基于局部离群因子的HRRP开集识别特征选择方法

特征选择是雷达目标识别流程中一个较为关键的环节,通过对原始特征集进行筛选,挑选出其中的优质特征构成新的特征子集,可以有效增加识别准确率,提升识别效率。为了提升开放环境下高分辨距离像(High Range Resolution Profile,HRRP)的识别性能,针对现有特征选择方法基于闭集假设,无法有效应对实际应用中存在库外目标导致的开集识别(Open Set Recognition,OSR)性能下降问题,本文提出了一种基于局部离群因子(Local Outlier Factor,LOF)的HRRP开集识别特征选择方法。首先,从原始HRRP中提取15维特征向量作为原始特征集;其次,该方法引入聚合性概念,并使用LOF作为其度量,通过评估特征子集的聚合性来保证其在OSR时具有最小的开放空间风险。同时,采用重心法评估特征子集的可分性,并使用前向搜索算法优化特征选择过程,确保所选特征子集为维数约束下的最优解。实验结果表明:利用所提方法选择的特征子集在开集环境下识别性能优于现有特征提取方法,提升了开集环境下高分辨距离像的识别性能。

面向输电线路优化设计的三维激光雷达扫描数据融合技术

为降低输电线路在优化后的碰撞率,本文提出了一种面向输电线路优化设计的三维激光雷达扫描数据融合技术。首先,采用k-d树方法剔除原始数据中的异常点和噪声点,以净化数据集。其次,利用高斯函数对更新后的三维激光扫描数据进行多尺度变换处理,并对扫描数据的坐标进行配准。再次,采用Delaunay三角剖分方法对配准后的坐标数据进行融合,生成输电线路地形的三维模型。最后,根据设计原则在模型中对输电线路进行优化设计,对面向输电线路优化设计的三维激光雷达扫描数据进行融合。试验证明,本文所提技术能够将线路碰撞率降至1%以下,同时缩短路径长度,并且数据融合精度较高。

合成孔径雷达高分辨率成像虚拟仿真实验平台设计

合成孔径雷达(synthetic aperture radar,SAR)系统组成复杂,搭载于飞机、卫星等运动平台上才可实现数据获取,难以开展基于SAR雷达实物的实验教学。为解决此问题,设计并搭建了SAR高分辨率成像虚拟仿真实验平台。该虚拟仿真实验平台将系统设计技术、实验设计技术、数据采集过程、信号处理技术、图像评估技术等SAR实验的完整流程进行了高展示度、高保真度、高交互性的计算机模拟。一方面,该虚拟仿真实验可以帮助学生理解SAR设计、工作和应用的流程,巩固相关课程基础知识,激发学习雷达信号处理知识的兴趣;另一方面,可以考查学生对相关知识的综合应用能力,增强学生解决实际问题的技能。该仿真平台已成功应用于虚拟仿真教学课程实践,教学效果良好,对培养新工科技术型人才具有重要意义。

矩形空洞探地雷达成像曲线厚度变化规律研究

由于城市基础建设不断地翻新改造,引发城市地下空洞滋生问题。通过探地雷达扫描技术,对地下矩形空洞整个探测过程进行研究,将探测过程划分为四个阶段,研究了成像曲线厚度变化规律。对探地雷达水平运行时矩形空洞的成像曲线厚度变化规律进行分析,对不同大小下的矩形空洞点测时曲线厚度进行研究,并通过实际探测案例来解释矩形空洞成像曲线厚度变化规律,结果表明探地雷达探测矩形空洞时其成像曲线厚度为先增加后减小的对称曲线,其曲线厚度最大处在图像上为水平弧段两端,位于实际矩形空洞对角线附近;雷达点测时成像曲线厚度随矩形空洞变大而增加,在图像上表现为空洞越大线条越粗。

宽带复合双基地雷达舰船目标长度估计方法

舰船目标长度特征对舰船目标识别具有重要作用,该文提出一种基于宽带复合双基地雷达联合观测的舰船目标长度估计方法。该方法综合利用单/双基地雷达高分辨距离像(HRRPs)长度,结合双基地雷达-舰船之间的空间关系求解,实现了单次测量估计舰船目标的实际长度,并分析了各种误差因素和几何构型条件下的估计误差。典型场景动态仿真证明了所提方法的有效性,结果表明在高分辨距离像长度误差小于5%条件下,舰船目标长度估计误差小于5%,为舰船目标特征提取与识别提供了新思路。

一种基于模糊融合规则的CFAR检测器

针对单元平均恒虚警检测器(CA-CFAR)在多目标干扰和杂波边缘效应下的性能局限,提出了基于子参考窗口中最小选择单元的恒定虚警检测器(MCA-CFAR)。通过选择子参考单元中的最小单元格,显著提升了检测器的性能,并在瑞利分布背景下详细推导了检测概率、虚警率和检测阈值。为进一步优化性能,设计了模糊逻辑融合检测器(FUMCA-CFAR),它利用两个传感器计算空间隶属函数值,并通过代数和、代数积、MAX、MIN四种规则进行融合,实现了平滑输出,减少了目标信息的丢失。仿真实验表明,基于代数和融合的FUMCA-CFAR检测器在均匀和非均匀背景下均展现出优异的检测性能和抗干扰能力。

基于注意力机制CNN-LSTM的毫米波雷达点云特征数据预测生成

在智能驾驶的环境感知领域,毫米波雷达是一种关键的传感器技术。然而,因数据量有限,其特征数据的采集具有一定的挑战性,这限制了环境感知分类模型的训练效果。针对这一难题,提出了一种融合自注意力机制的卷积长短期记忆网络模型,旨在预测并生成毫米波雷达点云的特征数据,以此来扩展雷达特征数据集。首先采集道路目标的运动状态数据,对数据进行二维快速傅里叶变换、恒虚警率检测,并利用多输入多输出(Multiple-Input Multiple-Output,MIMO)技术提升方位分辨率;接着执行点云聚类及特征提取;最后采用含注意力机制的卷积长短期记忆网络对特征数据进行进一步处理与预测。在真实采集的3类道路目标数据集上,与其他模型相比,该方法在不同道路目标运动特征的预测R^(2)上提高了1%~7%。

基于改进Centerfusion的自动驾驶3D目标检测模型

针对自动驾驶路面上目标漏检和错检的问题,提出一种基于改进Centerfusion的自动驾驶3D目标检测模型。该模型通过将相机信息和雷达特征融合,构成多通道特征数据输入,从而增强目标检测网络的鲁棒性,减少漏检问题;为了能够得到更加准确丰富的3D目标检测信息,引入了改进的注意力机制,用于增强视锥网格中的雷达点云和视觉信息融合;使用改进的损失函数优化边框预测的准确度。在Nuscenes数据集上进行模型验证和对比,实验结果表明,相较于传统的Centerfusion模型,提出的模型平均检测精度均值(mean Average Precision,mAP)提高了1.3%,Nuscenes检测分数(Nuscenes Detection Scores,NDS)提高了1.2%。

雷达信号与遥感地图融合的深度学习低慢小目标检测算法

雷达复杂环境低慢小目标检测是一项具有挑战性的任务,而利用深度学习以及数据特征融合等方法是解决这一难题的有效手段。本文在雷达地图融合检测网络(Radar Map fusion Detection Network,RMDN)的基础上进行了优化,主要优化方向为将雷达与地图信息在检测过程中进行重要性程度区分,具体优化内容为减少地图特征提取模块的网络深度,加入通道注意力机制,让神经网络自主学习雷达信息与地图信息特征的权重,使神经网能够更好地利用地图信息对雷达目标进行辅助检测。在此优化基础上,本文重新设计出了雷达地图融合检测网络RMDN-V2。算法的主要思想为利用卫星遥感地图来提供背景环境信息,作为雷达信号检测的辅助,通过将目标背景中的特征信息融入检测决策中,提高目标检测的准确性和鲁棒性,减少对强杂波和移动物体的干扰敏感性,改善目标检测算法在复杂环境下的表现。最后的无人机雷达实测数据实验结果表明,本文所做的针对性优化是有效的,RMDN-V2的检测性能优于原始的RMDN,同时本文算法检测性能远超传统的雷达检测算法,同时也优于目前主流的一些深度学习雷达目标检测算法。本文为解决当下低慢小目标检测的难题提出了新的算法。

基于稀疏恢复的雷达信号处理研究综述

随着雷达目标探测需求的增加,基于压缩感知(CS)模型的稀疏恢复(SR)技术被广泛应用于雷达信号处理领域。该文首先对压缩感知的基本理论进行梳理;接着从场景稀疏以及稀疏观测两个角度介绍了雷达信号处理中的稀疏特性;然后基于稀疏特性,从空域处理、脉冲压缩、相参处理、雷达成像以及目标检测等角度概述了压缩感知技术在雷达信号处理中的应用。最后,对压缩感知技术在雷达信号处理中的应用进行了总结。

低海况下多姿态海上目标特征分析

海上目标种类繁多,单体结构复杂,目标特性动态范围较大,具有较强的时变性。从目标特性出发,特征化表征海面与目标的物理差异是解决海上目标检测的有效途径。本文以此为背景,利用X波段雷达开展海上多姿态目标数据采集试验,在低海况下,分析多种姿态目标的时空相关性以及时域、频域、时频域上的统计特征,并定义差异系数对统计特征进行差异性分析。经大量实测数据验证表明,在低海况下,目标与海杂波的时空相关性、统计特征差异较大,具有较强的可分性;不同姿态目标之间同一种统计特征差异系数均在0~0.1之间,具有较小差异性,并无可分性。这些结论对于海上目标特性数据采集试验以及目标识别方法优化设计具有重要意义。

强杂波背景下调频步进DBS技术研究

针对强地物杂波背景下弹载雷达目标检测与识别的技术难题,提出将高分辨距离像(high resolution range profile,HRRP)技术和多普勒波束锐化技术联合对地面进行二维高分辨成像,提高雷达在杂波下目标检测与识别的性能。该方法以线性调频步进频(linear frequency modulation stepped frequency,LFM-SF)信号为基本波形,首先对平台速度产生的多普勒效应等问题进行了详细讨论并校正;然后通过距离像抽取获得各帧对应的HRRP序列,并采用方位快速傅里叶变换(fast Fourier transform,FFT)实现方位高分辨;最后对实际飞行状态下平台造成的误差进行运动补偿,完成对波束内区域的二维分辨。实测数据的处理验证了所提算法的有效性与实用性。

低空复杂风场全天候雷达精细探测技术

低空复杂风场通常指距离地面高度600 m以下,局地风速、风向快速变化的风场.其全天候大范围精细探测是雷达科学、气象学等领域的长期难题.低空复杂风场的全天候雷达精细探测涉及传感器设计、三维风场反演和全天候融合等关键技术.本文从激光雷达探测、微波雷达探测、全天候融合及特征危害提取等方面对风场探测的技术内涵及研究现状进行了梳理,并分析了发展趋势,为低空复杂风场全天候精细探测技术发展与应用提供参考.

基于ILVD的多分量LFM信号重构算法

针对线性调频(linear frequency modulated, LFM)信号参数估计技术面向多目标产生的多分量信号会产生交叉项,从而降低参数估计精度的问题,提出了基于逆吕氏分布(inverse Lv’s distribution, ILVD)的多分量LFM信号重构算法。利用特征值分解结合最小误差准则方法的中心频率-调频斜率(centroid frequency-chirp rate, CFCR)域信号分析与合成,克服传统时频变换方法中的交叉项干扰问题;采用特征值分解思想构造ILVD变换核函数;使用最小误差准则校正CFCR域随机相位误差,重构出分布在CFCR域吕氏分布中不同位置对应的各个目标信号。实验结果表明,提出的算法在重构信号的准确度和抗噪声干扰方面的有效性均有较大提高。

《雷达原理与实验》课程思政教学探索与实践

课程思政对于雷达专业类课程是一个很大的挑战,本文以大专军士的《雷达原理与实验》课程为例,对课程思政教学进行了探索和研究。针对该课程思政教学的现状,充分挖掘课程中的思政元素,从理论依据、融入方法、教师队伍、评价体系四个方面详细探讨了建设内容。不仅增强该课程的育人功能,同时促进学员形成内动力,提高教学效果和成效,实现教书育人同频共振。

一种相控阵雷达横滚角标校方法

提出了一种相控阵雷达横滚角标校方法,利用相控阵雷达横滚角与目标俯仰角测量误差之间的近似线性关系,结合雷达自带的角度测量误差标定手段,快速地计算得到雷达的横滚角,进而大幅提高相控阵雷达的角度测量精度。实验证明,使用该方法计算得到的横滚角与使用激光测量仪器测得的横滚角结果精度相当,完全能够满足高精度测量雷达的需求。

基于雷达目标特征可分性的一维特征选择方法

海杂波背景下的海上小目标是海洋雷达探测的重难点。针对特征空间内海杂波与小目标特征可分性问题,提出了量化特征之间可分性的度量标准——重叠系数。通过开展对海探测试验获取的2~5级海况实测数据,分别提取时域特征相对平均幅度(Relative Average Amplitude,RAA)、相对峰值峰高(Relative Peak Height,RPH)、时域熵值均值(Time domain Entropy Mean,TEM),频域特征相对多普勒峰高(Relative Doppler Peak Height,RDPH)、相对多普勒向量熵(Relative Vector Entropy,RVE)、频域熵值二阶矩(Second moment of Frequency domain Entropy,SOFE),计算出重叠系数。通过特征检测器进行检测性能对比,低海况下,相对平均幅度、相对峰值峰高、时域熵值均值、相对多普勒峰高、频域熵值二阶矩特征之间重叠系数均在0.3以下,对应特征检测器的检测概率均在85%以上;高海况下其特征之间重叠系数均在0.7以上,对应特征检测器的检测概率均在50%以下。相对多普勒向量熵在4种海况下可分性较小,其对应的特征检测器性能较差。结果验证了重叠系数在一维特征选择的应用可行性,为多特征融合目标检测提供了一定支持。

海上目标雷达与AIS航迹时空匹配方法

针对海上目标的雷达与船舶自动识别系统(Automatic Identification System,AIS)中,航迹之间存在的时空不匹配现象,提出了在空间对准之后结合海上航迹运动特点,对AIS航迹数据进行插值对准雷达目标航迹的方法,在解决雷达与AIS航迹之间时空不匹配问题的同时,最大程度减小插值误差。该方法根据船舶航向变化率,结合航速航向法和内插外推法的优势,针对不同航迹特点自动选择最佳的插值配准方法,实现海上目标的雷达与AIS航迹点的自动插值和时空对齐。仿真实验结果表明,所提方法针对海上目标复杂运动,可以自动匹配选择最佳插值方法,有效降低误差,实现雷达与AIS航迹之间的时空匹配。

基于线性判别分析的海上目标检测算法

传统单一特征检测方法的检测性能较差,通过多特征联合检测方法可以有效提高检测性能。采用多特征联合检测方法在提高性能之外,也会造成计算量增加以及信息冗余。对此提出了一种基于线性判别分析的海上目标检测方法,将单一特征映射到二维特征空间中,形成两组特征组合,RDPH-RVE特征组合和RPHTEM特征组合,并在二维特征组合基础上进行降维处理。通过将单一特征映射到二维空间中,降低海杂波与目标重叠区域,再通过线性判别分析方法,将雷达回波数据在区分性更好的方向进行投影,在保留信息的同时减少了计算量。

联合战术通信系统的发展及其应用

联合战术通信系统(JTRS)是美军各层次网络空间能力建设和发展的重要通信装备,是实现其“战术级网络空间优势”的重大举措。针对JTRS最新动态及其调整变化,给出了JTRS的进展情况,包括JTRS电台演进和软件通信体系结构规范(SCA)标准;深入研究了JTRS电台体系架构和典型组网结构,并对JTRS的主要波形、相关电台进行了梳理分析与归纳总结,并对JTRS发展动态进行了分析展望。通过对JTRS发展及其应用进行深入研究,能够为战术互联网和新型软件无线电电台的发展提供借鉴,从而促进我国军事通信装备跨越式发展。