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。

弹道中段群目标平动补偿与分离方法

弹道微动群目标时频图是多目标多散射点微多普勒的叠加,以往针对单目标的补偿与分离方法不再适用。针对这一问题,该文首先分析了群目标及诱饵的微多普勒形式;利用弹道中段目标运动平稳,短时观测加速度近似为常数的特性,采用Radon变换检测微多普勒曲线的倾斜程度,用最小熵准则和高斯函数拟合的方法估计平动参数,进而完成平动补偿;对补偿后的群目标时频图利用Viterbi算法提取各条微多普勒曲线,依据同一目标各散射点微多普勒的周期相关性,完成群目标分离;最后仿真验证了以上方法的有效性。

基于优化概率神经网络和红外多光谱融合的大气层外空间弹道目标识别

针对大气层外空间弹道目标难识别的问题,该文利用红外多光谱数据融合的思想,提出一种基于粒子群优化概率神经网络(PNN)的大气层外空间弹道目标识别方法。该方法首先通过一种新的多色测温方法提取出弹道目标的温度变化率和有效辐射面积两类动态特征,然后利用高斯粒子群优化(GPSO)方法对PNN的平滑因子进行优化,最后利用优化的PNN完成4类典型空间目标的识别。该方法融合了多光谱信息并提取出了多个动态特征,具有较强的鲁棒性。另外,该方法充分利用了概率神经网络的较高的稳定性和样本容错能力。仿真实验给出了4类典型空间弹道目标的多光谱红外辐射强度序列数据,并进行了目标识别研究。仿真测试结果表明,提出的优化PNN网络对多个弹道目标具有良好的识别能力。

基于PS-IFKCM的弹道中段目标识别方法

针对现有直觉模糊核c-均值(intuitionistic fuzzy kernel c-means,IFKCM)聚类算法对初始值敏感、易陷入局部最优解及收敛速度慢等缺陷,汲取了粒子群优化(particle swarm optimization,PSO)算法优势,对初始聚类中心进行优化,提出了基于粒子群优化的直觉核c-均值(particle swarm-based intuitionistic fuzzy kernel c-means,PS-IFKCM)聚类算法,选取4组标准数据集实际样本数据对算法的有效性进行了试验。最后选取弹道中段目标识别常用的雷达截面积(radar cross section,RCS)这一特征属性进行弹道中段目标识别仿真实验,并将其与模糊c-均值(fuzzy c-means,FCM)算法、IFKCM算法的识别效果及运行时间进行比较分析,表明了该算法应用于弹道中段目标识别的有效性及优越性。

基于时频域联合滤波的中段群目标信号分离

该文针对中段群目标回波信号分离问题,提出了基于时频域联合滤波的信号分离算法。该算法首先基于自相关原理估计出某一目标的微动周期;然后根据所估计周期对回波进行分段,利用S变换提取各段信号在时频域的强能量区域,各段信号强能量区域的交集即对应了某一目标在时频面上的支撑域。基于该支撑域对回波进行时频域联合滤波即可得到某一目标的回波信号,实现回波信号的分离。仿真结果验证了该文所提算法的有效性。

空间复杂目标群的雷达目标识别技术

复杂的空间目标群给雷达目标识别带来了挑战。分析了弹道中段空间目标群的构成及其对识别的挑战。系统归纳了反导中段雷达目标识别方法。根据雷达识别所采用的特征不同,将空间目标雷达目标识别方法分为其于结构特征的识别方法、基于弹道特征的识别方法和基于微动特征的识别方法,详细阐述了这3类识别方法的物理基础及其特征提取方法,分析了各种识别方法的特点,最后展望了中段雷达目标识别的发展趋势。

弹道目标微动特征提取研究

微动特征是弹道目标识别的关键特征之一。针对这一特征,对弹道目标微动特征提取技术进行了分析,主要包括微动信号补偿与分离、微动目标识别以及组网雷达中弹道目标微动特征提取3个部分。同时结合国内外的研究现状,总结了现有的技术手段,并对相关技术的优缺点进行了分析。在此基础上,探讨了弹道目标微动特征提取的需要解决的问题以及未来的发展趋势,为进一步推动微动特征的提取以及弹道目标识别的研究提供了一定的参考。

弹道导弹中段目标群及识别技术研究

弹道导弹中段是导弹防御的关键阶段,随着各种突防技术的不断发展,弹道导弹中段目标特性也在不断变化。梳理了弹道导弹中段目标群的构成,根据弹道导弹在中段的目标特性和识别特征,从目标识别方法的角度,分析了中段目标识别的主要技术以及不足。最后,分析了弹道导弹识别技术的发展方向。