当前位置:首页 > 物联网 > 《物联网技术》杂志
[导读]摘要:现代战争中,主战坦克等装甲车辆自身的防护能力直接关系到它在战场上的生存和作战能力。主动反击系统是一种超近距离主动防御系统,它可以在坦克、步兵战车以及重要目标、小型舰艇等周围的一定范围内形成一个主动火力防御区,以保护被攻击的目标。而探测雷达设备是否能够快速、精确地量测目标的距离、角度、速度等运动参数,是决定整个系统能否有效完成主动防御任务的先决条件。文中针对反坦克导弹、火箭弹等具有速度高、速度非匀速、机动,性高、目标散射面可变化等目标特征,探讨了实现该类目标探测的信号体制和在地杂波环境下信号的检测方法。

引言

在现代战争中,主战坦克等装甲车辆自身的防护能力直接关系到它在战场上的生存和作战能力。随着反坦克弹药效能的长足进步和大量扩散,单纯增加装甲厚度等传统的防御手段已难以抵消反装甲技术的发展。因此,世界各国都在积极地探索发展新的装甲车辆防护技术。

主动反击系统是一种超近距离主动防御系统,它的主要作战方式是基于自动探测设备并识别来袭的反坦克导弹和火箭弹,在来袭弹药距坦克一定距离上发射反击弹药并实现定时起爆,利用定向破片流拦截来袭弹药,使其战斗部件提前爆炸、引信失去起爆功能或破甲威力大幅度降低,从而达到保护坦克的目的。显然,探测雷达设备是否能够快速、精确地量测目标的距离、角度、速度等运动参数,是否具有目标识别能力和抗干扰能力,是否具有良好的电磁兼容性能和低截获概率特性,是决定整个系统能否有效完成主动防御任务的先决条件。

1弹丸目标特性

主动防护探测雷达设备探测的目标主要为反坦克导弹、火箭弹等高速弹丸目标。此类目标具有速度高、速度非匀速、机动性高、目标散射面具有变化等特征。高速目标具有比较高的多普勒频率反映到雷达信息的获取,这会导致速度的模糊以及距离速度耦合失配等现象,因此,选择合适的信号波形是解决这一问题的有效途径之一。由雷达方程可知,雷达散射面(RCS)的减缩变化对雷达的作用距离R的缩减呈现4次方根规律,即:

高速弹丸目标探测体制技术研究

式中,下标0为缩减前的参数,下标1为缩减后的参数。

高速弹丸目标一般具有飞行速度高、非匀速运动、单体旋转飞行等特征,因此,弹丸目标的 RCS 起伏特征服从自由度系数 k=2N 的|2分布模型。即


高速弹丸目标探测体制技术研究

式中,N为脉冲积累数目,V为RCS的平均值,V为RCS的随机变量。

2信号体制和地杂波影响

由上文可知,探测雷达与所探测目标特性是紧密相关的。要从目标回波中获取目标最多而且最确定的信息,就要求雷达性能及其参数一定要与雷达目标特性相互达到最佳匹配,同时还需要一定的杂波处理能力。图1所示是雷达检测目标的信号流程图。

图1  雷达检测目标的信号流程图

一般当发射波形为So(t)时,接收机的输入信号为:

高速弹丸目标探测体制技术研究

式中,k(t)为目标冲激响应函数。主动防护探测雷达设备的目标信息主要是速度、目标距离等信息。因此,当发射信号被散射后,目标冲激响应函数k(t)在散射信号中就会叠加目标速度信息和目标幅频信息。主动防护探测雷达采用带宽为20MHz的线性调频和点频相结合的信号体制,利用这种信号体制,可以解决目标多普勒速度和距离单元的配对问题。这是因为,如果利用纯三角调频信号,当目标速度比较高而且非匀速时,目标距离和速度将产生严重的耦合失配问题:另一方面,高速目标利用地较低的重复周期测速,也会产生速度模糊现象。为了在很短的系统响应时间内完成目标的检测,减轻处理器的运算复杂度,防护探测雷达一般采用调频模式测距和点频模式测速方式,图2所示是雷达单周期发射信号图。

高速弹丸目标探测体制技术研究

当接收系统的冲激响应函数为h(t)时,接收系统终端的输出信号为:

高速弹丸目标探测体制技术研究

当接收机输入端在接收到式⑶所指的目标信号的同时,也有地物环境杂波信号,这样,接收系统输出端的信号干扰比(信号S与机内噪声N加杂波C之比)为:

高速弹丸目标探测体制技术研究


式中,c(u‘)为环境与干扰杂波的自相关函数:No为机内平稳白噪声的功率普密度。

瞬息万变的战场特点,决定了主动防护系统面临的地物环境将更加复杂。而如何从各种杂波信号中提取出弹丸目标信号,则是防护探测雷达所面临的首要问题,即提高式(5)的信号干扰比。

在弹丸目标特性分析中,可以明确知道弹丸目标RCS的起伏变化导致信号幅度较明显的起伏变化。为了提高目标检测的信噪比,同时考虑到系统响应时间短的因素,主动防护探测雷达中可使用8点动目标检测MTD算法,信噪比大约可提高9dB左右。另一方面,由于弹丸目标高速度、非匀速等特征,会导致MTD动目标检测算法在抑制杂波的同时,造成目标信号的损失。为了更好地抑制地物等固定杂波,烘托小目标信号,探测雷达应同时使用杂波图功能。杂波图可认为是区域CFAR,用参考样本估计杂波(杂波剩余)电平,这些参考样本是先前单元检测中采集而来的,如图3所示。

实际上,每一个杂波图单元都落在其边界内(或附近)的雷达回波(或剩余杂波)会不断更新。为了保存记忆,单元可使用以下形式的简单递归滤波器来更新:

y(i)=(1-a)×y(i-1)+ax(i)(6)式中,y(i-1)为旧的杂波图幅度;y(i)为更新的杂波图幅度;x(i)是当前的雷达输出;常数a可决定递归滤波器的存储量。利用杂波图功能,可使探测雷达在不同地物环境下实现杂波门限的自适应调整,以便适合主动反击系统战场环境多样化的需求。

3结语

本文简要讨论了目标RCS和目标速度等目标特征,给出了针对此类目标特征所设计的匹配信号体制。最后结合目标RCS变化导致的信号起伏、目标速度高以及复杂地物杂波环境等特征,探讨了主动防护反击雷达系统所采取的部分信号检测方法。事实上,基于以上认识和方法的主动防护探测雷达在各类试验中性能稳定、能可靠地探测到高速弹丸目标。

20210914_6140476ba75d2__高速弹丸目标探测体制技术研究

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

语音识别模块是一种基于嵌入式技术的模块,主要用于将人类语音中的词语转换成计算机可读的格式,实现与主芯片的通讯。该模块通常包括语音识别芯片和其他附属电路,使得开发者能够方便地将其嵌入到各种智能化产品中,实现人机语音交互。

关键字: 语音识别 嵌入式技术

语音识别系统是一种将人类的口头语言转化为可处理的文本或指令的技术,是人机交互、智能设备和现代通信技术中的重要组成部分。其构建涉及多个复杂而精密的模块,每个部分都承担着不同的功能以确保准确无误地理解并转化语音信息。

关键字: 语音识别 声学处理

语音识别技术,作为人工智能领域的重要分支,近年来取得了显著的进步。它能够将人类语音转化为计算机可理解的文本或指令,为人们的生活和工作带来了极大的便利。那么,语音识别技术究竟可以做什么呢?本文将从多个角度探讨其应用与价值。

关键字: 语音识别 智能家居

今天,小编将在这篇文章中为大家带来机器学习的有关报道,通过阅读这篇文章,大家可以对它具备清晰的认识,主要内容如下。

关键字: 机器学习 TensorFlow PyTorch

语音识别作为人工智能领域的一项关键技术,其发展与应用日益普及,广泛应用于智能设备、自动驾驶、智能家居、在线客服等多种场景。随着技术的进步,尤其是深度学习的崛起,语音识别的方法不断演进和完善

关键字: 语音识别

语音识别是一门多学科交叉技术,它与声学、语音学、语言学、信息理论、模式识别理论以及神经生物学等学科都有非常密切的关系。它的任务主要是将语音信号转换成对应的文字。为了实现这一目标,语音识别系统通常包括特征提取、声学模型、语...

关键字: 语音识别 特征提取

语音识别控制系统是一种通过语音识别技术对电子设备进行控制的系统。它主要包括语音输入器、语音识别器和控制器等部分。当语音输入器接收到操作者的语音后,语音识别器会对语音信号进行分析和处理,将其转换为计算机可读的文本或命令。然...

关键字: 语音识别 语音控制

随着科技日新月异的进步,语音识别技术已成为人工智能领域的一项核心突破。这项技术旨在模拟人类听觉系统,通过复杂算法和模式识别手段将连续或离散的语音信号转换为可理解的文本或指令信息。本文深入探讨了语音识别技术在多个领域的广泛...

关键字: 语音识别 人工智能

在当今大数据和人工智能时代,机器学习作为核心的技术驱动力,正以前所未有的速度改变着我们的生活和工作方式。从基础的数据分析到复杂的决策支持系统,机器学习模型的成功构建和应用离不开一套严谨的流程。本文将详尽阐述机器学习过程中...

关键字: 机器学习 人工智能

机器学习作为人工智能领域的核心技术,其应用日益广泛,从搜索引擎优化到医疗诊断,从金融风控到自动驾驶等众多领域均发挥着重要作用。深入理解并掌握机器学习的关键步骤是成功构建高效模型和解决方案的基础。本文将详细阐述机器学习的主...

关键字: 机器学习 人工智能
关闭
关闭