雷达导引头 第1章

文章编号：1006-1576（2007）01-0003-02相控阵雷达导引头总体技术研究李秋生（赣南师范学院物理与电子信息学院，江西赣州 341000）摘要：相控阵雷达导引头具有波束扫描灵活、空间功率和时间资源分配可控等优点，具有有源/无源相控阵列组成形式。

前者每个天线单元用1个接收机和发射功率放大器，后者共用1个或几个发射机和接收机，采用时需综合考虑。

有源相控阵雷达导引头的组成有相控阵天线、波束控制计算机、T/R组件、激励器、功率分配器、波束形成网络、接收机、信号处理、数据处理、中央控制计算机等部分。

关键词：相控阵；雷达导引头；总体技术中图分类号：TJ765.331 文献标识码：ATotal Technique Research on Phased Array Radar SeekerLI Qiu-sheng(School of Physics & Electronic Information, Gannan Normal College, Ganzhou 341000, China) Abstract: Phased array radar seeker (PARS) has some merits such as agile beam scanning, controlled power & time resource allocation and so on. Its makeup has two forms such as active phased array and passive phased array. In the active phased array every antenna unit has a receiver and a transmitting power amplifier. However, all antenna units share one or several transmitters and receivers in the passive phased array. Comprehensive consideration is needed when choosing system schema. Active phased array radar seeker is made up of phased array antenna, beam control computer, T/R module, stimulator, power divider, beam forming network, receiver, signal processing, data processing and central control computer, etc.Keywords: Phased array; Radar seeker; Total technique0 引言相控阵雷达导引头具有灵活波束指向、可控空间功率及时间资源分配等特点。

雷达导引头技术特点分析摘要：本文就某功能雷达导引头制导性能进行简要分析与探索，在其目标特性的基础上进行了更加详尽的探索，进一步阐述导引头对信号类型及分辨的功能，尝试设计了导引头在地面及空中的工作内容及形式，并对其工作效果的精密性进行测定，在不断改进过程中使得其工作的精密度更高，探索出导引头制导性能有可能向更精确的方向发展。

关键词：雷达;导引头;制导性能引言：从经济角度来讲，对雷达目标最好的发现方式就是采用精密度较高且耗材较少，成本较低技术去实现。

SAR成像末制导体成本相对较高，且对数据、弹道及其他要求相对更为严苛。

因此，在此类工作当中并不适用。

本文以此为研究角度，首先通过信号分析对导引头进行信号形式的应用设计，而后进行工作内容具体形式的设计，通过仿真分析论证导引头的性能。

一、雷达导引头的信号分析雷达制导分为两类：雷达波束制导和雷达寻的制导。

雷达波束制导雷达波束制导系统由载机上的雷达、工作部上的接收装置和自动驾驶仪等组成。

载机上的圆锥扫描雷达向目标发射无线电波束并跟踪目标。

工作部发射后进入雷达波束，工作部尾部天线接收雷达波束的圆锥扫描射频信号，在工作部上确定工作部相对波束旋转轴（等强线）偏离的方向，形成俯仰和航向的控制信号，通过自动驾驶仪控制工作部沿等强线飞行。

等强线是指向目标的，故工作部飞向目标。

雷达寻的制导又称雷达自动导引，分为主动式雷达导引、半主动式雷达导引和被动式雷达导引三种。

(一)目标特性分析雷达末制导导引头主要在毫米波频段进行工作，其波长相比目标尺寸过于渺小，切在光学区进行工作，雷达信号在承接过程中将形成多个扩散中心，若通过宽带发射信号进行接收，将会使目标的回波距离包可多个反应目标的特性和特征，使得导引头可以更加轻松地对目标进行辨别。

如果在地面上遇到目标体相对较小的情况，雷达很难截获其发射的截面积，且受地形起伏树木及建筑物的影响，会使雷达的分辨系统更难以识别，导致目标的检测信号被淹没在噪声和其他波形当中。

雷达导引头概论雷达导引头（Radar Seeker Head）是一种用于制导和控制导弹、火箭弹等武器系统的关键部件。

本文将对雷达导引头的基本原理、结构和应用进行概论介绍。

一、导引头的基本原理雷达导引头采用雷达技术来实现目标探测、跟踪和制导。

其基本原理是利用雷达发射出的脉冲电磁波与目标反射回来的信号进行相互作用，通过分析和处理回波信号来获取目标的位置、速度等信息，进而实现导弹对目标的精确定位和跟踪。

二、导引头的结构雷达导引头一般由天线、发射器、接收器、信号处理器和制导计算机等组成。

天线负责发射和接收电磁波，发射器产生高功率的雷达脉冲信号，接收器接收和放大回波信号，信号处理器对接收到的信号进行滤波、放大、脉冲压缩等处理，制导计算机对处理后的信号进行目标跟踪和导引计算。

三、雷达导引头的应用雷达导引头广泛应用于各种导弹系统中，如空空导弹、地空导弹、舰空导弹等。

它通过高精度的目标探测和跟踪能力，提高了导弹的命中精度和战斗效能。

同时，雷达导引头也被用于地面反导系统、防空系统和火控系统等领域，发挥着重要的作用。

四、雷达导引头的发展趋势随着科技的不断进步，雷达导引头也在不断发展和改进。

一方面，导引头的体积不断缩小，重量不断减轻，以适应小型化、轻量化的武器平台需求。

另一方面，导引头的性能不断提高，包括探测距离的增加、目标识别能力的提高、抗干扰性的增强等。

此外，雷达导引头还在融合其他技术，如红外、激光等，以提高对复杂目标的识别和打击能力。

五、雷达导引头的挑战与展望虽然雷达导引头在导弹制导领域取得了显著的成就，但仍面临一些挑战。

首先是目标探测与识别难度的增加，尤其是对于低可探测目标和高速机动目标的处理。

其次是对抗电子干扰和隐身技术的挑战，如敌方使用干扰器、雷达反射涂层等手段。

此外，雷达导引头还需要在复杂的电磁环境中工作，如多雷达系统共存、频谱资源争夺等。

展望未来，雷达导引头仍将继续发展。

随着人工智能和机器学习等技术的发展，导引头的自主决策和智能化能力将不断提升。

第４５卷第４期２０２３年８月指挥控制与仿真ＣｏｍｍａｎｄＣｏｎｔｒｏｌ＆ＳｉｍｕｌａｔｉｏｎＶｏｌ ４５㊀Ｎｏ ４Ａｕｇ ２０２３文章编号：１６７３⁃３８１９（２０２３）０４⁃０１３２⁃０８雷达导引头目标跟踪波形选择熊芳勇１，２，王建涛２，黄㊀洁２，党同心２（１．中国人民解放军９４３２６部队，山东济南㊀２５００００；２．信息工程大学，河南郑州㊀４５０００１）摘㊀要：为研究末制导跟踪阶段雷达导引头的波形选择，提出了一种认知雷达导引头制导跟踪过程中的波形选择算法㊂首先，结合导引头制导和观测滤波模型，建立了雷达导引头波形选择的处理流程；其次，使用交互式多模型无迹卡尔曼滤波（ＩＭＭＵＫＦ）算法来解决非线性跟踪问题；基于最大互信息准则搜索波形参数使得跟踪误差最小㊂仿真结果表明，波形选择算法可以有效提高导引头跟踪精度，并提供更为平稳的制导过载㊂关键词：目标跟踪；认知雷达；导引头；波形选择中图分类号：ＴＪ７６５ ３３１㊀㊀㊀㊀文献标志码：Ａ㊀㊀㊀㊀ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３⁃３８１９．２０２３．０４．０２０ＷａｖｅｆｏｒｍｓｅｌｅｃｔｉｏｎｆｏｒｔａｒｇｅｔｔｒａｃｋｉｎｇｏｆｒａｄａｒｓｅｅｋｅｒＸＩＯＮＧＦａｎｇｙｏｎｇ１，２，ＷＡＮＧＪｉａｎＴａｏ２，ＨＵＡＮＧＪｉｅ２，ＤＡＮＧＴｏｎｇｘｉｎ２（１ Ｕｎｉｔ９４３２６ｏｆＰＬＡ，Ｊｉｎａｎ２５００００；２．ＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，Ｚｈｅｎｇｚｈｏｕ４５０００１，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｓｔｕｄｙｔｈｅｗａｖｅｆｏｒｍｓｅｌｅｃｔｉｏｎｏｆｒａｄａｒｓｅｅｋｅｒｉｎｔｈｅｔｅｒｍｉｎａｌｇｕｉｄａｎｃｅａｎｄｔｒａｃｋｉｎｇｐｈａｓｅ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｗａｖｅｆｏｒｍｓｅｌｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｉｎｔｈｅｇｕｉｄａｎｃｅａｎｄｔｒａｃｋｉｎｇｐｒｏｃｅｓｓｏｆｃｏｇｎｉｔｉｖｅｒａｄａｒｓｅｅｋｅｒ．Ｆｉｒｓｔｌｙ，ｗｅｅｓｔａｂｌｉｓｈｔｈｅｐｒｏｃｅｓｓｉｎｇｆｌｏｗｏｆｒａｄａｒｓｅｅｋｅｒｗａｖｅｆｏｒｍｓｅｌｅｃｔｉｏｎｂｙｃｏｍｂｉｎｉｎｇｔｈｅｓｅｅｋｅｒｇｕｉｄａｎｃｅａｎｄｏｂｓｅｒｖａｔｉｏｎｆｉｌｔｅｒｉｎｇｍｏｄｅｌｓ；Ｓｅｃｏｎｄｌｙ，ｗｅｕｓｅｔｈｅｉｎｔｅｒａｃｔｉｖｅｍｕｌｔｉｐｌｅｍｏｄｅｌｕｎｓｃｅｎｔｅｄＫａｌｍａｎｆｉｌｔｅｒ（ＩＭＭＵＫＦ）ａｌｇｏｒｉｔｈｍｔｏｓｏｌｖｅｔｈｅｎｏｎｌｉｎｅａｒｔｒａｃｋ⁃ｉｎｇｐｒｏｂｌｅｍ．Ｗｅｍｉｎｉｍｉｚｅｔｒａｃｋｉｎｇｅｒｒｏｒｂｙｓｅａｒｃｈｉｎｇｆｏｒｗａｖｅｆｏｒｍｐａｒａｍｅｔｅｒｓｂａｓｅｄｏｎｔｈｅｍａｘｉｍｕｍｍｕｔｕａｌｉｎｆｏｒｍａｔｉｏｎｃｒｉ⁃ｔｅｒｉｏｎ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｗａｖｅｆｏｒｍｓｅｌｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｃａｎｅｆｆｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅｔｈｅｓｅｅｋｅｒｔｒａｃｋｉｎｇａｃｃｕｒａｃｙａｎｄｐｒｏｖｉｄｅｓｔａｂｌｅｇｕｉｄａｎｃｅｏｖｅｒｌｏａｄ．Ｋｅｙｗｏｒｄｓ：ｔａｒｇｅｔｔｒａｃｋｉｎｇ；ｃｏｇｎｉｔｉｖｅｒａｄａｒ；ｓｅｅｋｅｒ；ｗａｖｅｆｏｒｍｓｅｌｅｃｔｉｏｎ收稿日期：２０２２⁃０９⁃０１修回日期：２０２２⁃１１⁃０３作者简介：熊芳勇（１９８７ ），男，硕士研究生，研究方向为目标信息获取与处理㊂王建涛（１９８４ ），男，讲师㊂㊀㊀雷达导引头是重要的主动导引设备，具有精度高，全天候工作，发射后自动寻的能力㊂然而，战场环境的日益复杂及战场目标的机动性增强，对导弹末制导阶段的目标准确跟踪提出了严峻的挑战㊂一方面因为目标机动带来跟踪滤波模型上的不确定性增大，会大大降低导弹的跟踪精度，另一方面传统雷达导引头使用固定发射波形参数的工作模式在探测跟踪性能上的劣势日益凸显㊂认知雷达［１］是基于仿生学提出的一种先进的雷达体制，认知雷达通过获取环境和目标的信息反馈至雷达发射接收端形成闭环㊂文献［２⁃３］分别讨论了认知雷达技术的新进展和面向任务区分的认知雷达波形设计㊂其中面向跟踪任务的认知雷达波形选择方法能够显著提升雷达系统性能，已在大量的研究中获得验证［４⁃７］，相比于采用固定发射波形的雷达系统能够减少跟踪误差，提升跟踪精度㊂Ｋｅｒｓｈａｗ和Ｅｖａｎｓ提出用波形参数估计的克拉美罗下界（Ｃｒａｍｅｒ⁃ＲａｏＬｏｗｅｒＢｏｕｎｄ，ＣＲＬＢ）来近似波形的观测协方差，并在高斯模型的线性观测关系下依据Ｋａｌｍａｎ滤波的递推关系，推导了在最大化互信息和最小均方误差准则下的波形参数闭式求解［８］㊂文献［９⁃１１］借助于雷达分辨单元概念，考虑了联合检测跟踪任务中的最优检测门限与波形参数的选择㊂ＮｇｕｙｅｎＮＨ等研究了多基地雷达跟踪的波形选择方法［１２］，采用多传感器的集中式融合方法来预测多基地系统的滤波协方差，并依据最小化滤波协方差的迹为准则选择最优波形㊂以上研究针对固定雷达的跟踪波形选择问题展现出了性能优势，而目前对导引头跟踪的波形选择的研究较少㊂文献［１３⁃１４］研究了拦截器对一维直线匀速目标的拦截交会过程中的最优控制输入序列与波形选择问题㊂限定在固定的观测次数内拦截目标，通过Ｋａｌｍａｎ滤波器来预测拦截器相对于目标位置和速度，使用ＣＲＬＢ近似波形的观测噪声㊂结合最优线性二次高斯控制器（ＬｉｎｅａｒＱｕａｄｒａｔｉｃＧａｕｓｓｉａｎＣｏｎｔｒｏｌｌｅｒ，ＬＱＧ）和波形选择方法，实现了拦截器以最小代价成功拦截目标㊂以上针对拦截问题的跟踪波形选择，研究了以固定的观测次数拦截一维平面内的匀速运动目标，然而在实际的导引头三维制导跟踪场景［１５］下，以上方法难以适用㊂因此考虑三维的制导跟踪场景，研究针对目标匀速运动和机动运动状态下的导引头跟踪波形选择具有一定的现实意义㊂考虑导引头制导过程是较为复杂的跟踪与控制复第４期指挥控制与仿真１３３㊀合问题［１６⁃１７］，为便于讨论波形选择的性能优势，本文在设定导引头采用基于固定系数的比例导引律的前提下提出了一种末制导跟踪的波形选择模型㊂所做的主要工作是：在交互式多模型跟踪框架下提出了基于最大互信息准则的波形选择算法㊂１㊀系统模型１ １㊀导引头及目标模型导引头从空中发射跟踪拦截地面目标，为简化讨论，不考虑地球曲率的影响，导引头及目标均为质点模型，不考虑导引头质心运动的影响，ｋ时刻北天东坐标系下的导引头状态为ｘｍ，ｋ＝［ｐｘｍ，ｋ，ｐｙｍ，ｋ，ｐｚｍ，ｋ，ｖｘｍ，ｋ，ｖｙｍ，ｋ，ｖｚｍ，ｋ］Ｔ，目标状态ｘｔ，ｋ＝［ｐｘｔ，ｋ，ｐｙｔ，ｋ，ｐｚｔ，ｋ，ｖｘｔ，ｋ，ｖｙｔ，ｋ，ｖｚｔ，ｋ］Ｔ㊂式中：ｐ代表位置坐标值，ｖ是速度值，（㊃）Ｔ是转置运算，下标ｍ和ｔ分别代表导引头和目标㊂１ ２㊀导引头跟踪波形选择流程本文提出的导引头末制导跟踪波形选择的信息处理流程见图１㊂图１㊀雷达导引头目标跟踪波形选择Ｆｉｇ １㊀Ｗａｖｅｆｏｒｍｓｅｌｅｃｔｉｏｎｆｏｒｔａｒｇｅｔｔｒａｃｋｉｎｇｏｆｒａｄａｒｓｅｅｋｅｒ㊀㊀首先，在ｋ时刻导引头得到目标状态估计值＾ｘｋ｜ｋ，一方面，根据＾ｘｋ｜ｋ计算弹目视线角度和角速度信息，计算比例导引律约束下的ｋ＋１时刻导引头制导需用过载，按照导引头自身运动方程和过载，更新ｋ＋１时刻导引头的状态信息；另一方面，通过状态方程预测得到状态估计＾ｘｋ＋１｜ｋ和预测协方差Ｐｋ＋１｜ｋ，通过波形选择算法，基于最大互信息准则选择最佳发射波形θｏｐｔｋ，并通过匹配滤波接收由目标反射的回波信号获取目标的时延多普勒参数估计，生成观测数据，经过跟踪数据处理获取下一时刻滤波状态估计＾ｘｋ＋１｜ｋ＋１，完成整个闭环处理流程㊂１ ３㊀观测及滤波模型ｋ时刻的弹目相对状态即为系统跟踪状态ｘｋ＝ｘｔ，ｋ－ｘｍ，ｋ＝［ｐｘｋ，ｐｙｋ，ｐｚｋ，ｖｘｋ，ｖｙｋ，ｖｚｋ］Ｔ，则有状态转移过程：ｘｋ＋１＝ｆ（ｘｋ）＋ｗｋ（１）式中：ｆ（㊃）是状态转移函数，ｗｋ是服从高斯分布的白噪声，噪声协方差为Ｑｋ，ｗｋ Ｎ（０，Ｑｋ）㊂对于匀速运动模型，可以得到状态值和协方差的一步预测：＾ｘｋ＋１｜ｋ＝Ｆｃｖ＾ｘｋ｜ｋ（２）Ｐｋ＋１｜ｋ＝ＦｃｖＰｋ｜ｋＦＴｃｖ＋Ｑｋ（３）式中，Ｆｃｖ是离散化的状态转移矩阵：Ｆｃｖ＝１Δｔ０１éëêêùûúú⊗Ｉ３ˑ３（４）Ｑｋ＝ｑΔｔ３３Δｔ２２Δｔ２２Δｔéëêêêêêùûúúúúú⊗Ｉ３ˑ３（５）其中，Δｔ是时间间隔，ｑ是过程噪声强度㊂导引头的观测值为相对距离㊁距离率㊁方位角及俯仰角，则在ｋ＋１时刻的观测ｚｋ＋１＝［ｒ，̇ｒ，ϑ，ψ］Ｔ，观测方程为ｚｋ＋１＝ｈ（ｘｋ＋１）＋ｖ（θｋ）（６）其中，ｈ（㊃）是非线性观测函数，对于各观测值有如下关系：㊀ｒ＝ｐｘｋ＋１２＋ｐｙｋ＋１２＋ｐｚｋ＋１２̇ｒ＝（ｐｘｋ＋１ｖｘｋ＋１＋ｐｙｋ＋１ｖｙｋ＋１＋ｐｚｋ＋１ｖｚｋ＋１）ｐｘｋ＋１２＋ｐｙｋ＋１２＋ｐｚｋ＋１２ϑ＝ａｒｃｔａｎ－ｐｚｋ＋１／ｐｘｋ＋１()ψ＝ａｒｃｔａｎｐｙｋ＋１／ｐｘｋ＋１２＋ｐｙｋ＋１２()（７）ｖ（θｋ）是波形参数为θｋ的观测噪声，波形参数是在ｋ时刻选择并发射ｋ＋１时刻接收获得新的观测值，观测噪声服从高斯分布，即ｖ（θｋ） Ｎ（０，Ｒ（θｋ）），对于高斯包络线性调频波形时，对于距离㊁速度的参数估计下界为１３４㊀熊芳勇，等：雷达导引头目标跟踪波形选择第４５卷ＣＲＬＢ＝２ｃ２τ２η－４ｂτ２ｃ２ηｆｃ－４ｂτ２ｃ２ηｆｃ１２π２τ２＋８ｂ２τ２æèçöø÷ｃ２ηｆ２ｃéëêêêêêêùûúúúúúú（８）其中，ｃ是电磁波传播速度，ｆｃ是载频，τ是脉冲有效持续时间，ｂ是波形调频带宽，η是信噪比，这里设定为与距离四次方成反比的量，即η＝ｒ０ｒæèçöø÷４，ｒ０是参考距离，ｒ是当前弹目距离㊂对于高斯包络波形脉冲宽度Ｔｓ＝７ ４３３８τ，调频斜率ｋｔ＝ｂＴｓ㊂对于角度的观测噪声与信噪比㊁波束宽度有关［１８］：Ｒϑ＝σ２ϑη（９）Ｒψ＝σ２ψη（１０）式中，σ２ϑ和σ２ψ是与波束宽度有关的常数，联合距离㊁速度㊁方位角㊁俯仰角的观测协方差为Ｒ（θｋ）＝ｄｉａｇ（［ＣＲＬＢ，Ｒϑ，Ｒψ］），ｄｉａｇ（㊃）是对角矩阵㊂１ ４㊀导引头制导模型导引头运动状态可分解为俯仰面运动状态与水平面运动状态，获取弹目相对状态的估计值＾ｘｋ＋１｜ｋ＋１后，分别计算两个制导平面需用的过载，更新下一时刻的导引头状态信息㊂ｋ＋１时＾ｘｋ＋１｜ｋ＋１＝［＾ｐｘｋ＋１，＾ｐｙｋ＋１，＾ｐｚｋ＋１，＾ｖｘｋ＋１，＾ｖｙｋ＋１，＾ｖｚｋ＋１］Ｔ，则计算两制导平面内的弹目运动视线角速度变化率为：̇ϑ＝（＾ｐｚｋ＋１＾ｖｘｋ＋１－＾ｐｘｋ＋１＾ｖｚｋ＋１）（＾ｐｘｋ＋１２＋＾ｐｚｋ＋１２）（１１）̇ψ＝［（＾ｐｘｋ＋１２＋＾ｐｚｋ＋１２）＾ｖｙｋ＋１－＾ｐｙｋ＋１（＾ｐｘｋ＋１＾ｖｘｋ＋１＋＾ｐｚｋ＋１＾ｖｚｋ＋１）］（＾ｐｘｋ＋１２＋＾ｐｙｋ＋１２＋＾ｐｚｋ＋１２）＾ｐｘｋ＋１２＋＾ｐｚｋ＋１２（１２）则两制导平面的需用过载为：ｎｙ＝ｋｙ＾ｐｘｋ＋１２＋＾ｐｙｋ＋１２＋＾ｐｚｋ＋１２̇ϑｇ（１３）ｎｚ＝ｋｚ＾ｐｘｋ＋１２＋＾ｐｙｋ＋１２＋＾ｐｚｋ＋１２̇ψｇ（１４）式中，ｋｙ和ｋｚ分别是两个制导平面的比例导引常系数，ｇ是引力加速度㊂导引头自身的运动俯仰角与偏航角为ϑｍ和ψｍ，则在过载ｎｙ和ｎｚ作用下，导引头俯仰角和偏航角角速度为：̇ϑｍ＝ｇｖｍ（ｎｙ－ｃｏｓϑｍ）（１５）̇ψｍ＝－ｇｖｍｃｏｓϑｍｎｚ（１６）其中，ｖｍ是导引头自身速度各分量的模，即ｖｍ＝ｖｘｍ，ｋ＋１２＋ｖｙｍ，ｋ＋１２＋ｖｚｍ，ｋ＋１２，㊂则在时间间隔Δｔ后，导引头运动俯仰角㊁偏航角更新为：ϑｍ＝ϑｍ＋̇ϑｍΔｔ（１７）ψｍ＝ψｍ＋̇ψｍΔｔ（１８）２㊀波形选择算法２ １㊀波形库组成导引头使用高斯包络线性调频波形库，设定波形参数脉冲宽度τ和调频带宽ｂ，Θ＝｛τ＝［２０ʒ２ʒ４０］μｓ，ｂ＝［１００ʒ１００ʒ１０００］ＫＨｚ｝，则波形库包含１１ˑ１０＝１１０种波形参数组合㊂２ ２㊀波形选择准则函数考虑观测的非线性，使用无迹卡尔曼滤波（ＵＫＦ）［１９］处理跟踪过程㊂ｋ时刻选择的波形是在ｋ＋１时刻被接收并获得观测值用于更新ｋ＋１时刻的状态＾ｘｋ＋１｜ｋ＋１，因此在ｋ时刻的波形选择过程中无法计算状态协方差Ｐｋ＋１｜ｋ＋１，波形选择是通过最小化预测的跟踪误差来实现，这里在波形选择阶段使用上一时刻最大概率的模型来进一步状态预测，同时通过预测信噪比，进行观测预测和更新得到预测的状态协方差＾Ｐｋ＋１｜ｋ＋１，基于信息熵准则［２０］的波形参数θｏｐｔｋ选择为θｏｐｔｋ＝ａｒｇｍｉｎΓ，θɪΘｄｅｔ（＾Ｐｋ＋１｜ｋ＋１，θ）（１９）其中，Γ是滤波器结构，ｄｅｔ（㊃）是行列式㊂２ ３㊀波形选择算法使用ＩＭＭＵＫＦ跟踪弹目相对状态㊂采取波形库搜索的方法，选择使得信息熵最小的波形参数θｏｐｔｋ㊂则综合制导跟踪和波形选择的流程见表１㊂表１㊀波形选择算法Ｔａｂ １㊀ＷａｖｅｆｏｒｍｓｅｌｅｃｔｉｏｎａｌｇｏｒｉｔｈｍＩＭＭＵＫＦ初始化：ｆｏｒ（ｉ，ｊ＝１，２）模型状态ｘ（ｉ）０｜０，协方差Ｐ（ｉ）０｜０，模型概率μ（ｉ）０，过程噪声Ｑ（ｉ）ｋ，模型转移概率矩阵Π＝｛ｐｉｊ｝㊂第４期指挥控制与仿真１３５㊀１．由当前状态更新导引头运动信息及过载；２．模型交互输入：交互概率：μ（ｉ）ｋ｜ｋ－１＝ð２ｊ＝１ｐｊｉμ（ｊ）ｋ－１，μｊ｜ｉｋ－１＝ｐｊｉμ（ｊ）ｋ－１／μ（ｉ）ｋ｜ｋ－１；交互状态： ｘ（ｉ）ｋ｜ｋ＝＝ð２ｊ＝１ｘ（ｊ）ｋ｜ｋμｊ｜ｉｋ；交互协方差： Ｐ（ｉ）ｋ｜ｋ＝＝ð２ｊ＝１μｊ｜ｉｋ［Ｐ（ｊ）ｋ｜ｋ＋Δ（ｉ，ｊ）ｋ（Δ（ｉ，ｊ）ｋ）Ｔ］，式中Δ（ｉ，ｊ）ｋ＝ｘ（ｉ）ｋ－ ｘ（ｊ）ｋ；３．模型预测：预测状态：ｘ（ｉ）ｋ＋１｜ｋ＝＝Ｆｃｖ ｘ（ｉ）ｋ｜ｋ，预测协方差：Ｐ（ｉ）ｋ＋１｜ｋ＝Ｆｃｖ Ｐ（ｉ）ｋ｜ｋＦＴｃｖ＋Ｑ（ｉ）ｋ４．波形选择：选择最大概率模型的索引：ｉｎｄｅｘ＝ｆｉｎｄｍａｘ［μ（ｉ）ｋ］＾ｘｋ＋１｜ｋ＝ｘ（ｉｎｄｅｘ）ｋ＋１｜ｋ，Ｐｋ＋１｜ｋ＝Ｐ（ｉｎｄｅｘ）ｋ＋１｜ｋｍｉｎＣｏｓｔ＝ɕ，θｏｐｔｋ＝０ｆｏｒｅｖｅｒｙθɪΘ㊀ｃｏｍｐｕｔｅＰｘｚＰｚｚＲ（θ）Ｐｋ｜ｋ（θ）㊀Ｃｏｓｔ＝ｄｅｔ（Ｐｋ｜ｋ（θ））㊀ｉｆｍｉｎＣｏｓｔ＞Ｃｏｓｔ㊀㊀ｍｉｎＣｏｓｔ＝Ｃｏｓｔ，θｏｐｔｋ＝θ㊀ｅｎｄｅｎｄ５．波形发射，获得观测，模型状态㊁协方差更新，模型似然函数㊁概率更新，状态融合㊂ｘ（ｉ）ｋ＋１｜ｋ＋１＝ｘ（ｉ）ｋ＋１｜ｋ＋Ｐｘｚ（Ｐｚｚ＋Ｒ（θｏｐｔｋ））－１（ｚｋ－ｈ（ｘ（ｉ）ｋ＋１｜ｋ））；Ｐ（ｉ）ｋ＋１｜ｋ＋１＝Ｐｋ＋１｜ｋ－Ｐｘｚ（Ｐｚｚ＋Ｒ（θｏｐｔｋ））－１ＰＴｘｚΛ（ｉ）ｋ＋１＝Ｎ（ｚｋ－ｈ（ｘ（ｉ）ｋ＋１｜ｋ）；０，Ｐｚｚ＋Ｒ（θｏｐｔｋ））；μ（ｉ）ｋ＋１＝μ（ｉ）ｋ＋１｜ｋΛ（ｉ）ｋ＋１／ð２ｊ＝１μ（ｊ）ｋ＋１｜ｋΛ（ｊ）ｋ＋１；ｘｋ＋１｜ｋ＋１＝ð２ｊ＝１μ（ｊ）ｋ＋１ｘ（ｊ）ｋ＋１｜ｋ＋１；Ｐｋ＋１｜ｋ＋１＝ð２ｊ＝１μｊｋ＋１［Ｐ（ｊ）ｋ｜ｋ＋（ｘ（ｉ）ｋ＋１｜ｋ＋１－ｘｋ＋１｜ｋ＋１）（ｘ（ｉ）ｋ＋１｜ｋ＋１－ｘｋ＋１｜ｋ＋１）Ｔ］６．判断弹目距离是否小于设定值，是结束，否则返回１㊂㊀㊀㊀根据表１算法，首先在ｋ时刻根据当前滤波状态计算导引头自身的运动状态和过载，用于ｋ＋１时刻更新；然后进行模型交互，选择最大概率的模型，根据过程更新得到当前的状态预测＾ｘｋ＋１｜ｋ和协方差Ｐｋ＋１｜ｋ，计算预测信噪比和波形的预测观测协方差Ｒ（θｋ），再通过无迹变换（ＵｎｓｃｅｎｔｅｄＴｒａｎｓｆｏｒｍａｔｉｏｎ，ＵＴ）近似计算预测滤波协方差＾Ｐｋ＋１｜ｋ＋１，θ㊂比例采样产生ｓｉｇｍａ点集｛χ０， ，２ｎ｝和对应权重｛ω０， ，２ｎ｝：χ０＝＾ｘｋ｜ｋ－１，ω０＝βｉ＋βχｉ＝＾ｘｋ｜ｋ－１＋（（ｉ＋β）Ｐｋ｜ｋ－１）ｉ，ωｉ＝１２（ｉ＋β）χｎ＋ｉ＝＾ｘｋ｜ｋ－１－（（ｉ＋β）Ｐｋ｜ｋ－１）ｉ，ωｎ＋ｉ＝１２（ｉ＋β）ìîíïïïïïïï（２０）式中：ｎｘ是状态维数，ｉ＝０，１，２， ，２ｎｘ是ｓｉｇｍａ点集和权重的索引，β是调节采样点间距离的常数因子㊂通过观测函数传递ｓｉｇｍａ采样点，得到观测预测集Ｚ＝｛ Ｚｉ＝ｈ（χｉ）｝ｉ＝０，１， ，２ｎ，则状态预测均值和观测预测均值为χ＝ð２ｎｉ＝０ωｉχｉ Ｚ＝ð２ｎｉ＝０ωｉ Ｚｉìîíïïïï（２１）㊀㊀则状态观测互协方差和观测协方差为㊀㊀㊀Ｐｘｚ＝ð２ｎｉ＝０ωｉ（χｉ－ χ）（ Ｚｉ－ Ｚ）ＴＰｚｚ＝ð２ｎｉ＝０ωｉ（ Ｚｉ－ Ｚ）（ Ｚｉ－ Ｚ）Ｔìîíïïïï（２２）则对于参数θｋ的滤波协方差矩阵预测为＾Ｐｋ｜ｋ，θʈＰｋ｜ｋ－１－Ｐｘｚ（Ｐｚｚ＋Ｒ（θｋ））－１ＰＴｘｚ（２３）搜索波形库，得到最佳波形参数，发射波形，在ｋ＋１时刻得到真实的观测值，进行多模的状态更新并融合得到ｋ＋１时刻滤波的最终状态估计值与协方差估计，根据弹目相对距离是否达到设定的结束条件，完成整个算法过程㊂３㊀仿真验证３ １㊀仿真参数导引头跟踪过程仿真参数设置见表２㊂其中，ｒ０是计算信噪比的参考距离，设定目标距离为５０ｋｍ时信噪比为０ｄＢ，Δｔ为跟踪时间间隔，比例导引系数为常数ｋｙ和ｋｚ，这里我们考虑用一个高强度的匀速运动模型来模拟未知的相对状态的机动过程，因此，多模型库由两个强度不同的匀速运动模型组成，过程噪声水平分别设置为ｑ１和ｑ２㊂作为对比，对两个固定波形的跟踪情况进行仿真，分别为波形θ１和θ２㊂１３６㊀熊芳勇，等：雷达导引头目标跟踪波形选择第４５卷表２㊀仿真参数Ｔａｂ ２㊀Ｓｉｍｕｌａｔｉｏｎｐａｒａｍｅｔｅｒｓ㊀导引头跟踪弹目相对状态，这里取相对状态距离㊁速度的估计均方根误差作为主要评估指标㊂跟踪真实状态界定为误差评估的标准值ｘｋ，跟踪状态估计值为ｘｋ｜ｋ，分别对距离和速度求均方根误差：ＲＲＭＳＥ（ｋ）＝１ＭðＭｉ＝１（（ｐｘ－＾ｐｘ）２＋（ｐｙ－＾ｐｙ）２＋（ｐｚ－＾ｐｚ）２）ＶＲＭＳＥ（ｋ）＝１ＭðＭｉ＝１（（ｖｘ－＾ｖｘ）２＋（ｖｙ－＾ｖｙ）２＋（ｖｚ－＾ｖｚ）２）（２４）其中，Ｍ是蒙特卡洛仿真次数，同时计算跟踪过程的平均均方跟踪误差为：ＡＲＲＭＳＥ＝１ＬðＬｋ＝１ＲＲＭＳＥ（ｋ）ＡＶＲＭＳＥ＝１ＬðＬｋ＝１ＶＲＭＳＥ（ｋ）（２５）其中，Ｌ是观测的总次数㊂３ ２㊀场景１：目标匀速直线运动导引头初始位置为［０，３０００，０］，速度为１０００ｍ／ｓ，初始俯仰角ϑｍ及方位角ψｍ为０ｒａｄ，重力加速度ｇ＝９ ８ｍ／ｓ２㊂目标初始位置为［１８１３６，０，９１９２ ８］，速度为１５ｍ／ｓ，初始俯仰角ϑｔ为０ｒａｄ，方位角ψｔ为π／３ｒａｄ，目标匀速直线运动㊂目标匀速运动时导引头制导跟踪的轨迹见图２㊂图３是目标在匀速运动时，导引头在各种波形策略下跟踪时的两个制导平面的过载比较，可以发现，目标在匀速运动时，过载变化平稳，这与图２各种波形策略下导引头制导轨迹接近的结果相一致㊂表３是目标匀速时的各种波形策略下的制导跟踪平均均方根误差数据㊂从跟踪结果上看，采取波形选择的跟踪误差相比固定波形性能提升较为明显，距离跟踪精度相比波形１提升２２ ９８％，比波形２提升９ ２４％，速度跟踪精度分别提升１６ ７２％和２ ９７％㊂同时也可以发现，较大的时宽带宽参数能够比较小的时图２㊀导引头轨迹（匀速目标）Ｆｉｇ ２㊀Ｓｅｅｋｅｒｔｒａｃｋ（ｃｏｎｓｔａｎｔｖｅｌｏｃｉｔｙｔａｒｇｅｔ）图３㊀过载（匀速目标）Ｆｉｇ ３㊀Ｏｖｅｒｌｏａｄ（ｃｏｎｓｔａｎｔｖｅｌｏｃｉｔｙｔａｒｇｅｔ）宽带宽参数波形提供好的分辨力，同时跟踪精度要好㊂表３㊀跟踪误差（匀速目标）Ｔａｂ ３㊀Ｔｒａｃｋｉｎｇｅｒｒｏｒ（ｃｏｎｓｔａｎｔｖｅｌｏｃｉｔｙｔａｒｇｅｔ）波形１波形２波形选择ＡＲＲＭＳＥ２６ ５９６３ｍ２２ ５７０３ｍ２０ ４８３７ｍＡＶＲＭＳＥ２ １７０５ｍ／ｓ１ ８６３１ｍ／ｓ１ ８０７７ｍ／ｓ㊀整个制导跟踪过程的距离均方误差见图４，采取波形选择的导引头跟踪过程的误差收敛较快，随着弹目距离的减小，信噪比改善较大，各种波形策略下最后的跟踪距离误差趋于稳定且比较接近㊂图４㊀距离误差（匀速目标）Ｆｉｇ ４㊀Ｒａｎｇｅｅｒｒｏｒ（ｃｏｎｓｔａｎｔｖｅｌｏｃｉｔｙｔａｒｇｅｔ）图５是速度跟踪误差的曲线，同样在远距离时采取波形选择的导引头速度跟踪优势明显，误差曲线收第４期指挥控制与仿真１３７㊀敛较快，后段虽然距离接近，但仍旧比固定波形跟踪精度高㊂图５㊀速度误差（匀速目标）Ｆｉｇ ５㊀Ｖｅｌｏｃｉｔｙｅｒｒｏｒ（ｃｏｎｓｔａｎｔｖｅｌｏｃｉｔｙｔａｒｇｅｔ）导引头在整个跟踪过程中选择了最大的脉冲宽度，跟踪调频带宽的选择是在最小带宽和最大带宽之间频繁变换，调频斜率不断变化，获取最佳的距离速度跟踪精度，图６是单次蒙特卡洛仿真的波形参数选择结果㊂图６㊀波形选择（匀速目标）Ｆｉｇ ６㊀Ｗａｖｅｆｏｒｍｓｅｌｅｃｔｉｏｎ（ｃｏｎｓｔａｎｔｖｅｌｏｃｉｔｙｔａｒｇｅｔ）３ ３㊀场景２：目标连续转弯机动导引头初始参数设置不变，目标初始位置为［１８１３６，０，９１９２ ８］，速度为６０ｍ／ｓ，初始俯仰角ϑｔ为０ｒａｄ，方位角ψｔ为π／３ｒａｄ，目标连续转弯机动时导引头跟踪轨迹见图７㊂当目标连续转弯机动时，导引头与目标的视线角度变化较快，因此，在比例导引律的约束下，导引头两个制导平面内的需用过载变化比较剧烈㊂图８和图９分别是目标机动下的导引头水平过载和纵向过载的变化曲线，可以看出，和目标匀速运动的情况下的过载相比较，随着目标机动水平的提升，导引头需用过载明显变大㊂另外，采取波形选择的导引头制导过程中两个制导平面内的需用过载变化趋势与使用固定波形的过载变化趋势大体相同，但是波形选择的过载变化相对平缓㊂图７㊀导引头轨迹（机动目标）Ｆｉｇ ７㊀Ｓｅｅｋｅｒｔｒａｃｋ（ｍａｎｅｕｖｅｒｉｎｇｔａｒｇｅｔ）图８㊀水平过载（机动目标）Ｆｉｇ ８㊀Ｈｏｒｉｚｏｎｔａｌｏｖｅｒｌｏａｄ（ｍａｎｅｕｖｅｒｉｎｇｔａｒｇｅｔ）图９㊀纵向过载（机动目标）Ｆｉｇ ９㊀Ｌｏｎｇｉｔｕｄｉｎａｌｏｖｅｒｌｏａｄ（ｍａｎｅｕｖｅｒｉｎｇｔａｒｇｅｔ）目标机动转弯情况下，导引头跟踪的平均均方根误差数据见表４，波形选择相比于固定波形的跟踪精度提升较大㊂距离精度分别提升２０ ９１％和９ ４４％，速度跟踪精度分别提升１１ ４１％和９ ３２％㊂在目标转弯机动的情况下，交互式多模型跟踪误差相比目标匀速跟踪时变化不大，同时波形选择依然有效㊂表４㊀跟踪误差（机动目标）Ｔａｂ ４㊀Ｔｒａｃｋｉｎｇｅｒｒｏｒ（ｍａｎｅｕｖｅｒｉｎｇｔａｒｇｅｔ）波形１波形２波形选择ＡＲＲＭＳＥ２５ ９８０２ｍ２２ ６８９５ｍ２０ ５４７５ｍＡＶＲＭＳＥ２ ６１９６ｍ／ｓ２ ５５９２ｍ／ｓ２ ３２０５ｍ／ｓ㊀１３８㊀熊芳勇，等：雷达导引头目标跟踪波形选择第４５卷对整个制导跟踪过程的距离均方误差见图１０，距离均方误差见图１１，采取波形选择的导引头跟踪过程的误差收敛较快，随着弹目距离的接近，信噪比改善较大，各种波形策略下后段的跟踪距离误差趋于稳定，比较接近，且能够明显看出，在目标机动转弯时，跟踪误差曲线变化趋势较为一致，使用波形选择策略的跟踪误差始终维持在较高的精度㊂图１０㊀距离误差（机动目标）Ｆｉｇ １０㊀Ｒａｎｇｅｅｒｒｏｒ（ｍａｎｅｕｖｅｒｉｎｇｔａｒｇｅｔ）图１１㊀速度误差（机动目标）Ｆｉｇ １１㊀Ｖｅｌｏｃｉｔｙｅｒｒｏｒ（ｍａｎｅｕｖｅｒｉｎｇｔａｒｇｅｔ）图１２是机动目标的波形选择，导引头选择了最大的脉冲宽度，相比于匀速跟踪的过程，跟踪调频带宽的选择是在最小带宽和最大带宽之间变化更加频繁，这是因为目标的机动使得跟踪的不确定性增大㊂４㊀结束语从两个不同的目标运动场景的制导跟踪结果看，基于最大互信息准则的波形选择算法能够有效减小跟踪误差，同时在目标机动性较大时，相比于使用固定波形的制导跟踪的需用过载变化也较为平缓㊂这是因为，滤波协方差矩阵的信息熵，代表滤波状态误差的不确定度，信息熵越大，不确定性越大，通过使预测信息熵最小化来选择波形参数，能够获得较好的综合观测性能，并最终减少跟踪误差㊂本文选取的高斯包络线图１２㊀波形选择（机动目标）Ｆｉｇ １２㊀Ｗａｖｅｆｏｒｍｓｅｌｅｃｔｉｏｎ（ｍａｎｅｕｖｅｒｉｎｇｔａｒｇｅｔ）性调频波形，波形测量的误差协方差存在时延和多普勒估计的相关项，尤其是在机动状态下，模型不确定性大，径向距离和径向速度的相关性较强，通过改变时宽脉宽波形参数（相当于调整线性调频的调频斜率），改变时延多普勒估计的相关项，使波形与跟踪状态相匹配，最终使得总体跟踪性能提升㊂两个仿真场景也说明了本文波形选择模型对于机动目标跟踪具有一定的鲁棒性和适应性㊂本文研究了空地导引头机动跟踪的波形选择问题，通过交互式多模型建立了有效的导引头跟踪模型，结合ＩＭＭＵＫＦ跟踪过程，提出了基于最大化互信息准则的波形选择算法，并在目标不同的运动场景下验证了所提波形选择算法的有效性，能够有效提升跟踪精度，并在目标机动时，使得制导过程的过载变化较为平稳，这说明了较为精确的跟踪结果能够反馈给制导系统更为准确的目标信息，最终影响制导的结果㊂参考文献：［１］㊀ＨＡＹＫＩＮＳ．Ｃｏｇｎｉｔｉｖｅｒａｄａｒ：ａｗａｙｏｆｔｈｅｆｕｔｕｒｅ［Ｊ］．ＩＥＥＥＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇＭａｇａｚｉｎｅ，２００６，２３（１）：３０⁃４０．［２］㊀李响，杨德贵．认知雷达及其关键技术的研究进展分析［Ｊ］．现代雷达，２０２２，４４（３）：１⁃９．ＬＩＸ，ＹＡＮＧＤＧ．Ａｎａｌｙｓｉｓｏｆｒｅｓｅａｒｃｈａｄｖａｎｃｅｏｎｃｏｇｎｉ⁃ｔｉｖｅｒａｄａｒａｎｄｉｔｓｋｅｙｔｅｃｈｎｏｌｏｇｙ［Ｊ］．ＭｏｄｅｒｎＲａｄａｒ，２０２２，４４（３）：１⁃９．［３］㊀余若峰，杨威，付耀文，等．面向不同雷达任务的认知波形优化综述［Ｊ］．电子学报，２０２２，５０（３）：７２６⁃７５２．ＹＵＲＦ，ＹＡＮＧＷ，ＦＵＹＷ，ｅｔａｌ．Ａｒｅｖｉｅｗｏｎｃｏｇｎｉｔｉｖｅｗａｖｅｆｏｒｍｏｐｔｉｍｉｚａｔｉｏｎｆｏｒｄｉｆｆｅｒｅｎｔｒａｄａｒｍｉｓｓｉｏｎｓ［Ｊ］．ＡｃｔａＥｌｅｃｔｒｏｎｉｃａＳｉｎｉｃａ，２０２２，５０（３）：７２６⁃７５２．［４］㊀王鹏峥，李杨，张宁．环境感知信息辅助的认知雷达波形参数智能选择［Ｊ］．信号处理，２０２１，３７（２）：１８６⁃１９８．ＷＡＮＧＰＺ，ＬＩＹ，ＺＨＡＮＧＮ．Ｅｎｖｉｒｏｎｍｅｎｔｓｅｎｓｉｎｇｉｎ⁃第４期指挥控制与仿真１３９㊀ｆｏｒｍａｔｉｏｎａｉｄｅｄｗａｖｅｆｏｒｍｐａｒａｍｅｔｅｒｓｉｎｔｅｌｌｉｇｅｎｔｓｅｌｅｃｔｉｏｎｆｏｒｃｏｇｎｉｔｉｖｅｒａｄａｒ［Ｊ］．ＪｏｕｒｎａｌｏｆＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ，２０２１，３７（２）：１８６⁃１９８．［５］㊀张浩为，谢军伟，葛佳昂，等．基于波形调度的机动目标跟踪算法［Ｊ］．电子学报，２０１９，４７（３）：５６０⁃５６７．ＺＨＡＮＧＨＷ，ＸＩＥＪＷ，ＧＥＪＡ，ｅｔａｌ．Ｍａｎｅｕｖｅｒｉｎｇｔａｒ⁃ｇｅｔｔｒａｃｋｉｎｇｂａｓｅｄｏｎｗａｖｅｆｏｒｍｓｃｈｅｄｕｌｉｎｇ［Ｊ］．ＡｃｔａＥｌｅｃ⁃ｔｒｏｎｉｃａＳｉｎｉｃａ，２０１９，４７（３）：５６０⁃５６７．［６］㊀ＷＡＮＧＳ，ＢＩＤ，ＬＩＪ，ｅｔａｌ．ＪｏｉｎｔｄｅｔｅｃｔｉｏｎａｎｄｔｒａｃｋｉｎｇａｌｇｏｒｉｔｈｍｆｏｒｃｏｇｎｉｔｉｖｅｒａｄａｒｂａｓｅｄｏｎｐａｒａｌｌｅｌｓｔｒｕｃｔｕｒｅｏｆＥＫＦａｎｄｐａｒｔｉｃｌｅｆｉｌｔｅｒ［Ｊ］．ＩＥＴＲａｄａｒ，Ｓｏｎａｒ＆Ｎａｖｉｇａ⁃ｔｉｏｎ，２０１９，１３（１１）：１９９０⁃１９９７．［７］㊀ＷＡＮＧＳ，ＢＩＤ，ＲＵＡＮＨ，ｅｔａｌ．Ｃｏｇｎｉｔｉｖｅｓｔｒｕｃｔｕｒｅａ⁃ｄａｐｔｉｖｅｐａｒｔｉｃｌｅｆｉｌｔｅｒｆｏｒｒａｄａｒｍａｎｏｅｕｖｒｉｎｇｔａｒｇｅｔｔｒａｃｋｉｎｇ［Ｊ］．ＩＥＴＲａｄａｒ，Ｓｏｎａｒ＆Ｎａｖｉｇａｔｉｏｎ，２０１９，１３（１）：２３⁃３０．［８］㊀ＫＥＲＳＨＡＷＤＪ，ＥＶＡＮＳＲＪ．Ｏｐｔｉｍａｌｗａｖｅｆｏｒｍｓｅｌｅｃｔｉｏｎｆｏｒｔｒａｃｋｉｎｇｓｙｓｔｅｍｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＩｎｆｏｒｍａｔｉｏｎＴｈｅｏｒｙ，１９９４，４０（５）：１５３６⁃１５５０．［９］㊀ＳＩＲＡＳＰ，ＬＩＹ，ＰＡＰＡＮＤＲＥＯＵ⁃ＳＵＰＰＡＰＰＯＬＡＡ，ｅｔａｌ．Ｗａｖｅｆｏｒｍ⁃ａｇｉｌｅｓｅｎｓｉｎｇｆｏｒｔｒａｃｋｉｎｇ［Ｊ］．ＩＥＥＥＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇＭａｇａｚｉｎｅ，２００９，２６（１）：５３⁃６４．［１０］王建涛．面向参数估计的认知雷达自适应发射波形优化技术研究［Ｄ］．长沙：国防科学技术大学，２０１４．ＷＡＮＧＪＴ．Ａｄａｐｔｉｖｅｗａｖｅｆｏｒｍｏｐｔｉｍｉｚａｔｉｏｎｆｏｒｃｏｇｎｉｔｉｖｅｒａｄａｒｐａｒａｍｅｔｅｒｅｓｔｉｍａｔｉｏｎ［Ｄ］．Ｃｈａｎｇｓｈａ：ＮａｔｉｏｎａｌＵｎｉ⁃ｖｅｒｓｉｔｙｏｆＤｅｆｅｎｓｅＴｅｃｈｎｏｌｏｇｙ，２０１４．［１１］ＷＡＮＧＪＴ，ＱＩＮＹＬ，ＷＡＮＧＨＱ，ｅｔａｌ．Ｄｙｎａｍｉｃｗａｖｅ⁃ｆｏｒｍｓｅｌｅｃｔｉｏｎｆｏｒｍａｎｏｅｕｖｅｒｉｎｇｔａｒｇｅｔｔｒａｃｋｉｎｇｉｎｃｌｕｔｔｅｒ［Ｊ］．ＩＥＴＲａｄａｒ，ＳｏｎａｒａｎｄＮａｖｉｇａｔｉｏｎ，２０１３，７（７）：８１５⁃８２５．［１２］Ｎ．ＮＨ，Ｋ．Ｄ，Ｌ．ＭＤ．Ａｄａｐｔｉｖｅｗａｖｅｆｏｒｍｓｅｌｅｃｔｉｏｎｆｏｒｍｕｌｔｉｓｔａｔｉｃｔａｒｇｅｔｔｒａｃｋｉｎｇ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＡｅｒｏ⁃ｓｐａｃｅａｎｄＥｌｅｃｔｒｏｎｉｃＳｙｓｔｅｍｓ，２０１５，５１（１）：６８８⁃７０１．［１３］ＢＡＬＬＥＲＩＡ，ＦＡＲＩＮＡＡ，ＢＥＮＡＶＯＬＩＡ．Ｃｏｏｒｄｉｎａｔｉｏｎｏｆｏｐｔｉｍａｌｇｕｉｄａｎｃｅｌａｗａｎｄａｄａｐｔｉｖｅｒａｄｉａｔｅｄｗａｖｅｆｏｒｍｆｏｒｉｎｔｅｒｃｅｐｔｉｏｎａｎｄｒｅｎｄｅｚｖｏｕｓｐｒｏｂｌｅｍｓ［Ｊ］．ＩＥＴＲａｄａｒ，Ｓｏ⁃ｎａｒ＆Ｎａｖｉｇａｔｉｏｎ，２０１７，１１（７）：１１３２⁃１１３９．［１４］ＢＥＮＡＶＯＬＩＡ，ＢＡＬＬＥＲＩＡ，ＦＡＲＩＮＡＡ．ＪｏｉｎｔＷａｖｅｆｏｒｍａｎｄＧｕｉｄａｎｃｅＣｏｎｔｒｏｌＯｐｔｉｍｉｚａｔｉｏｎｆｏｒＴａｒｇｅｔＲｅｎｄｅｚｖｏｕｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ，２０１９，６７（１６）：４３５７⁃４３６９．［１５］吕梅柏，赵小锋，刘广哲．空中大机动目标跟踪算法研究［Ｊ］．现代防御技术，２０１８，４６（２）：４５⁃５０，１７２．ＬＹＵＭＢ，ＺＨＡＯＸＦ，ＬＩＵＧＺ．Ａｅｒｉａｌｈｉｇｈｍａｎｅｕｖｅｒｉｎｇｔａｒｇｅｔｔｒａｃｋｉｎｇａｌｇｏｒｉｔｈｍ［Ｊ］．ＭｏｄｅｒｎＤｅｆｅｎｓｅＴｅｃｈｎｏｌｏｇｙ，２０１８，４６（２）：４５⁃５０，１７２．［１６］董志荣．求目标运动参数的新原理［Ｊ］．舰船科学技术，１９８４，５（１）：６０⁃６７．ＤＯＮＧＺＲ．Ａｎｅｗｐｒｉｎｃｉｐｌｅｆｏｒｃａｌｃｕｌａｔｉｎｇｔａｒｇｅｔｍｏｔｉｏｎｐａｒａｍｅｔｅｒｓ［Ｊ］．ＳｈｉｐＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，１９８４，５（１）：６０⁃６７．［１７］董志荣．论指挥控制系统的发展⁃过去㊁现在和未来［Ｊ］．舰船科学技术，１９９５，１６（２）：３⁃１０．ＤＯＮＧＺＲ．Ｄｅｖｅｌｏｐｍｅｎｔｏｆｃｏｍｍａｎｄａｎｄｃｏｎｔｒｏｌｓｙｓｔｅｍ：ｐａｓｔ，ｐｒｅｓｅｎｔａｎｄｆｕｔｕｒｅ［Ｊ］．ＳｈｉｐＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，１９９５，１６（２）：３⁃１０．［１８］ＳＫＯＬＮＩＫＭＩ．Ｒａｄａｒ［Ｊ］．ＲｅｆｅｒｅｎｃｅＤａｔａｆｏｒＥｎｇｉｎｅｅｒｓ（ＮｉｎｔｈＥｄｉｔｉｏｎ），２００２：３１⁃３６．［１９］ＷＡＮＥ，ＭＥＲＷＥＲ，ＮＥＬＳＯＮＡＴ．Ｄｕａｌｅｓｔｉｍａｔｉｏｎａｎｄｔｈｅｕｎｓｃｅｎｔｅｄｔｒａｎｓｆｏｒｍａｔｉｏｎ［Ｊ］．ＡｄｖａｎｃｅｓｉｎＮｅｕｒａｌＩｎ⁃ｆｏｒｍａｔｉｏｎＰｒｏｃｅｓｓｉｎｇＳｙｓｔｅｍｓ，２０００（１２）：６６６⁃６７２．［２０］王树亮．认知雷达跟踪理论及关键技术研究［Ｄ］．长沙：国防科技大学，２０１９．ＷＡＮＧＳＬ．Ｒｅｓｅａｒｃｈｏｎｔｈｅｏｒｙａｎｄｋｅｙｔｅｃｈｎｏｌｏｇｉｅｓｏｆｃｏｇｎｉｔｉｖｅｒａｄａｒｔｒａｃｋｉｎｇ［Ｄ］．Ｃｈａｎｇｓｈａ：ＮａｔｉｏｎａｌＵｎｉｖｅｒｓｉｔｙｏｆＤｅｆｅｎｓｅＴｅｃｈｎｏｌｏｇｙ，２０１９．［２１］ＳｉｒａＳＰ．Ｗａｖｅｆｏｒｍ⁃ａｇｉｌｅｓｅｎｓｉｎｇｆｏｒｔａｒｇｅｔｔｒａｃｋｉｎｇａｎｄｄｅｔｅｃｔｉｏｎｉｎｃｌｕｔｔｅｒ．［Ｄ］．Ｐｈｏｅｎｉｘ：ＡｒｉｚｏｎａＳｔａｔｅＵｎｉｖｅｒｓｉ⁃ｔｙ，２００７．（责任编辑：李楠）。

雷达导引头处理流程英文回答：Radar Seeker Processing Flow.The radar seeker is a critical component of a radar-guided missile, responsible for receiving and processing radar signals to guide the missile towards its target. The processing flow of a radar seeker typically involves the following steps:1. Signal Reception: The seeker antenna receives radar signals emitted by the target. These signals are typically in the microwave frequency range and carry information about the target's position, velocity, and other characteristics.2. Signal Amplification: The received signals are often weak and need to be amplified to a level where they can be processed effectively. This is done using a low-noiseamplifier (LNA).3. Filtering: The amplified signals may contain noise and unwanted signals from other sources. Filtering is used to remove these unwanted signals and enhance the target signal. This is typically done using a bank of filters tuned to specific frequencies or frequency bands.4. Down-Conversion: The filtered signals are down-converted to a lower intermediate frequency (IF) using a mixer. This process shifts the signals to a frequency range that is more suitable for further processing.5. Pulse Compression: Pulse compression techniques are used to increase the signal-to-noise ratio (SNR) and improve the range resolution of the seeker. This is done by transmitting a series of short, high-energy pulses and then correlating the received pulses to recover the original signal.6. Target Detection: The processed signals are analyzed to detect the presence of a target. This is done using avariety of signal processing techniques, including matched filtering, constant false alarm rate (CFAR) detection, and moving target indication (MTI).7. Target Tracking: Once a target is detected, the seeker continues to track its position and velocity over time. This is done using Kalman filtering or other tracking algorithms.8. Guidance Law Computation: Based on the target's position and velocity, the seeker computes the required guidance commands to steer the missile towards the target. These commands are sent to the missile's control surfaces or thrusters.9. Missile Control: The guidance commands from the seeker are used to control the missile's flight path and maneuver it towards the target. This is done through the missile's autopilot or other control systems.The radar seeker processing flow is a complex and highly sophisticated process that enables radar-guidedmissiles to accurately and effectively engage their targets.中文回答：雷达导引头处理流程。

雷达导引头概论雷达导引头是一种用于导航和制导系统中的重要装置，它通过接收和处理回波信号来确定目标的位置和运动状态，并根据预先设定的算法来指导导弹或其他飞行器对目标进行打击或追踪。

本文将从雷达导引头的原理、应用领域、发展历程以及未来展望等方面进行介绍，以便读者能够全面了解雷达导引头的概论。

一、雷达导引头的原理雷达导引头主要依靠雷达技术来实现目标探测和跟踪。

雷达系统通过发射一束电磁波并接收目标回波来获取目标的位置和速度信息。

雷达导引头通过接收回波信号并进行信号处理，可以确定目标的位置、速度和加速度等关键参数。

同时，根据导弹或飞行器的运动状态和预设的飞行轨迹，雷达导引头可以计算出导弹需要调整的航向和俯仰角等参数，从而实现对目标的精确打击或追踪。

二、雷达导引头的应用领域雷达导引头广泛应用于军事导弹、反导系统、火箭弹、导弹防御系统等领域。

在军事领域，雷达导引头是制导武器的核心技术之一，能够提供高精度的目标跟踪和打击能力，有效提高了武器系统的作战效能。

此外，雷达导引头还被应用于民用领域，如航天、航空、船舶等领域，用于导航、探测和遥感等方面。

三、雷达导引头的发展历程雷达导引头的发展可以追溯到二战时期。

当时的雷达导引头主要是机械扫描雷达，其工作原理是通过旋转天线来扫描目标，并将回波信号传输给导弹进行处理。

随着电子技术的发展，雷达导引头逐渐采用电子扫描技术，提高了目标探测和跟踪的精度和速度。

近年来，随着微波技术和信号处理技术的进步，雷达导引头的性能得到了进一步提升，能够应对更加复杂的作战环境和目标干扰。

四、雷达导引头的未来展望随着人工智能和机器学习等技术的发展，雷达导引头有望实现更加智能化和自主化。

传统的雷达导引头主要依靠预设的算法来进行目标跟踪和打击，但在复杂的电磁环境和目标干扰下，往往会出现误判或失效的情况。

未来的雷达导引头可以通过学习和适应能力来提高自身的性能，能够根据实时的环境和目标条件来进行决策和调整，从而提高导弹的打击精度和生存能力。