据关联
    4.4 目标跟踪算法
        4.4.1 卡尔曼滤波
        4.4.2 不敏卡尔曼滤波
    4.5 车载雷达组网系统的目标跟踪仿真
        4.5.1 凝聚后的跟踪仿真
        4.5.2 车载雷达组网系统跟踪航迹与单雷达航迹对比
    4.6 本章小结
第五章 总结与展望
    5.1 工作总结
    5.2 研究展望
致谢
参考文献
攻读硕士学位期间取得的成果

(10)分布式雷达多站检测序列规划设计(论文提纲范文)

摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 论文内容及组织安排
第二章 多站雷达信号级融合检测算法研究
    2.1 引言
    2.2 噪声已知条件下的多站雷达信号级融合检测算法
        2.2.1 信号模型
        2.2.2 基于奈曼-皮尔逊的检测算法推导
        2.2.3 仿真分析
    2.3 噪声未知条件下的多站雷达信号级融合检测算法
        2.3.1 噪声未知条件下的信号级融合检测算法
        2.3.2 仿真分析
    2.4 分布式雷达系统的探测距离范围
        2.4.1 信号模型
        2.4.2 仿真分析
    2.5 本章小结
第三章 重点搜索区域的空间划分
    3.1 引言
    3.2 多站条件下的空间区域划分方法
        3.2.1 基于雷达站最大平均增益损失的空间划分方法
        3.2.2 基于交叉定位精度的空间划分方法
        3.2.3 仿真分析
    3.3 本章小结
第四章 雷达站的波束驻留时间和脉冲发射时间规划
    4.1 引言
    4.2 雷达站的波束驻留时间规划
        4.2.1 雷达站的波束驻留时间规划方案
        4.2.2 仿真分析
    4.3 雷达站的脉冲发射时间规划
        4.3.1 雷达站的脉冲发射时间规划方案
        4.3.2 仿真分析
    4.4 本章小结
第五章 一个低通信量的分布式雷达目标探测处理架构
    5.1 引言
    5.2 基于最大巴氏距离的雷达信号数据量化方法
        5.2.1 信号模型
        5.2.2 仿真分析
    5.3 一个低通信量的分布式雷达信号融合检测目标处理架构
        5.3.1 分布式雷达低通信量信号融合探测目标处理方案
        5.3.2 仿真分析
    5.4 本章小结
第六章 结束语
    6.1 本文内容总结
    6.2 工作展望
参考文献
致谢
作者简介

四、一种分布式雷达网信息处理仿真平台(论文参考文献)

  • [1]车载分布式雷达相参处理方法研究[J]. 齐博文,梁灿,胡雪瑶,李阳,王彦华. 信号处理, 2022
  • [2]分布式多基地雷达目标定位方法研究[D]. 杨丽娟. 武汉大学, 2021(02)
  • [3]分布式雷达系统目标探测与GPU实现[D]. 姚舜禹. 电子科技大学, 2021(01)
  • [4]ISAR目标运动参数提取与成像算法研究[D]. 徐丹. 西安电子科技大学, 2020
  • [5]基于ZeroMQ的分布式雷达对抗仿真软件设计与实现[D]. 任思远. 西安电子科技大学, 2020(05)
  • [6]分布式雷达智能调度中的辅助决策技术研究[D]. 舒文江. 电子科技大学, 2020(07)
  • [7]分布式无人机杂波建模与目标检测定位方法研究[D]. 李常先. 西安电子科技大学, 2019(02)
  • [8]相控阵雷达及组网抗有源假目标与虚假航迹方法研究[D]. 赵源. 电子科技大学, 2019(01)
  • [9]车载多雷达数据融合技术研究[D]. 李红月. 电子科技大学, 2019(01)
  • [10]分布式雷达多站检测序列规划设计[D]. 左林虎. 西安电子科技大学, 2018(02)

标签:;  ;  ;  ;  ;  

猜你喜欢