高脉冲重复频率雷达弱小机动多目标TBD技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61671462
  • 项目类别:
    面上项目
  • 资助金额:
    58.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0112.雷达原理与技术
  • 结题年份:
    2020
  • 批准年份:
    2016
  • 项目状态:
    已结题
  • 起止时间:
    2017-01-01 至2020-12-31

项目摘要

To solve the problems of multiple weak maneuvering targets detection and tracking with the high pulse repetition frequency(HPRF) radar, a HPRF radar multiple weak targets TBD method is studied, which can realize the reliable detection and stable tracking of multiple weak maneuvering targets with range ambiguity. The main contents include: 1) aiming at the problem that the TBD can not accumulate effectively due to range ambiguity and targets maneuvering, a probability hypothesis density filter(PHDF) based HPRF radar multiple weak maneuvering targets TBD method is proposed, which overcomes the drawbacks that the existing methods can not effectively detect and track multiple weak maneuvering targets with range ambiguity; 2) aiming at the problem that targets will be extended to multiple range resolution units due to range ambiguity and high range resolution, a PHDF and consanguineus targes fusion based HPRF radar multiple weak maneuvering targets TBD is proposed, which solves the problems such as wrong targets number estimation and low target tracking accuracy of weak maneuvering targets with range ambiguity; 3) aiming at the problem that the out of sequence measurements do not match the current states of targets due to range ambiguity and target number uncertainty, a PHDF and sub-measurement updating based HPRF radar multiple weak maneuvering targets adaptive TBD is proposed, which enables the multiple radars joint detection and tracking system effectively utilizing and directly updating out of sequence measurements with range ambiguity.
针对高脉冲重复频率(HPRF)雷达检测和跟踪弱小机动多目标存在的难点问题,研究HPRF雷达弱小机动多目标检测前跟踪(TBD)技术,实现测距模糊下对弱小机动多目标的有效检测和稳健跟踪。主要包括:1)针对测距模糊和目标机动造成TBD无法有效积累的问题,提出基于概率假设密度滤波(PHDF)的HPRF雷达弱小机动多目标TBD方法,解决测距模糊下现有方法难以有效检测和跟踪弱小机动多目标的不足;2)针对测距模糊和距离分辨较高时目标会扩展到多个距离分辨单元的问题,提出基于PHDF和“同源”目标融合的HPRF雷达弱小机动多目标TBD方法,解决测距模糊下弱小机动多目标个数估计不准、跟踪精度较差的难题;3)针对测距模糊和目标个数不确定造成乱序观测和当前目标状态无法匹配的问题,提出基于PHDF和子量测更新的HPRF雷达弱小机动多目标自适应TBD方法,实现测距模糊下多雷达系统乱序观测的有效利用和直接更新。

结项摘要

针对高脉冲重复频率(HPRF)雷达检测跟踪弱小机动多目标存在的难点问题,研究了HPRF雷达弱小机动多目标检测前跟踪(TBD)技术,实现测距模糊下对弱小机动多目标的有效检测和稳健跟踪。主要包括:1)研究了基于概率假设密度滤波(PHDF)的HPRF雷达弱小机动多目标TBD方法,解决了测距模糊和目标机动造成TBD无法有效积累的问题;2)研究了基于PHDF和“同源”目标融合的HPRF雷达弱小机动多目标TBD方法,解决了测距模糊下弱小机动多目标个数估计不准、跟踪精度较差的难题;3)研究了基于PHDF和子量测更新的HPRF雷达弱小机动多目标自适应TBD方法,实现测距模糊下多雷达系统乱序观测的有效利用和直接更新。项目组成员先后取得省部级科技进步一等奖1项、二等奖3项和三等奖1项,发表和录用相关学术论文31篇(其中7篇SCI收录,14篇EI收录),申请发明专利25项(其中20项已授权),授权软件著作权4项,培养博士1人,硕士4人。项目研究成果为多传感器系统实现多微弱目标的有效检测提供了理论支撑,对实际应用具有重要的参考意义。

项目成果

期刊论文数量(26)
专著数量(0)
科研奖励数量(5)
会议论文数量(5)
专利数量(25)
A hypersonic target coherent integration detection algorithm based on Doppler feedback
基于多普勒反馈的高超声速目标相干积分检测算法
  • DOI:
    10.21629/jsee.2020.01.10
  • 发表时间:
    2020
  • 期刊:
    Journal of Systems Engineering and Electronics
  • 影响因子:
    2.1
  • 作者:
    Li Lin;Wang Guohong;Sun Dianxing;Zhang Xiangyu
  • 通讯作者:
    Zhang Xiangyu
基于航迹平滑的PF微弱目标TBD算法
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    信息融合学报
  • 影响因子:
    --
  • 作者:
    谭顺成;李岳峰;于洪波
  • 通讯作者:
    于洪波
Hybrid Particle Filter Based Dynamic Compressed Sensing for Signal-Level Multitarget Tracking
基于混合粒子滤波器的信号级多目标跟踪动态压缩感知
  • DOI:
    10.1109/access.2020.2967550
  • 发表时间:
    2020-01-01
  • 期刊:
    IEEE ACCESS
  • 影响因子:
    3.9
  • 作者:
    Liu, Jing;Jiang, Xiaoyu;Ma, Chaoqun
  • 通讯作者:
    Ma, Chaoqun
A novel SMC-PHD filter based on particle compensation
一种基于粒子补偿的新型SMC-PHD滤波器
  • DOI:
    10.1007/s11771-017-3591-9
  • 发表时间:
    2017-08
  • 期刊:
    Journal of Central South University
  • 影响因子:
    4.4
  • 作者:
    Xu Cong an;He You;Yang Fu cheng;Jian Tao;Wang Hai peng;Li Tian mei
  • 通讯作者:
    Li Tian mei
基于多重判别的雷达网距离向多干扰目标鉴别
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    系统工程与电子技术
  • 影响因子:
    --
  • 作者:
    王国宏;吉喆
  • 通讯作者:
    吉喆

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

一种新的多传感器航迹关联算法
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    火力与指挥控制
  • 影响因子:
    --
  • 作者:
    陈中华;王国宏;谭顺成;刘德浩
  • 通讯作者:
    刘德浩
基于PHD滤波和数据关联的多目标跟踪
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    系统工程与电子技术
  • 影响因子:
    --
  • 作者:
    谭顺成;王国宏;王娜;贾舒宜
  • 通讯作者:
    贾舒宜
基于IMM的高脉冲重复频率雷达解距离模糊方法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    系统工程与电子技术
  • 影响因子:
    --
  • 作者:
    王娜;谭顺成;王国宏;刘兆磊
  • 通讯作者:
    刘兆磊
关于隐身目标检测与跟踪的几点思考
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    海军航空工程学院学报
  • 影响因子:
    --
  • 作者:
    刘卫华;谭顺成
  • 通讯作者:
    谭顺成
基于修正全局最近邻的有系统偏差的航迹关联算法
  • DOI:
    --
  • 发表时间:
    2011
  • 期刊:
    弹箭与制导学报
  • 影响因子:
    --
  • 作者:
    陈中华;王国宏;关成斌;谭顺成
  • 通讯作者:
    谭顺成

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码