论文部分内容阅读
随着超低空突防技术的发展,掠海无人机逐渐成为现代海洋战争中的可靠攻击武器,能够借助海面背景杂波成功掩盖自身雷达散射截面(RCS)信号。然而探测雷达由于受到不同海情下海面散射信号的干扰,难以准确获得反映掠海无人机散射特征的RCS信号,严重影响了雷达识别的有效性和准确性。针对上述问题,本文建立了不同海情下的二维粗糙海面与掠海无人机复合RCS计算模型,提出了基于四路径模型(FPM)的物理光学与改进多层快速多级子(PO-IMLFMA)混合算法,分析了不同海情对掠海无人机双站RCS和单站RCS的影响,最后利用基于误差反向传播(BP)神经网络的优化补偿方案对海情影响下的掠海无人机RCS进行了有效补偿,为探测雷达对掠海飞行目标的有效识别技术提供依据。主要内容包括:(1)研究了无人机RCS数值计算方法,建立了某型掠海无人机RCS计算模型。针对该模型提出了基于物理光学(PO)电流分布的改进多层快速多级子算法(IMLFMA),并从角域响应、形状结构和机体材料三个方面分析了无人机电磁散射特性。(2)利用PM谱和蒙特卡洛法建立了不同海情下的二维粗糙海面模型。针对该模型提出了基于PO的粗糙海面RCS快速算法,并分析了不同海情下的海面电磁散射特性。(3)建立了不同海情下的二维粗糙海面与掠海无人机RCS复合模型。针对该模型提出了基于FPM的PO-IMLFMA混合算法,并研究了不同海情对掠海无人机双站RCS和单站RCS的影响。(4)提出了基于BP神经网络的掠海无人机RCS补偿方案,以机载雷达为平台,对不同海情下的掠海无人机RCS探测结果进行补偿。补偿结果显示1级海情下的补偿误差在0.95dBsm以内,3级海情下的补偿误差在0.41dBsm以内,5级海情下的补偿误差在1.94dBsm以内,并且在绝大多数情况下补偿结果与期望值曲线均能较好的拟合,验证了该补偿方案具有较高的适用性并且能够有效减少海情对掠海无人机RCS探测的影响。