雷達(dá)數(shù)據(jù)處理及應(yīng)用（第四版）

目 錄
第1章 概述\t1
1．1 雷達(dá)數(shù)據(jù)處理的目的和意義\t1
1．2 雷達(dá)數(shù)據(jù)處理中的基本概念\t1
1．3 雷達(dá)數(shù)據(jù)處理器的設(shè)計(jì)要求\t8
1．4 雷達(dá)數(shù)據(jù)處理器的主要技術(shù)
指標(biāo)及評(píng)估\t10
1．5 雷達(dá)數(shù)據(jù)處理技術(shù)研究歷史
與現(xiàn)狀\t11
1．6 本書的范圍和概貌\t13
參考文獻(xiàn)\t18
第2章 參數(shù)估計(jì)\t22
2．1 引言\t22
2．2 參數(shù)估計(jì)的概念\t22
2．2．1 參數(shù)估計(jì)定義\t22
2．2．2 參數(shù)估計(jì)準(zhǔn)則\t24
2．3 四種基本參數(shù)估計(jì)方法\t24
2．4 估計(jì)性質(zhì)\t32
2．5 靜態(tài)向量情況下的參數(shù)估計(jì)\t35
2．6 小結(jié)\t39
參考文獻(xiàn)\t39
第3章 線性濾波方法\t41
3．1 引言\t41
3．2 卡爾曼濾波\t41
3．2．1 系統(tǒng)模型\t41
3．2．2 濾波模型\t46
3．2．3 卡爾曼濾波的初始化\t49
3．2．4 卡爾曼濾波算法應(yīng)用舉例\t51
3．2．5 卡爾曼濾波應(yīng)用中應(yīng)注意
的一些問題\t53
3．3 穩(wěn)態(tài)卡爾曼濾波\t54
3．3．1 濾波器穩(wěn)定的數(shù)學(xué)定義和
判斷方法\t54
3．3．2 隨機(jī)線性系統(tǒng)的可控制性
和可觀測(cè)性\t54
3．3．3 穩(wěn)態(tài)卡爾曼濾波\t55
3．4 常增益濾波\t56
3．4．1 ?-? 濾波\t57
3．4．2 自適應(yīng)?-? 濾波\t59
3．4．3 ?-? 濾波算法應(yīng)用舉例\t59
3．4．4 ?-?-? 濾波\t61
3．4．5 自適應(yīng)?-?-? 濾波\t61
3．4．6 線性濾波器性能比較\t62
3．5 Sage-Husa自適應(yīng)卡爾曼濾波\t62
3．6 H∞卡爾曼濾波\t63
3．7 變分貝葉斯濾波\t64
3．8 狀態(tài)估計(jì)的一致性檢驗(yàn)\t65
3．8．1 狀態(tài)估計(jì)誤差一致性檢驗(yàn)\t65
3．8．2 新息的一致性檢驗(yàn)\t65
3．8．3 新息的白色檢驗(yàn)\t66
3．8．4 濾波器一致性檢驗(yàn)應(yīng)用
舉例\t66
3．9 小結(jié)\t67
參考文獻(xiàn)\t67
第4章 非線性濾波方法\t70
4．1 引言\t70
4．2 擴(kuò)展卡爾曼濾波\t70
4．2．1 系統(tǒng)模型\t70
4．2．2 濾波模型\t71
4．2．3 線性化EKF濾波的誤差
補(bǔ)償\t73
4．2．4 EKF應(yīng)用舉例\t74
4．2．5 EKF應(yīng)用中應(yīng)注意的問題\t77
4．3 不敏卡爾曼濾波\t77
4．3．1 不敏變換\t78
4．3．2 濾波模型\t78
4．3．3 仿真分析\t79
4．4 粒子濾波\t82
4．4．1 濾波模型\t82
4．4．2 EKF、UKF、PF濾波算法
性能分析\t84
4．5 平滑變結(jié)構(gòu)濾波\t86
4．6 小結(jié)\t88
參考文獻(xiàn)\t89
第5章 量測(cè)數(shù)據(jù)預(yù)處理技術(shù)\t92
5．1 引言\t92
5．2 時(shí)間配準(zhǔn)\t92
5．3 空間配準(zhǔn)\t94
5．3．1 坐標(biāo)系\t94
5．3．2 坐標(biāo)變換\t97
5．3．3 常用坐標(biāo)系間的變換
關(guān)系\t99
5．3．4 常用坐標(biāo)系中的跟蹤
問題\t103
5．3．5 跟蹤坐標(biāo)系與濾波狀態(tài)
變量選擇\t110
5．4 野值剔除\t110
5．4．1 野值的定義、成因及
分類\t111
5．4．2 野值的判別方法\t112
5．5 雷達(dá)誤差標(biāo)校\t112
5．6 數(shù)據(jù)壓縮\t113
5．6．1 單雷達(dá)數(shù)據(jù)壓縮\t113
5．6．2 多雷達(dá)數(shù)據(jù)壓縮\t114
5．7 小結(jié)\t116
參考文獻(xiàn)\t117
第6章 多目標(biāo)跟蹤中的航跡起始\t119
6．1 引言\t119
6．2 航跡起始波門的形狀和尺寸\t119
6．2．1 環(huán)形波門\t120
6．2．2 橢圓（球）波門\t120
6．2．3 矩形波門\t121
6．2．4 扇形波門\t122
6．3 航跡起始算法\t122
6．3．1 直觀法\t122
6．3．2 邏輯法\t123
6．3．3 修正的邏輯法\t124
6．3．4 Hough變換法\t125
6．3．5 修正的Hough變換法\t127
6．3．6 基于Hough變換和邏輯的
航跡起始算法\t128
6．3．7 基于速度約束的改進(jìn)Hough
變換航跡起始算法\t128
6．3．8 基于聚類和Hough變換的編
隊(duì)目標(biāo)航跡起始算法\t129
6．3．9 被動(dòng)雷達(dá)航跡起始算法\t131
6．4 航跡起始算法綜合分析\t132
6．5 航跡起始中的有關(guān)問題
討論\t135
6．6 小結(jié)\t135
參考文獻(xiàn)\t136
第7章 多目標(biāo)數(shù)據(jù)互聯(lián)算法\t138
7．1 引言\t138
7．2 聯(lián)合極大似然算法\t138
7．2．1 基本原理\t138
7．2．2 應(yīng)用舉例\t140
7．3 最近鄰算法\t142
7．3．1 最近鄰算法\t142
7．3．2 概率最近鄰算法\t142
7．3．3 性能分析\t143
7．4 概率數(shù)據(jù)互聯(lián)（PDA）
算法\t144
7．4．1 狀態(tài)更新與協(xié)方差更新\t144
7．4．2 互聯(lián)概率計(jì)算\t146
7．4．3 修正的PDAF算法\t148
7．4．4 性能分析\t149
7．5 綜合概率數(shù)據(jù)互聯(lián)算法
（IPDA）\t152
7．5．1 航跡存在性判斷\t152
7．5．2 數(shù)據(jù)互聯(lián)\t154
7．6 聯(lián)合概率數(shù)據(jù)互聯(lián)算法
（JPDA）\t154
7．6．1 JPDA算法的基本模型\t154
7．6．2 聯(lián)合事件概率的計(jì)算\t158
7．6．3 狀態(tài)估計(jì)協(xié)方差的計(jì)算\t160
7．6．4 簡(jiǎn)化的JPDA算法模型\t162
7．6．5 性能分析\t164
7．7 全鄰模糊聚類數(shù)據(jù)互聯(lián)
算法\t165
7．7．1 確認(rèn)矩陣的建立\t165
7．7．2 有效回波概率計(jì)算\t166
7．7．3 性能分析\t169
7．8 最優(yōu)貝葉斯算法\t170
7．8．1 最優(yōu)貝葉斯算法模型\t170
7．8．2 算法的次優(yōu)實(shí)現(xiàn)\t171
7．9 多假設(shè)跟蹤算法\t172
7．9．1 假設(shè)的產(chǎn)生\t172
7．9．2 概率計(jì)算\t172
7．10 性能分析\t174
7．11 小結(jié)\t175
參考文獻(xiàn)\t175
第8章 多目標(biāo)智能跟蹤方法\t178
8．1 引言\t178
8．2 航跡智能預(yù)測(cè)技術(shù)\t178
8．2．1 模型研究\t179
8．2．2 典型方法\t182
8．2．3 實(shí)驗(yàn)驗(yàn)證\t182
8．3 點(diǎn)航智能關(guān)聯(lián)技術(shù)\t189
8．3．1 模型研究\t189
8．3．2 實(shí)驗(yàn)驗(yàn)證\t192
8．4 航跡智能濾波技術(shù)\t197
8．4．1 問題描述\t197
8．4．2 端到端學(xué)習(xí)的可行性分析\t198
8．4．3 循環(huán)卡爾曼神經(jīng)網(wǎng)絡(luò)模型\t201
8．4．4 RKNN網(wǎng)絡(luò)訓(xùn)練\t203
8．4．5 RKNN網(wǎng)絡(luò)測(cè)試與仿真
驗(yàn)證\t205
8．5 小結(jié)\t210
參考文獻(xiàn)\t210
第9章 中斷航跡接續(xù)關(guān)聯(lián)方法\t213
9．1 引言\t213
9．2 問題描述\t213
9．3 傳統(tǒng)方法\t214
9．3．1 交互式多模型（IMM）中斷
航跡接續(xù)關(guān)聯(lián)算法\t214
9．3．2 多假設(shè)運(yùn)動(dòng)模型中斷航跡接
續(xù)關(guān)聯(lián)算法\t215
9．3．3 模糊航跡相似性度量\t217
9．4 神經(jīng)網(wǎng)絡(luò)智能方法\t219
9．4．1 判別式中斷航跡接續(xù)關(guān)聯(lián)
方法\t219
9．4．2 生成式中斷航跡接續(xù)關(guān)聯(lián)方法\t223
9．4．3 圖表示中斷航跡接續(xù)關(guān)聯(lián)
方法\t227
9．4．4 仿真分析\t231
9．5 小結(jié)\t236
參考文獻(xiàn)\t236
第10章 機(jī)動(dòng)目標(biāo)跟蹤算法\t240
10．1 引言\t240
10．2 目標(biāo)典型機(jī)動(dòng)形式\t241
10．3 具有機(jī)動(dòng)檢測(cè)的跟蹤算法\t243
10．3．1 可調(diào)白噪聲模型\t243
10．3．2 變維濾波算法\t244
10．3．3 輸入估計(jì)算法\t245
10．4 自適應(yīng)跟蹤算法\t247
10．4．1 修正的輸入估計(jì)算法\t247
10．4．2 Singer模型跟蹤算法\t249
10．4．3 當(dāng)前統(tǒng)計(jì)模型算法\t252
10．4．4 Jerk模型跟蹤算法\t253
10．4．5 多模型算法\t255
10．4．6 交互式多模型算法\t256
10．5 機(jī)動(dòng)目標(biāo)跟蹤算法性能
比較\t259
10．5．1 仿真環(huán)境\t260
10．5．2 結(jié)果分析\t261
10．6 小結(jié)\t265
參考文獻(xiàn)\t266
第11章 群目標(biāo)跟蹤算法\t269
11．1 引言\t269
11．2 群定義與群分割\t269
11．2．1 群定義\t269
11．2．2 群分割\t270
11．3 中心類群航跡起始\t272
11．3．1 群互聯(lián)\t272
11．3．2 群速度估計(jì)\t273
11．4 群目標(biāo)灰色精細(xì)航跡
起始\t276
11．4．1 群的預(yù)分割和預(yù)互聯(lián)\t277
11．4．2 群內(nèi)目標(biāo)灰色精細(xì)
互聯(lián)\t277
11．4．3 群內(nèi)航跡的確認(rèn)\t280
11．4．4 群目標(biāo)狀態(tài)矩陣的建立\t281
11．4．5 算法仿真驗(yàn)證與分析\t281
11．4．6 討論\t287
11．5 中心類群目標(biāo)跟蹤\t288
11．5．1 群航跡起始、確認(rèn)和
撤銷\t289
11．5．2 群航跡更新\t289
11．5．3 相關(guān)問題的實(shí)現(xiàn)\t291
11．6 編隊(duì)群目標(biāo)跟蹤\t292
11．6．1 編隊(duì)群目標(biāo)跟蹤概述\t292
11．6．2 編隊(duì)群目標(biāo)跟蹤邏輯
描述\t295
11．7 群目標(biāo)跟蹤性能分析\t296
11．7．1 仿真環(huán)境\t296
11．7．2 仿真結(jié)果分析\t297
11．8 小結(jié)\t299
參考文獻(xiàn)\t300
第12章 空間多目標(biāo)跟蹤與軌跡
預(yù)報(bào)\t303
12．1 引言\t303
12．2 空間目標(biāo)系統(tǒng)模型\t303
12．2．1 基于空間動(dòng)力學(xué)方程約束
的狀態(tài)方程\t304
12．2．2 量測(cè)方程\t305
12．3 空間多目標(biāo)數(shù)據(jù)互聯(lián)\t306
12．4 動(dòng)力學(xué)方程約束的空間目標(biāo)
跟蹤\t308
12．5 空間目標(biāo)軌跡預(yù)報(bào)\t310
12．5．1 軌跡預(yù)報(bào)初值點(diǎn)獲取\t310
12．5．2 ECI坐標(biāo)系下歐拉方程
外推預(yù)報(bào)\t311
12．5．3 龍格-庫(kù)塔積分預(yù)報(bào)法\t312
12．6 仿真分析\t313
12．6．1 仿真環(huán)境\t313
12．6．2 空間多目標(biāo)跟蹤結(jié)果
分析\t313
12．6．3 空間目標(biāo)軌跡預(yù)報(bào)結(jié)果
分析\t315
12．7 小結(jié)\t316
參考文獻(xiàn)\t317
第13章 多目標(biāo)跟蹤終結(jié)理論與航跡
管理\t320
13．1 引言\t320
13．2 多目標(biāo)跟蹤終結(jié)理論\t320
13．2．1 序列概率比檢驗(yàn)（SPRT）
算法\t320
13．2．2 跟蹤波門方法\t321
13．2．3 代價(jià)函數(shù)法\t322
13．2．4 Bayes算法\t323
13．2．5 全鄰Bayes算法\t324
13．2．6 算法性能分析\t324
13．3 航跡管理\t326
13．3．1 航跡號(hào)管理\t326
13．3．2 航跡質(zhì)量管理\t328
13．3．3 信息融合系統(tǒng)中的航跡
文件管理\t333
13．4 小結(jié)\t334
參考文獻(xiàn)\t335
第14章 無源雷達(dá)數(shù)據(jù)處理\t337
14．1 引言\t337
14．2 有源與無源雷達(dá)比較分析\t337
14．3 單站無源定位與跟蹤\t339
14．3．1 相位變化率法\t340
14．3．2 多普勒變化率和方位聯(lián)合
定位\t341
14．3．3 多普勒變化率和方位、俯
仰聯(lián)合定位\t342
14．3．4 基于修正極坐標(biāo)的被動(dòng)
跟蹤\t343
14．3．5 基于多模型的被動(dòng)跟蹤\t347
14．3．6 性能分析\t350
14．4 多站無源定位與跟蹤\t351
14．4．1 純方位無源定位\t351
14．4．2 時(shí)差無源定位\t353
14．4．3 掃描輻射源的時(shí)差無源
定位與跟蹤\t356
14．5 無源雷達(dá)的最優(yōu)布站\t365
14．5．1 定位模糊橢圓面積\t366
14．5．2 利用拉格朗日乘子法求
解條件極值\t367
14．5．3 定位模糊橢圓面積最小準(zhǔn)
則下的最優(yōu)布站\t372
14．6 無源雷達(dá)屬性數(shù)據(jù)關(guān)聯(lián)\t373
14．7 小結(jié)\t374
參考文獻(xiàn)\t374
第15章 脈沖多普勒雷達(dá)數(shù)據(jù)
處理\t377
15．1 引言\t377
15．2 PD雷達(dá)系統(tǒng)概述\t377
15．2．1 PD雷達(dá)的特點(diǎn)\t377
15．2．2 PD雷達(dá)跟蹤系統(tǒng)\t378
15．3 PD雷達(dá)跟蹤的典型算法\t379
15．3．1 最佳距離-速度互耦跟蹤
算法\t379
15．3．2 高重頻微弱目標(biāo)跟蹤
算法\t381
15．3．3 帶Doppler量測(cè)的濾波
算法\t388
15．4 PD雷達(dá)數(shù)據(jù)處理算法性能
分析\t394
15．4．1 高重頻微弱目標(biāo)跟蹤算法
性能分析\t394
15．4．2 帶Doppler量測(cè)的濾波算法
性能分析\t397
15．5 PD雷達(dá)應(yīng)用舉例\t402
15．5．1 氣象PD雷達(dá)\t402
15．5．2 機(jī)載火控雷達(dá)\t403
15．5．3 機(jī)載預(yù)警雷達(dá)\t403
15．5．4 陸/艦基防空雷達(dá)\t404
15．6 小結(jié)\t404
參考文獻(xiàn)\t404
第16章 相控陣?yán)走_(dá)數(shù)據(jù)處理\t407
16．1 引言\t407
16．2 相控陣?yán)走_(dá)的特點(diǎn)\t407
16．3 相控陣?yán)走_(dá)系統(tǒng)結(jié)構(gòu)及工作
過程\t408
16．3．1 相控陣?yán)走_(dá)系統(tǒng)結(jié)構(gòu)\t408
16．3．2 相控陣?yán)走_(dá)工作流程\t409
16．4 相控陣?yán)走_(dá)自適應(yīng)采樣周期
目標(biāo)跟蹤\t410
16．4．1 自適應(yīng)采樣周期常增益
濾波\t411
16．4．2 自適應(yīng)采樣周期交互多模型
濾波\t412
16．4．3 預(yù)測(cè)協(xié)方差門限法\t413
16．5 相控陣?yán)走_(dá)實(shí)時(shí)任務(wù)調(diào)度
策略\t414
16．5．1 調(diào)度的影響因素\t414
16．5．2 模板調(diào)度策略\t415
16．5．3 自適應(yīng)調(diào)度策略\t416
16．6 自適應(yīng)采樣周期目標(biāo)跟蹤
算法性能分析\t418
16．6．1 仿真環(huán)境與參數(shù)設(shè)置\t418
16．6．2 仿真結(jié)果與分析\t420
16．6．3 比較與討論\t421
16．7 小結(jié)\t422
參考文獻(xiàn)\t422
第17章 雷達(dá)組網(wǎng)誤差配準(zhǔn)算法\t425
17．1 引言\t425
17．2 系統(tǒng)誤差構(gòu)成及影響\t425
17．2．1 系統(tǒng)誤差構(gòu)成\t425
17．2．2 系統(tǒng)誤差影響\t426
17．3 固定雷達(dá)誤差配準(zhǔn)算法\t428
17．3．1 已知目標(biāo)位置誤差配準(zhǔn)\t428
17．3．2 實(shí)時(shí)質(zhì)量控制（RTQC）
算法\t429
17．3．3 最小二乘（LS）算法\t431
17．3．4 廣義最小二乘（GLS）
算法\t431
17．3．5 擴(kuò)展廣義最小二乘（ECEF-
GLS）算法\t433
17．3．6 仿真分析\t436
17．4 機(jī)動(dòng)雷達(dá)誤差配準(zhǔn)算法\t438
17．4．1 機(jī)動(dòng)雷達(dá)系統(tǒng)建模
方法\t439
17．4．2 目標(biāo)位置已知的機(jī)動(dòng)雷達(dá)
配準(zhǔn)算法\t441
17．4．3 機(jī)動(dòng)雷達(dá)最大似然配準(zhǔn)
（MLRM）算法\t444
17．4．4 聯(lián)合擴(kuò)維誤差配準(zhǔn)（ASR）
算法\t450
17．4．5 仿真分析\t450
17．5 目標(biāo)狀態(tài)抗差估計(jì)方法\t453
17．5．1 系統(tǒng)描述\t454
17．5．2 抗差估計(jì)\t455
17．5．3 仿真實(shí)驗(yàn)\t457
17．6 小結(jié)\t459
參考文獻(xiàn)\t460
第18章 雷達(dá)組網(wǎng)數(shù)據(jù)處理\t462
18．1 引言\t462
18．2 雷達(dá)網(wǎng)的設(shè)計(jì)與分析\t462
18．2．1 雷達(dá)網(wǎng)性能評(píng)價(jià)指標(biāo)\t462
18．2．2 雷達(dá)網(wǎng)優(yōu)化布站\t464
18．2．3 從抗干擾原則出發(fā)進(jìn)行
雷達(dá)布站仿真\t468
18．2．4 雷達(dá)組網(wǎng)應(yīng)用舉例\t470
18．3 單基地雷達(dá)組網(wǎng)數(shù)據(jù)處理\t475
18．3．1 單基地雷達(dá)組網(wǎng)數(shù)據(jù)處理
流程\t475
18．3．2 單基地雷達(dá)組網(wǎng)的狀態(tài)
估計(jì)\t476
18．4 雙基地雷達(dá)組網(wǎng)數(shù)據(jù)處理\t478
18．4．1 雙基地雷達(dá)的基本定位
關(guān)系\t478
18．4．2 雙基地雷達(dá)組合估計(jì)\t480
18．4．3 雙基地雷達(dá)組合估計(jì)可行
性分析\t481
18．4．4 雙基地MIMO雷達(dá)
技術(shù)\t484
18．5 多基地雷達(dá)組網(wǎng)數(shù)據(jù)處理\t485
18．5．1 多基地雷達(dá)數(shù)據(jù)處理
流程\t485
18．5．2 多基地雷達(dá)數(shù)據(jù)處理
方法\t486
18．6 雷達(dá)組網(wǎng)航跡關(guān)聯(lián)\t487
18．6．1 經(jīng)典航跡關(guān)聯(lián)方法\t487
18．6．2 航跡抗差關(guān)聯(lián)方法\t489
18．7 小結(jié)\t490
參考文獻(xiàn)\t490
第19章 雷達(dá)數(shù)據(jù)處理性能評(píng)估\t493
19．1 引言\t493
19．2 有關(guān)名詞術(shù)語\t493
19．3 數(shù)據(jù)關(guān)聯(lián)性能評(píng)估\t495
19．3．1 平均航跡起始時(shí)間\t495
19．3．2 航跡累積中斷次數(shù)\t495
19．3．3 航跡關(guān)聯(lián)概率\t496
19．3．4 航跡模糊度\t496
19．4 跟蹤濾波性能評(píng)估\t497
19．4．1 航跡精度\t497
19．4．2 跟蹤機(jī)動(dòng)目標(biāo)能力\t498
19．4．3 虛假航跡比例\t498
19．4．4 發(fā)散度\t499
19．4．5 有效性\t500
19．5 雷達(dá)網(wǎng)數(shù)據(jù)融合性能評(píng)估\t502
19．5．1 雷達(dá)覆蓋范圍重疊度\t502
19．5．2 航跡容量\t502
19．5．3 雷達(dá)網(wǎng)發(fā)現(xiàn)概率\t502
19．5．4 雷達(dá)網(wǎng)響應(yīng)時(shí)間\t503
19．6 雷達(dá)數(shù)據(jù)處理算法的評(píng)估
方法\t503
19．6．1 Monte Carlo方法\t503
19．6．2 解析法\t504
19．6．3 半實(shí)物仿真方法\t504
19．6．4 試驗(yàn)驗(yàn)證法\t505
19．7 小結(jié)\t505
參考文獻(xiàn)\t505
第20章 雷達(dá)數(shù)據(jù)處理的實(shí)際
應(yīng)用\t507
20．1 引言\t507
20．2 在船用導(dǎo)航雷達(dá)中的
應(yīng)用\t507
20．2．1 組成要求\t507
20．2．2 處理過程\t509
20．2．3 典型實(shí)例\t513
20．3 在AIS和ADS-B系統(tǒng)中的
應(yīng)用\t515
20．3．1 AIS系統(tǒng)\t515
20．3．2 ADS-B系統(tǒng)\t516
20．3．3 處理過程\t517
20．3．4 典型實(shí)例\t520
20．4 在海上信息中心的應(yīng)用\t521
20．4．1 功能組成\t522
20．4．2 處理過程\t522
20．4．3 典型實(shí)例\t524
20．5 在對(duì)空監(jiān)視系統(tǒng)中的應(yīng)用\t526
20．5．1 處理結(jié)構(gòu)\t526
20．5．2 處理過程\t527
20．5．4 演示驗(yàn)證\t528
20．6 小結(jié)\t529
參考文獻(xiàn)\t530
第21章 回顧、建議與展望\t532
21．1 引言\t532
21．2 研究成果回顧\t532
21．3 問題與建議\t535
21．4 研究方向展望\t537
參考文獻(xiàn)\t539
英文縮略語\t542