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...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。展开更多
给出了一种结合幂变换的高分辨率距离像 (High Resolution Range Profile,简称 HRRP)的预处理新方法。根据时域 -频域能量等价性 ,利用功率平均形成一种频域平均模板。基于美国 MSTAR(Moving and Stationary TargetAcquisition and Reco...给出了一种结合幂变换的高分辨率距离像 (High Resolution Range Profile,简称 HRRP)的预处理新方法。根据时域 -频域能量等价性 ,利用功率平均形成一种频域平均模板。基于美国 MSTAR(Moving and Stationary TargetAcquisition and Recognition)展开更多
雷达一维高分辨距离像(high resolution range profile,HRRP)信号能够反映目标的结构信息,且具有易于获取的优势,因此利用雷达HRRP回波信号对目标进行分类识别获得了广泛的关注。传统的分类识别方法大多基于提取人工设计的特征然后利用...雷达一维高分辨距离像(high resolution range profile,HRRP)信号能够反映目标的结构信息,且具有易于获取的优势,因此利用雷达HRRP回波信号对目标进行分类识别获得了广泛的关注。传统的分类识别方法大多基于提取人工设计的特征然后利用分类器进行分类。然而人工设计提取的特征依赖于专家的先验知识,且人工设计的特征在识别性能上已经趋于平稳。本文将神经网络引入HRRP分类识别中,提出一种基于一维卷积神经网络的HRRP雷达目标分类识别方法。所提方法根据HRRP数据的形式,采取一维的神经网络算子构成一维卷积神经网络。且在网络主体采用一种纺锤形状的残差结构,该结构能够在提取深层抽象特征的同时有效减轻梯度消失和梯度爆炸问题。所提方法在多个数据集上相比于传统对比方法取得了更好的分类识别性能。展开更多
雷达数据生成在目标识别等任务中发挥重要的作用。现有雷达数据生成方法包括电磁仿真、视线追踪等,存在对模型误差敏感、计算量大等问题。本文面向雷达HRRP(high resolution range profile)数据提出一种基于深度生成网络的雷达数据生成...雷达数据生成在目标识别等任务中发挥重要的作用。现有雷达数据生成方法包括电磁仿真、视线追踪等,存在对模型误差敏感、计算量大等问题。本文面向雷达HRRP(high resolution range profile)数据提出一种基于深度生成网络的雷达数据生成方法,在模型先验信息未知的情况下,由雷达HRRP数据集训练得到深度生成网络,从而实现雷达HRRP数据的快速生成。实测数据处理结果表明该方法生成HRRP与数据集中HRRP极为相似,生成HRRP可以应用于增强雷达HRRP数据集、改善数据不平衡问题等。展开更多
针对现有基于H/A/α分解提取全极化高分辨率距离像(high range resolution profile,HRRP)特征的方法都没有考虑度量尺度对所提取特征性能影响的问题,提取了平均度量尺度下的特征子集,给出联合动态互信息概念用于选择最优平均度量尺度,...针对现有基于H/A/α分解提取全极化高分辨率距离像(high range resolution profile,HRRP)特征的方法都没有考虑度量尺度对所提取特征性能影响的问题,提取了平均度量尺度下的特征子集,给出联合动态互信息概念用于选择最优平均度量尺度,并剔除特征子集中的冗余特征;在此基础上,结合Bagging和Boosting算法,提出一种宽带全极化雷达目标识别方法;最后在多类飞机目标HRRP样本集上验证了该方法的有效性。展开更多
文摘给出了一种结合幂变换的高分辨率距离像 (High Resolution Range Profile,简称 HRRP)的预处理新方法。根据时域 -频域能量等价性 ,利用功率平均形成一种频域平均模板。基于美国 MSTAR(Moving and Stationary TargetAcquisition and Recognition)
文摘雷达一维高分辨距离像(high resolution range profile,HRRP)信号能够反映目标的结构信息,且具有易于获取的优势,因此利用雷达HRRP回波信号对目标进行分类识别获得了广泛的关注。传统的分类识别方法大多基于提取人工设计的特征然后利用分类器进行分类。然而人工设计提取的特征依赖于专家的先验知识,且人工设计的特征在识别性能上已经趋于平稳。本文将神经网络引入HRRP分类识别中,提出一种基于一维卷积神经网络的HRRP雷达目标分类识别方法。所提方法根据HRRP数据的形式,采取一维的神经网络算子构成一维卷积神经网络。且在网络主体采用一种纺锤形状的残差结构,该结构能够在提取深层抽象特征的同时有效减轻梯度消失和梯度爆炸问题。所提方法在多个数据集上相比于传统对比方法取得了更好的分类识别性能。
文摘雷达数据生成在目标识别等任务中发挥重要的作用。现有雷达数据生成方法包括电磁仿真、视线追踪等,存在对模型误差敏感、计算量大等问题。本文面向雷达HRRP(high resolution range profile)数据提出一种基于深度生成网络的雷达数据生成方法,在模型先验信息未知的情况下,由雷达HRRP数据集训练得到深度生成网络,从而实现雷达HRRP数据的快速生成。实测数据处理结果表明该方法生成HRRP与数据集中HRRP极为相似,生成HRRP可以应用于增强雷达HRRP数据集、改善数据不平衡问题等。
文摘针对现有基于H/A/α分解提取全极化高分辨率距离像(high range resolution profile,HRRP)特征的方法都没有考虑度量尺度对所提取特征性能影响的问题,提取了平均度量尺度下的特征子集,给出联合动态互信息概念用于选择最优平均度量尺度,并剔除特征子集中的冗余特征;在此基础上,结合Bagging和Boosting算法,提出一种宽带全极化雷达目标识别方法;最后在多类飞机目标HRRP样本集上验证了该方法的有效性。