低分辨雷达的目标特征提取方法

基于现役低分辨警戒雷达 ,研究了进行目标分类和识别的途径 ,提出了基于波形特征和时间谱信息的目标分类和识别方法 ,试验分析了基于目标波形信息的特征 ,得出目标波形信息可用于目标识别的结论。现场试验表明 ,该方法对目标大小分类和架次识别有好的效果。

基于时间谱信息的低分辨雷达飞机目标分类

雷达目标空间状态随时间的变化特性从侧面揭示了的目标的本质,这种目标空间状态随时间呈现的分布特性称之为目标的时间谱,而利用目标的时谱信息(目标的航迹、速度、机动性、空间坐标信息)可以简化(或缩小)待识别目标的范围。用低分辨雷达测量得到的时间谱信息作为特征,采用模糊逻辑规则对五类飞机目标进行分类判决。结果表明:基于时间谱信息的飞机目标分类为低分辨雷达飞机目标识别提供了一个有效的辅助手段。

基于分数布朗特征的低分辨雷达目标分类

低分辨雷达目标的JEM效应不仅体现在对目标回波的频率调制上,还体现在幅度调制上,以上2种调试特征是互补的关系,综合运用2种调制特征将会改善低分辨雷达对飞机目标的分类与识别能力。分数布朗运动模型是一种可以用来描述自然界中随机分形的统计模型,文中提出将分数布朗运动模型用于反映回波幅度的不规则程度或起伏程度,以及回波幅度起伏的快慢,分别提取回波时域和频域的分数布朗分形维,再采用支持向量机分类器进行分类,很好地将直升机与民航机2类目标区分开来。实测数据表明,综合分类正确率大于85!。

低分辨雷达基于波形特征的飞机架次判别方法

通过分析低分辨雷达飞机目标回波波形,提取出低分辨雷达飞机目标架次可资分类的特征参数作为飞机目标架次判别的特征向量。最后,采用模糊极大极小神经网络作为分类器,在低分辨雷达目标识别样机系统对机群目标进行分类识别试验中,验证了所提取特征的有效性。

低分辨雷达螺旋桨飞机回波调制特性的研究

结合螺旋桨飞机结构和低分辨雷达特点提出了低分辨雷达螺旋桨飞机回波调制特性的实用数学模型,井用实际的螺旋桨飞机和低分辨雷达参数对该模型进行了详细的分析和仿真。分析了某低分辨雷达螺旋桨飞机实际回波的调制特性,讨论了低分辨雷达有关参数对调制特性的限制。最后把分析结果和仿真结果进行了比较,得到了理论模型和实际相一致的结论。建立了低分辨雷达调制特征和目标结构的数学关系。

一种基于低分辨雷达的目标识别方法

讨论了一种基于低分辨雷达的目标(飞机)识别方法,描述了这种识别方法所依赖的硬件平台即目标回波数据采集系统的组成及工作原理,阐述了一种基于低分辨雷达的目标粗分类(目标大、中、小等粗略属性的判别)的方法,研究了低分辨条件下目标特征描述的思路, 尝试利用这些方法进行目标属性的粗分类以及进行机群目标架次的判别。现场实验表明,这 些方法是可行有效的,对于提高常规低分辨雷达的性能有着重要的意义。

低分辨雷达的一维横向成像及提高分辨率的方法

对飞机一类准平面目标 ,其一维图像能在很大程度上显示目标的特征 ,用作目标识别是可取的 .低分辨率的常规雷达 ,对飞机一类目标不能作纵向分辨 ,但可以从回波序列得到一维的横向图像 .其所成图像的分辨率不高 ,甚至成像不正确 ,其主要原因有二 :其一是平动补偿不正确 ;其二是未考虑目标的非平面、非均匀转动 .文中针对这两方面的问题 ,提出了新的一维横向成像算法 ,通过仿真数据和实测数据处理 ,表明新算法是合理的 .

分数阶Fourier域低分辨雷达飞机回波的分形特性分析与目标分类

常规低分辨雷达体制下的目标分类与辨识是雷达目标识别领域的一个研究难点。研究表明,地、海、空等雷达杂波具有分形特性,不同类型目标会对回波分形特性产生不同的影响,但在强杂波背景下,回波的分形特性更多地表现为杂波的特性。作为一种非平稳信号分析工具,分数阶Fourier变换可以有效地获取目标回波信号的细节特征并充分抑制杂波,且具有快速算法。为此,立足于分形及其相关理论,拟从分数阶Fourier域对常规雷达飞机目标回波的分形特性进行分析,估计和分析其分形参数,并对分数阶Fourier域回波分形特征在飞机目标分类中的应用进行探讨。研究结果表明,在最优变换阶数下,分数阶Fourier域飞机目标回波具有显著的分形特性,且充分反映了目标的特性,分形测度分析可以揭示回波的动力学演化机制,且最优变换域回波分形特征可以有效用于飞机目标的分类和识别。

基于灰度图特征的低分辨雷达目标识别

低分辨雷达目标识别一直是目标识别领域的研究难点。由于我国现役雷达基本上都是低分辨雷达,开展低分辨雷达目标识别研究有着极为现实的意义和迫切的需求。文中基于现役低分辨雷达,研究了目标识别的关键技术,提出了基于灰度图的特征提取方法,并采用径向基函数神经网络对所提取的特征进行了识别实验,达到了较高的识别率。

低分辨雷达目标智能识别的最新进展

低分辨雷达目标智能识别一直是雷达目标识别研究领域的难点。本文分析了低分辨雷达目标智能识别的难点和要解决的关键技术 ,综述了国内外低分辨雷达目标智能识别研究的最新进展。提出了发展低分辨雷达目标智能识别能力的设想。

基于多分辨分解的低分辨雷达特征提取

根据低分辨雷达的特点,利用小波多分辨分解和奇异性检测理论,对雷达视频回波信号进行了特征提取,获得了目标回波在各尺度上的模极大值点幅值和位置.以此为特征,利用BP遗传算法对实测目标数据进行分类识别,获得了较好的分类效果.

一种低分辨雷达自动目标识别系统

低分辨雷达自动目标识别一直是雷达目标识别研究领域的难点。与高分辨雷达目标识别不同 ,低分辨雷达分类识别主要指对机群目标的大小、架次以及调制方式等进行粗略分类。给出了一个基于飞机目标回波波形对机群目标进行分类识别的低分辨雷达目标识别系统例子。

低分辨雷达的目标分类识别研究

雷达目标识别技术是集传感器、目标、环境为一体的一项复杂系统工程,分类识别技术是雷达当今和未来发展的重要需求,实现3类飞机的自动判别是防空雷达的重要功能之一。由于3类飞机目标旋转部件对回波的调制作用,在多普勒域是一系列差异明显的线谱。详细介绍了目标识别处理流程,以及目标识别对雷达设计需求。采用幅度调制特征和频域熵特征作为分类特征。以实测数据进行分析验证,以支持向量机(SVM)为分类器,试验结果表明,该方法能对飞机目标进行有效分类识别。

基于特征概率分布的低分辨雷达地面目标分类

提取稳定有效的目标特征对于低分辨雷达的目标识别分类有着重要意义。在提取目标基本特征雷达散射截面积(radar cross section,RCS)与频谱熵值的基础上,提出了一种基于特征概率分布曲线的目标分类方法。该方法首先应用快速傅里叶变换计算目标回波频谱,提取目标RCS与频谱熵值,然后滑窗分段计算基本特征的概率分布曲线,从而利用概率分布曲线提取出稳定的目标特征,最后利用支持向量机对目标实现分类。基于实测数据的分类结果表明,该特征具有较好的稳健性和分类性能,同时算法便于工程实现。

改进的支持向量机低分辨雷达目标分类算法

针对雷达目标识别系统中存在库外目标、各特征属性分类性能不一致,低分辨雷达不同类别目标特征值分布区间混叠的问题。文中基于支持向量机分类算法,对目标样本特征值进行置信度分析,获得置信区间,利用代价函数确定拒识门限,对库外目标以及混叠区域目标进行拒识分析;并根据训练样本先验识别率使用注水原理分配特征属性权重;在此基础上利用支持向量机进行目标识别。雷达实测数据实验结果表明,引入置信拒识分析与注水分配加权后,分类器性能得到了有效改善。

低分辨雷达回波序列轮廓像目标分类方法研究

基于利用雷达目标回波轮廓像进行目标分类在雷达航管、监视领域具有一定的应用价值,分析了对雷达波束扫描目标过程中的电磁散射进行了分析,研究了目标回波序列轮廓像的形成原理。通过对目标回波序列轮廓像进行特征提取、变换获取了能够体现目标特性的稳态特征,利用C—均值聚类方法实现了对海面目标的粗分类,采用实测数据对所提出方法进行测试,实验结果证明了该方法的有效性。

低分辨雷达目标分类的最小代价拒判算法

为解决低分辨雷达目标自动识别中,干扰目标、虚假目标的存在以及不同类别目标样本集混叠的问题,提出了一种基于最小代价的拒判K近邻识别算法.该算法根据雷达识别系统最小代价的原则,利用Fisher判别函数,确定拒判门限.设计了基于两类拒判域的K近邻识别算法,第一类拒判根据训练样本集特征值的波动范围,对干扰目标和虚假目标进行拒判;第二类拒判根据测试样本与最近邻、次近邻的距离差,实现混叠区域的目标样本拒判.算法先对测试样本进行拒判分析,再利用K近邻算法识别分类.实验结果表明,基于以上算法的低分辨雷达目标识别系统具有较好的鲁棒性和识别性能.

基于压缩传感特征提取的低分辨雷达目标识别

根据低分辨雷达目标回波的特点,提出了一种基于压缩传感的回波特征提取方法。选择小波基为稀疏基,高斯随机矩阵为测量矩阵,由较少的测量值构成识别特征向量,不仅可以获得雷达回波信号的本质驱动源,而且能够保持原始雷达回波信号的结构和足够多的目标信息。实验结果表明,该算法提取的回波特征向量维数低,且信息密度高,可以得到较好的目标识别结果。

基于灰度图形状特征的低分辨雷达架次判别

提出了一种基于回波灰度图低分辨雷达目标架次判别方法。分析了机群目标架次属性与灰度图形状结构之间的联系,对去噪后的灰度图分块提取形状特征,并采用径向基神经网络对实测四类不同架次的飞机目标数据提取的特征进行了识别,结果验证了灰度图形状特征信息的有效性,达到了较高的识别率。

一种低分辨雷达飞机目标识别方法

介绍了一种基于低分辨雷达回波序列的飞机目标识别方法。该方法把一维回波序列变换成二维轮廓像,在二维轮廓像基础上,提取到较一维回波更加稳定、有效的特征。采用神经网络做为分类器,利用所提取的特征对五类飞机目标进行识别试验,得到了较高的正确识别率。