一种基于多维特征的弹道目标识别方法

针对传统基于目标RCS序列统计特征的识别方法对当前突防技术弹道目标识别有效性下降的问题,通过提取反映弹道目标运动机理和分形特性差异的多维度特征,提出了一种多维特征的弹道目标识别方法.仿真数据的特征可视化结果和识别置信度结果表明,本文提出的方法能较好地区分出真假弹头目标,显著提高复杂干扰场景下的识别准确率.

证据理论与模糊函数相结合的弹道目标识别

以稳健性为原则,选定物理意义明确、提取难度较低、类别可分性强、特征值起伏度小的若干种特征进行弹道中段目标群的识别研究。通过建立各类特征的模糊隶属度函数,完成相应不同证据体的基本概率赋值。再利用重新定义的证据理论冲突系数,对冲突或较低可信度证据进行修正。最后,尝试将模糊函数与改进证据理论相结合的算法应用于弹道中段的目标识别,仿真结果表明该无监督模式识别方法能够可靠地识别出真实弹头,也更具有良好的泛化能力。

一种弹道目标识别数据库构建方法

雷达目标识别数据库用于目标特性分析、识别算法验证,是实现智能目标识别系统的关键所在。本文从弹道目标识别数据特性出发,以典型弹道目标识别任务为牵引,从数据来源、特征信号、目标特征、分类判决进行逐级分析与设计,获得一种弹道目标识别数据库设计方法,支持实时特性数据读写操作、动态模型训练、批量数据查询等基础操作,并适用于群目标分辨、真假弹头识别等不同层面的识别任务,该数据库设计方法已在工程实践中应用,性能稳健,推广性强。

一种基于半监督学习的弹道目标识别方法

常规反导目标识别系统多依赖于先验知识与一定规模的样本,然而,由于弹道导弹发射事件具有偶发性强、非合作性强等特点,弹道目标样本积累困难,已积累的观测数据也难以进行准确的类别标定。因此,弹道目标识别系统通常研发周期较长、开发代价巨大。针对该问题,将半监督学习算法引入弹道目标识别分类器设计,以降低常规分类识别方法对样本规模的要求。进一步地,针对弹道目标特征分布未知的情况,设计一种TSVM-MKL分类器实现对半监督学习中假设模型的自适应调整。数据验证结果表明,该算法能在"极小"标定样本识别情景下仍能取得良好的分类识别效果,具有良好的工程应用价值。

基于距离像多特征的弹道目标识别方法

针对弹道导弹防御原型系统研制,设计了一种基于距离像多特征的弹道目标识别方法。首先,根据背景和目标的频域能量分布,对距离像数据进行自适应滤波除噪;然后,采用门限估计方法计算弹道目标长度特征,通过在空间域快速搜索局部极值点实时获取散射中心分布特征,利用极大似然估计方法提取距离像数据的非高斯模型参数;最后,将上述特征输入模糊分类器,完成基于最优线性集成的距离像多特征综合识别。仿真试验表明,该目标识别方法可用于特征提取和识别分类。

基于RCS序列动态特性的弹道目标识别方法

通过建立弹道目标雷达散射截面积(RCS)序列的动态特性及识别分类的理论模型,介绍了一种基于RCS序列动态特性的弹道目标识别方法。首先,对RCS采样数据进行滤波除噪,提取进动RCS周期序列;然后,在时频域联合提取序列周期以及均值、变异系数和极差等统计特征;最后,考虑到动态特征反映目标固有特性的能力,应用多属性决策中的层次分析法(AHP)进行信息融合,完成了基于最优线性集成的RCS多特征综合识别。仿真试验表明该方法有效。

一种并行在线算法在弹道目标识别中的应用研究

本文针对非合作性弹道目标识别样本规模小、计算实时性需求高的特点,提出一种并行在线识别算法。该算法基于多核学习的不同核矩阵权重的自适应学习实现对不同飞行阶段目标特征的自选择,并进一步利用增量学习实现算法的在线化应用。进一步地,针对不同的飞行阶段人工干预参与学习的目标特征选择。仿真试验结果表明,该算法可用于弹道目标的头体分辨,计算效率高,准确率满足工程需求。

引入拒识的最小风险弹道目标识别

针对弹道目标识别过程中误分类代价的不对称性,提出了一种引入拒识的最小风险弹道目标识别方法。该方法借助受试者工作特征(ROC)曲线,从概率分布的角度分析了真阳性率、虚警率与决策阈值之间的关系;定义了代价敏感模型及引入拒识代价的模型的代价损失函数,推导了最小化分类代价所需满足的条件,结合ROC曲线的切线斜率,确定了最优拒识阈值,并利用两类目标的高分辨距离像(HRRP)数据验证了方法的有效性。实验结果表明:该方法能够唯一确定使代价最小的拒识阈值,克服了传统方法由于依赖于类先验概率及训练结果而造成的随机性和不确定性的缺点,提高了可靠性和稳定性,具有理论和实际应用价值。

基于残差网络ResNet18-SVM的弹道中段目标识别

针对单纯基于深度学习的弹道目标识别算法在小样本下鲁棒性差、识别率低的问题,提出一种残差网络ResNet18与支持向量机(SVM)级联的分类模型,对弹头、重诱饵、轻诱饵和碎片四类典型弹道目标进行识别。该识别以雷达回波信号的时频图像作为输入,利用残差单元自动抽象出目标特征,再输入SVM识别分类,该模型结合了ResNet深层感受野大、SVM对高维特征样本拥有较好的分类能力的优势。文中实验采用的雷达回波数据集通过弹道仿真和目标电磁仿真获得,通过仿真实验表明级联模型ResNet18-SVM比单纯的ResNet18识别率平均提升1.9%;文中模型具有良好的鲁棒性,在不同信噪比下相比于SqueezeNet、ZFNet、AlexNet网络平均精准率分别高出14.3%、16.3%、4.46%。

基于两阶段注意力层Transformer的弹道目标多站融合识别

多站弹道目标融合识别旨在利用多个雷达站点信息的互补性提升弹道目标识别性能,而传统多站下弹道目标识别方法未直接考虑多站数据间的关联特性,难以取得准确、稳健的识别性能。针对多站下基于雷达散射截面积(RCS)高速飞行目标的识别问题,提出了一种基于两阶段注意力的弹道目标多站融合识别方法。首先,在现有的Transformer模型上添加维度分段模块将多站雷达数据嵌入于二维向量中,保留站内数据时序及站间关联信息;然后,添加了两阶段注意力层,有效地捕获站内时序信息及跨站维度的依赖关系;最后,基于仿真动态RCS数据模拟多站场景开展了融合识别实验。实验结果表明该方法能够有效提升多站条件下的弹道目标识别性能。

利用低数据率HRRP序列进行弹道中段目标识别

雷达目标识别是弹道防御阶段的关键环节,为节约雷达时间资源和降低对计算机处理能力的要求,需研究低数据率雷达回波信号的弹道中段目标识别方法,本文以低数据率目标高分辨一维距离像序列(High Resolution Range Profile,HRRP)为研究对象,提出了基于图像投影法的进动频率特征提取算法和基于特征级融合的弹道中段目标识别方法,解决了由于HRRP回波序列数据率过低而导致的时频曲线周期模糊和单一特征造成目标识别准确率浮动大的问题。本文通过仿真弹道导弹中段飞行场景中弹头、重诱饵、轻诱饵、碎片目标的特性数据,同时考虑目标尺寸、形状和微运动模型等差异,结合仿真数据对本文所提算法进行验证。实验结果表明在低数据率(10~100 Hz)下,HRRP序列利用本文算法提取的进动频率特征结果误差值小于0.05 Hz,具有较高准确性和稳定性,通过特征融合方法联合进动频率和目标结构特征将弹道中段目标的识别准确率提升到了96%以上且趋于稳定。

基于二叉树SVM的弹道目标RCS识别

二叉树支持向量机(SVM)是一种针对多类问题的有效分类器,具有结构简单、训练快的特点,但二叉树SVM容易出现误差积累,且不能输出识别结果的置信度。文中设计了一种基于隶属度计算的二叉树SVM分类器,首先,该分类器利用方差和最小准则选择节点,将多类问题转化为偏二叉树SVM分类问题,避免了误差积累,然后,利用特征变换空间的类中心和类半径,计算出样本结果的置信度,使得二叉树SVM分类器能够输出模糊结果。将上述二叉树SVM分类器应用于弹道目标的RCS特征识别,仿真结果表明了该方法的有效性。

基于二叉树直觉模糊SVM的弹道目标HRRP识别

弹道目标识别是一个多目标识别过程,二叉树支持向量机(BTSVM)是一种针对多类分类有效的分类器。BTSVM结构简单,训练快,但容易出现误差积累。为提高目标识别率,引入并改进了直觉模糊支持向量机,设计了一种基于自适应隶属度函数和直觉指数的多类直觉模糊SVM分类器。对训练集进行直觉模糊化处理得到直觉模糊数据集,用于训练分类器得到二叉树直觉模糊SVM分类器。将此分类器应用于弹道目标HRRP识别,提高了识别的正确率和识别效率,仿真结果表明了此分类器的有效性。

反导系统对弹道群目标分离识别仿真

反导中段假目标数量众多,多个目标可能会位于同一雷达波束而无法分辨和识别。针对上述问题,首先使用独立成分分析算法进行弹道群目标混波的盲源分离,并从分离前后的各目标回波中提取若干种物理意义明确、提取难度较低、类别可分性强的特征,构成模糊支持向量机的训练及测试样本向量。然后基于改进的样本模糊隶属度函数和训练样本精简算法,利用一对多模糊支持向量机分类思想对弹道群目标进行真假判决。仿真结果表明,将独立成分分析与模糊支持向量机相结合可以成功解决反导中段群目标混波的分离难题,同时以较高识别率实现了真实弹头的有效识别。

基于ISVM-DS的红外多传感器融合识别方法

弹道中段目标为一个目标群,包括弹头、诱饵、碎片等,并且由于距离传感器较远,红外成像为点目标,可用信息较少,因此单一的红外传感器往往难以满足识别要求,需要融合多个传感器进行识别。针对红外多传感器的融合识别问题,本文提出了基于增量支持向量机和D-S(increment support vector machine-Dempster-Shafer,ISVM-DS)证据理论的融合识别方法。首先,训练多个波段传感器红外特征的支持向量数据描述(support vector data description,SVDD)模型,生成壳向量并训练其ISVM模型;接着,采用ISVM模型的后验概率生成基本概率赋值(basic probability assignment,BPA);最后,利用D-S证据理论对多个证据的BPA进行融合,输出分类结果。实验结果表明,该方法能有效提高目标识别的准确性。

基于HRRP的弹道目标特征提取技术综述

基于雷达高分辨一维距离像(high resolution range profile,HRRP)的识别方法是弹道中段目标识别的有效手段,从弹道目标HRRP中提取出反映目标本质属性且可分性良好的特征对真弹头的识别具有重要意义。以高分辨距离像为研究对象,在对弹道目标高分辨距离像的特点进行分析的基础上,对弹道目标HRRP特征提取技术以及近年来取得的成果进行了总结,包括长度特征提取技术、进动特征提取技术以及长度特征和进动特征的联合提取技术。最后对弹道目标特征提取技术的技术难点和发展趋势进行了分析,提出了一些解决思路。

弹道目标极化相关性分析

弹道目标的极化特性在弹道目标识别中呈现出极大的应用潜力。针对弹道目标的极化特性,着重分析弹道目标的极化相关性。基于一种弹道目标动态全极化回波仿真方法得到典型战情下的雷达回波,然后重点分析四类弹头目标的极化相关特性,得到了一组对雷达工程实践有意义的结论,对于弹道目标识别中分时极化测量雷达的数据率设置具有一定的工程参考价值。

利用HRRP序列估计弹道中段目标进动频率

弹道导弹中段的真、假诱饵受质量分布等因素的影响,其进动频率等特征存在较大差别。微动特性作为弹道导弹目标识别中的稳定特征,可以通过旋转目标的微多普勒信息进行提取,这也是当前弹道导弹目标识别的研究热点。本文以弹道中段的锥柱状弹头为研究对象,建立了该类目标的散射点模型和进动模型,通过分析一维距离像上散射中心位置变化特点,提出基于散射点时频分布图估计进动频率的算法。该算法首先应用短时傅里叶变换得到强散射中心单元的时频图,再利用自适应阈值法提取时频脊线,从而估计出目标进动频率。实验仿真了弹道回波数据,并利用该数据验证算法的有效性。实验结果证明了算法具有良好的抗噪性能。

基于解析法的再入目标实时质阻比估计

文中对再入弹道目标的质阻比估计算法进行了讨论;分析了解析法计算目标质阻比的主要影响因素,同时讨论了实时估计质阻比的算法。在考虑再入目标质阻比的时变特性前提下,仿真了地心坐标系下再入弹道目标的二维轨迹;最后用该仿真轨迹数据对实时质阻比估计算法进行了验证分析。

利用一维像序列时域差分估计目标进动频率

针对弹道目标识别中目标运动特征参数估计问题,提出一种一维距离像(HRRP)序列时域差分目标进动频率估计方法,该方法首先对一维距离像进行归一化处理,利用峰值法对齐相邻一维距离像,然后计算相邻一维距离像之间的差分值,获得相邻一维距离像差分值序列,最后采用快速傅里叶变换(FFT)从该差分值序列中估计目标进动频率。该方法具有以下优点:利用相邻一维距离像差分值序列能够增强目标进动频率成份,降低其他频率成份,更有利于进动频率的估计;只需要对齐相邻2个一维距离像,而避免了对齐一维距离像序列所带来的问题。利用由FEKO软件计算的进动目标宽带一维距离像仿真数据进行了实验,结果表明所提方法比常规的加权累积法更有效,估计精度更高。