研讨式组训法在雷达指挥训练中的运用探索实践

研讨式组训法是适应现代战争特点,符合雷达指挥战时训练需求的训练方法。有效实施研讨式组训法必将推动海军雷达兵部队战斗力的不断提高。本文简要介绍了研讨式组训法的实施方法,分析目前实施过程中存在的不足,提出了改进完善研讨式组训法的主要工作。     

探地雷达在公路改扩建工程检测中的应用

公路改扩建工程在广东省正处于快速发展时期,如何准确得到路面病害情况,是旧路处治方案制定面临的主要问题.依托开阳高速改扩建工程,采用三维探地雷达对旧路进行病害检测,得到道路表面及内部的病害分布情况,并分别与人工徒步调查路况及开挖后内部实际情况进行比对.结果表明:当三维探地雷达检测采样间距设置为2.0 cm、驻波时间设置为0.6 ms、时窗设置为85 ns时,可达到较好的检测精准度;三维探地雷达可实现对路面结构内部不同深度位置的裂缝病害进行探测,精确识别3 mm宽裂缝,并了解裂缝的发展方向及性质.     

一种提高车载毫米波雷达天线隔离度的方法

本文提出了一种用于连续波雷达中增加收发天线隔离度的方法。通过在收发天线间适当的位置增加一个虚元的方式,简单有效的提高了收发天线间同频的隔离度。该方法是基于天线电路模型中接收天线有效匹配时,不但接收空间电磁能量,并且同时在辐射电磁能量的特点,控制虚元二次辐射来自发射天线的电磁波到达接收天线的幅相,使之与由发射天线直接到达接收天线的同频电磁波达到幅度接近,相位相反从而相互抵消,提高了收发天线间的隔离度。此种方法在天线孔径尺寸有限的情况下具有明显的效果,在本文的案例中,收发天线隔离度相对于没有虚元的情况下提高了9dB。     

电气化铁路影响下二次雷达的电磁环境评估分析

为探究电气化铁路对二次雷达的电磁环境影响程度。分析了二次雷达的电磁环境要求;对动车的锚段关节、牵变所、分区所等典型位置,利用电磁干扰接收机进行点频测试,得到了其在二次雷达下行工作频率下的电磁辐射特性;应用电磁传播理论,以电气化铁路垂直穿越航空器下滑道为例,理论分析了典型位置电磁辐射对二次雷达的影响。根据GB 6364航向信标防护率要求,结合典型位置实测数据,进行了电磁兼容预测。结果表明:当电气化铁路满足二次雷达场地保护要求时,电气化铁路不会影响二次雷达的正常工作。研究结果能给电气化铁路和民用航空机场区域的电磁兼容问题提供建议和数据支撑。     

探地雷达在民防工程隐患整治中的应用——以上海市退出民防序列工程为例

文章简述了探地雷达的基本原理,并通过上海市退出民防序列工程隐患整治工程应用实例,分析了地下防空洞呈现的电磁波反射异常特征,从而准确定位地下防空洞的位置,为后续地下防空洞的评估和整治提供依据.     

较差质量数据下的返回弹道计算及对落点影响的分析

针对某老式卫星返回时雷达跟踪数据曾发生的测量异常及质量较差等情况，为解决此类数据在返回弹道及落点计算中出现的实际困难以及给出应对措施，基于工程实际情况给出了三种不同建模类型下的弹道计算方法——当前统计解耦扩展卡尔曼滤波（EKF）、动力学建模无迹卡尔曼滤波（UKF）、多项式滑窗最小二乘估计算法，并应用该次质量较差的实际观测数据进行了算法应用效果分析与落点计算情况对比，对计算中的经验及教训进行了总结。研究结果表明，所给出的三种算法在面对较差质量数据时性能差异较大，在工程实际应用中可考虑将多种算法互为参考。研究结果及其经验教训对卫星返回弹道及落点的实时估计的工程实施有一定的参考价值。     

基于PRI信息的雷达脉冲信号分选技术研究综述

基于脉冲重复间隔（Pulse Repetition Interval，PRI）信息的雷达脉冲信号分选是电子侦察信号处理中的核心关键技术之一。以公开文献资料为来源，从直接搜索判定分选、直方图统计分选、PRI变换分选、平面变换分选、多方法综合应用等多个方面对该技术方向上的各种方法的原理、流程、特点、适用条件等进行了分类对比与归纳总结，指出了其所面临的巨大挑战，展现了其未来的发展趋势，为该方向上技术研究的深入推进与工程应用的优化推广提供了重要参考。     

基于车辆数据的k近邻联合概率数据关联算法

在交通场景中采用一些预警措施能够有效地减少交通事故发生。例如，对车辆轨迹进行跟踪并预测车辆的驾驶行为，就是一个常用的预警方法。在对车辆进行跟踪的过程中，数据关联是很重要的部分，它可以对车辆的观测点和轨迹进行关联，从而更新车辆的轨迹，完成跟踪过程。在此背景下，提出了一种新的数据关联算法，即k近邻联合概率数据关联算法(k Nearest Neighbor-Joint Probability Data Association,kNN-JPDA)。实验结果表明，该算法能够较好地解决在交通场景下车辆数据的数据关联问题，在精度以及运行效率方面都有所提高。     

一种基于微波雷达回波信号的车型分类方法

车辆类型识别方法是智能交通系统的关键技术之一。利用深度学习的高维特征泛化学习能力，将改进的LeNet-5卷积神经网络用于基于交通微波雷达的大小车型分类识别。首先，以雷达触发前的N帧信号为基础，对雷达的回波信号进行分析并构建数据集；然后，分析LeNet-5卷积神经网络的特点；最后提出一种改进的LeNet-5卷积神经网络。实验结果表明，与传统的支持向量机方法相比，所提方法能够智能学习大小车的雷达时频信号特征，大小车型识别准确率达到97%以上，可为交通场景下的车型识别研究提供新的技术途径。