位方法的雷达数据处理系统课件

1、基于单站无源定位方法的雷达数据处理系统 硕士研究生： 冯玮硕士生导师： 教授 2008年6月论文的主要研究内容在单站无源定位技术的基本原理之上，对无源异类多传感器的雷达数据处理（重点是ESM、激光和通讯三种无源侦察设备的数据融合）做一些探讨。论文研究的主要工作论文主要研究了载有ESM、激光和通讯三种无源侦察设备的侦察船在有海面杂波、电磁干扰、目标运动和侦察设备自身误差的情况下，实现异类传感器之间的数据融合、相互协作。从而对海面多个目标平台及所载辐射源实施跟踪，同时进行身份识别。仿真系统模拟了包含服从相应分布噪声的随机数模拟信号，在雷达关机的情况下,利用ESM采取方位/多普勒频率差联合方法（DO

2、A-DD）实现单站无源定位；引入一种新的滤波器粒子滤波器方法（Particle Filter, PF），对目标的原始定位结果进行滤波处理，以减弱测量噪声的影响，提高定位精度；采用方位和辐射源特征相结合的方法生成辐射源曲线；最后采用灰关联方法满足ESM与其它无源侦察设备方位曲线的实时匹配；采用加权最小二乘方法对关联数据实施融合。 研究背景国内外研究现状:国外：对目标的跟踪大都经历了确定性参数求解、最小二乘法及其变体、维纳滤波及其推广、卡尔曼滤波及其推广、非线性滤波的应用等几个发展阶段 。 国内：军方已提出对不同类传感器和多信息源的信息进行综合处理，以进行目标识别，但目前尚未实现这一点。 单站无源

3、定位和跟踪方法 无源定位的一般过程：辐射源信号参数测量参数方法估计方法观测模式数据采集测量方法计算过程辐射源位置参数辐射源信号参数数据方向测量法：方向测量数据和观测站自身位置数据 多普勒频率定位法：到达信号的频率 到达时间定位法 ：信号的到达时间 相对变化。方位/到达时间定位法 ：脉冲信号的到达方向（DOA）和脉冲到达时间（TOA）。测相位差变化率定位法 ：相位差变化率 测量参数方法单站无源定位和跟踪方法 （15）方位/多普勒频率差定位方法 （67）估计模式后验概率估计的方法对于非线性系统如果对于凸集上 的所有 ，都有 是正定的，则系统在上是完全可观测的。在式中，辐射源位置参数目标与辐射源之间

4、的相对运动速度。辐射源目标与观测平台之间的距离与方向角。单站无源定位技术的具体实现方法 1、测向定位法；2、到达时间定位法；3、多普勒频率定位法；4、方位/到达时间定位法；5、测相位差变化率定位法；6、测多普勒频率变化率定位法等；7、多普勒频率差（DD）定位法 ；8、方位/多普勒频率差定位 。 DOA-DD定位方法的可观测分析 （方位/多普勒频率差联合方法）由两次观测就可以完全估计出目标状态中的所有参数，唯一确定其位置和速度，可以看到目标的距离越小、相对运动速度越大、其可观测性越强。所采用的算法粒子滤波算法 粒子滤波技术是一种基于Bayes原理用粒子概率密度表示的序贯MonteCarlo模拟法

5、，适用于任何能用状态空间模型以及用传统卡尔曼滤波表示的非线性系统。 粒子滤波SIS算法是由重要密度函数获取支撑点，并随着测量值的依次到来迭代求得相应的权值，最终以其加权和表示后验概率密度，得到状态的估计值。 优点是：采样集中在高概率的区域，采样计算的过程也很简单，是一种非线性、非高斯系统递推贝叶斯估计。 系统中无源雷达多目标跟踪 多目标跟踪框图：系统中无源雷达数据关联 最近邻结合动态多因子关联 系统中无源雷达数据融合 灰关联融合方法 选取ESM探测平台的时间方位序列，样本点数为四个；将ESM探测的时间方位序列和其它无源侦察设备侦收的辐射源信号的时间方位序列进行时间对齐，使ESM的时间方位序列统一到各个无源侦察设备的时间方位序列。选取时间对齐后的ESM时间方位序列为参考序列；将其它无源侦察设备侦收的辐射源信号方位序列与参考序列相比，求其灰色绝对关联度并排序；按设定的阀值确定辐射源是否来自某一目标平台，从而将辐射源与所在平台捆绑在一起，用ESM的时间方位序列来融合辐射源的时间方位序列。 加权最小二乘融合方法 无源雷达数据处理仿真系统 仿真系统设计图 仿真结果 1、不同无源定位跟踪方法的仿真结果比较 （A）测向定位法（ BO）定位轨迹 （B）多普勒频率 差定位法 （DD）定位轨迹 （C）方位/多普勒频率差联合定位法