基于海情的掠海无人机RCS问题研究

摘要

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。

目录

声明

摘要

缩略语对照表

第1章绪论

1．1掠海无人机雷达隐身技术背景

1．2无人机RCS国内外研究现状

1．3粗糙海面和目标复合RCS研究现状

1．4本课题主要研究内容与创新点

第2章无人机RCS数值计算方法

2．1冒达散射截面介绍

2．2矩量法求解目标RCS

2．2．1电场积分方程

2．2．2矩量法的实现过程

2．3多层快速多极子法及其改进方法

2．3．1多层快速多极子法的实现过程

2．3．2改进多层快速多极子法

2．4无人机RCS计算模型搭建和算法比较

2．4．1某型掠海无人机RCS计算模型

2．4．2无人机电磁计算模型相关参数

2．4．3无人机RCS计算方法比较

2．5本章小结

第3章无人机电磁散射特性分析

3．1无人机RCS角域响应

3．1．1无人机RCS方位角响应

3．1．2无人机RCS俯仰角响应

3．2无人机形状结构对其RCS的影响分析

3．2．1不同前缘后掠角机翼电磁散射特性分析

3．2．2不同布局类型尾翼电磁散射特性分析

3．3无人机机体材料对其RCS的影响分析

3．3．1吸波材料的特征参数

3．3．2吸波材料对无人机RCS的影响分析

3．4本章小结

第4章基于海情的掠海无人机RCS研究

4．1不同海情下的二维粗糙海面建模

4．1．1粗糙面的相关统计参数

4．1．2 PM谱

4．1．3基于蒙特卡洛方法的二维粗糙海面模型

4．2粗糙海面电磁散射特性分析

4．2．1基于PO的粗糙海面RCS快速算法

4．2．2算例分析

4．2．3不同海情下海面电磁散射特性分析

4．3计及海情对掠海无人机RCS的影响分析

4．3．1基于FPM的PO-IMLFMA混合算法

4．3．2算例分析

4．3．3计及海情对掠海无人机双站RCS的影响分析

4．3．4计及海情对掠海无人机单站RCS的影响分析

4．4本章小结

第5章基于BP神经网络的掠海无人机RCS补偿方法

5．1 BP神经网络补偿算法

5．1．1 BP神经网络数学模型

5．1．2 BP神经网络学习算法

5．2计及海情的掠海无人机RCS补偿方案

5．2．1基于BP神经网络的掠海无人机RCS补偿模型

5．2．2不同海情下的掠海无人机RCS补偿结果

5．2．3补偿误差分析

5．3本章小结

第6章总结与展望

6．1研究总结

6．2工作展望

参考文献

在读期间发表的学术论文及研究成果

致谢