结合三维电磁散射模型和深度学习的SAR目标识别框架设计

不断提高合成孔径雷达(SAR)图像目标识别能力对于全天时、全天候战场情报侦察具有重要意义。近年来,深度学习模型在SAR目标识别领域得到了广泛应用和验证,但由于SAR图像样本往往十分有限,模型的适应性受到一定制约。提出结合三维电磁散射模型和深度学习的SAR目标识别框架,充分运用三维电磁散射模型在目标SAR数据生成以及物理属性描述方面的优势,提升深度学习模型的分类可靠性和适应性。

联合核稀疏表示和增强字典的SAR目标识别方法

为提高合成孔径雷达(SAR)图像目标识别性能,以传统稀疏表示分类(SRC)为基础,提出联合核稀疏表示分类(KSRC)和增强字典的方法。KSRC在SRC的基础上引入非线性核函数,从而提升分类器对于非线性数据关系的表征能力。增强字典在原始训练样本的基础上,通过噪声添加和部分遮挡扩展原始字典,提升其对典型扩展操作条件的适应能力。同时,增强字典在KSRC的作用下,可以进一步提升对其他相关扩展操作条件的覆盖程度,从而提升识别方法对于多类扩展操作条件的有效性。以MSTAR数据集为基础开展实验,设置了标准操作条件以及噪声干扰、部分遮挡、型号差异等扩展操作条件,实验结果显示了本文方法的优势性能。

面向复杂电磁环境的体系作战仿真平台设计

战争模拟可划分为战略、战役、战术和技术4个层级。国内外现有战役战术级体系作战仿真平台无法驱动技术层电磁设备专用模型,导致其战场复杂电磁环境仿真逼真度受限。借鉴柔性分析建模与训练平台(flexible analysis modeling and exercise system,FLAMES)系统模型体系架构,基于离散事件仿真系统(a discrete event system simulator,ADEVS)引擎模拟库,设计开发了一套融合战役、战术和技术3个层级,支持系统、实体和组件三级独立仿真步长设置且动态可调的柔性作战仿真平台柔性作战仿真平台(flexible operation simulation,FOSim)。通过驱动技术层专用模型,该平台可将更细粒度电磁设备模型纳入体系作战仿真回路,从而在大规模的战役战术级体系作战仿真中实现高逼真度的复杂电磁环境生成和电磁环境影响效应模拟。

基于深度信念网络的属性散射中心匹配及在SAR图像目标识别中的应用

合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标识别是SAR图像解译的重要应用。为提高SAR目标识别的稳健性,本文提出基于深度信念网络(Deep Belief Network,DBN)的属性散射中心匹配方法。属性散射中心参数特征丰富,能够很好地反映目标的局部散射特性。DBN发挥深度学习优势,可以实现测试样本与模板样本散射中心集的稳健匹配,并且能够较好地适应噪声干扰、部分缺失等情形。在构建的属性散射中心匹配关系的基础上,定义相似度度量准则。基于最大相似度的原则确定测试样本所属类别。实验依托MSTAR数据集开展,经验证,所提方法对于SAR目标识别问题具有良好的有效性和稳健性。

基于三维电磁散射参数化模型的SAR目标识别方法

合成孔径雷达目标识别是雷达数据解译中一个长期研究的难点问题。近年来,基于模型的SAR目标识别方法由于在扩展条件下的识别性能表现良好而备受关注。在联合国内多家研究单位进行攻关的基础上,该文简要阐述了对该问题的初步研究成果及思考。首先从3个方面出发梳理了散射部件模型发展的技术脉络并对其进行了补充完善;然后从正向推算和逆向反演两条技术途径提出了复杂目标电磁散射参数化建模方法;最后提出了基于复杂目标电磁散射参数化模型的目标识别新框架。论文最后对基于模型的SAR目标识别下一步研究方向进行了展望。

属性散射中心匹配及其在SAR目标识别中的应用

属性散射中心是合成孔径雷达(Synthetic Aperture Radar,SAR)图像的一个重要特征。该文提出了一种属性散射中心匹配方法并将其运用于SAR目标识别中。该方法首先基于属性散射中心模型提取待识别SAR图像和模板SAR图像的属性散射中心,进而采用Hungarian算法实现散射中心的匹配。在建立的匹配关系的基础上,设计了一种稳健的散射中心匹配度度量方法计算待识别散射中心与各类模板散射中心的匹配度。该匹配度准则充分考虑了单个散射中心强弱、匹配对强弱以及漏警、虚警带来的影响,对于散射中心集的匹配度的评价更为全面。基于Moving and Stationary Target Acquisition and Recognition(MSTAR)数据集的实验验证了方法的有效性。

基于属性散射中心模型的SAR目标重构可视化增强方法

基于属性散射中心模型对实测SAR数据进行参数估计,利用参数估计的结果对实测SAR目标重构可视化增强对于辅助SAR解译人员进行判别具有重要的意义。该文提出了一种新的可视化增强方法,利用成像操作(IFFT)的线性特征,在参数估计的基础上,基于属性散射中心模型分别对各个散射中心自适应成像,最后叠加重构整幅SAR图像。实验结果表明,该方法可以有效提高目标重构的可视化效果。

基于改进差分进化的多无人机协同航迹欺骗算法研究

针对单无人机对舰船编队组网雷达进行航迹欺骗时无法同时满足既要在敌方各雷达上产生逼真的假目标航迹、又要在组网雷达进行数据融合中产生一致的假目标航迹要求的问题,提出一种基于改进差分进化的多无人机协同航迹欺骗算法。首先根据预设虚假航迹,分析多无人机运动约束,进行多无人机协同航迹欺骗问题建模,并给出无人机航迹欺骗干扰策略和运动方式的编码描述方法。然后采用改进差分进化算法进行无人机协同航迹欺骗策略的优化求解。最后,分析无人机数量对预设虚假航迹逼近效果的影响。仿真结果表明,在5部雷达进行组网、通过5架无人机进行协同航迹欺骗的情况下,所提出的算法能够有效逼近虚设虚假航迹。

高速平台下动目标高分辨成像方法研究

高速平台对地面强散射移动目标或者海面舰船目标进行合成孔径雷达成像(SAR)时,存在两方面问题:一是传统SAR匀速直线模型已不适应高速平台自身高动态运动特征;二是目标的非合作运动一方面会引起图像散焦,另一方面动目标在地距图中的位置会产生较大偏移。针对这两个问题,首先在匀加速度模型频域相位滤波算法下,推导出了精确的斜地投影关系以及近似的反投影关系,同时给出了基于惯性组合导航(INS)的平台运动补偿方法,最后结合自聚焦技术,完成对舰船目标的聚焦并得到以目标为图像中心的地距图。

舷外有源诱饵弹末端对抗仿真与能力分析

针对海战中反舰导弹攻击舰船的作战样式,研究舷外有源诱饵弹对抗反舰导弹的过程;对反舰导弹采用比例引导法跟踪目标、舰船发射有源诱饵弹实施质心干扰进行仿真,分析舰船RCS随方位角的变化特性,以及舷外诱饵弹实施质心干扰对反舰导弹导引头雷达的影响,为舰船规避对抗反舰导弹提供参考。

基于部件级三维参数化电磁模型的SAR目标物理可解释识别方法

该文通过部件级三维参数化电磁模型(3D-PEPM)描述了复杂目标的电磁散射现象,并基于此模型提出了一种新的合成孔径雷达(SAR)目标识别方法。该方法首先根据雷达参数将3D-PEPM中各个散射体的散射响应投影到二维图像平面,预测每个散射体的位置和形状,然后根据3D-PEPM提供的先验信息评估3D-PEPM与SAR数据之间的相似程度,最后利用一种视角调整方法对整个过程进行优化,产生3D-PEPM和SAR数据之间的最终匹配分数,并根据该匹配分数完成识别决策。这种识别方法明确标识了SAR数据和3D-PEPM散射体之间的对应关系,具有清晰的物理可解释性,能够有效处理各种扩展条件下的SAR目标识别问题,仿真实验验证了该方法的有效性。

匹配滤波在SAR目标单个散射部件检测中的应用

目的目标部分缺失是SAR(synthetic aperture radar)ATR(automatic target recognition)中的难点问题,实现SAR目标散射部件级别的检测可以有效解决这一问题。方法基于目标的部件级别3维电磁散射模型提出了一种基于匹配滤波的单个散射部件检测方法。该方法通过模型预测单个散射部件的图像构造匹配滤波器,并通过在模型3维参数域的调整实现了匹配滤波器在3维空间的滑动,得到最佳的部件检测位置和最大相关系数。为克服方位角估计不准的限制,采用了领域搜索寻找最佳检测结果。按照散射部件的强度由强至弱序惯检测各个散射部件。采用CLEAN算法去除部件之间的相互干扰。结果在简易坦克部件级3维电磁散射模型基础上,利用电磁仿真数据、暗室数据以及MSTAR(moving and stationary target acquisition and recognition)干扰数据进行了单个散射部件检测实验,实验结果表明,本文方法可以很好地检测出实测图像中存在的目标散射部件,并且可以检测出缺失的散射部件。结论本文提出了基于匹配滤波器的散射部件检测方法,实验证明了该方法的有效性。