利用幅度比特征进行有源假目标鉴别

针对现有信号级协同抗干扰方法无法实现恒虚警鉴别的问题,提出了一种新的单脉冲回波数据下基于目标幅度比特征差异的有源假目标鉴别方法,通过对目标在各接收站中幅度比的随机分布进行理论分析,可在保证预设假目标误判概率的情况下,利用多维空间门限检测方法进行真假目标鉴别.仿真结果验证了这种方法的可行性和有效性.

利用空间散射特性差异进行有源假目标鉴别

针对欺骗式假目标干扰,单站雷达的对抗能力有限,而组网雷达数据级信息损失率较高,导致数据级融合抗假目标干扰方法未能充分发挥其抗干扰能力.由于真实目标的雷达截面积随视角随机起伏,在长基线条件下真实目标回波具有各向异性,而有源假目标信号具有各向同性.利用此差异,提出基于目标空间散射特性的组网雷达有源假目标鉴别方法,通过对目标的慢时间复包络序列进行相关性检验,以鉴别假目标.仿真结果表明该方法可在保证较高真实目标的鉴别概率的情况下,实现对有源假目标的鉴别.

一种基于间隙度特征的SAR图像车辆目标鉴别算法

该文提出一种新的基于间隙度(lacunarity)特征的高分辨率SAR图像车辆目标鉴别算法,用以去除检测阶段的自然杂波虚警。文中着重分析了高频区车辆目标和自然地物后向散射强度不规则性的差异,其中与自然地物相比,车辆目标像素集合在灰度图像上表现为较强的不规则性和较大的间隙尺寸。基于这一特点,利用分形理论提取间隙度特征来定量估算待鉴别目标像素强度分布的不规则性和间隙大小,并以此实现鉴别处理。最后,采用X波段的两种实测图像数据验证了该文算法,结果显示该特征具有较好的鉴别性能。

一种基于变化检测技术的SAR图像舰船目标鉴别方法

该文引入变化检测思想,利用SAR图像中海杂波和目标之间的灰度差异,通过对潜在舰船目标切片的目标像素和背景像素进行分离,计算目标像素聚集度(TPAM)特征,实现对高亮像素在图像切片中聚集程度的定量评估,从而鉴别目标切片中是否包含有舰船目标,有效去除杂波虚警。首先,基于感兴趣区域(ROI)切片中心为目标像素及四周为海杂波的合理假设,构建似然比变化检测量获取差异图像;然后,利用KSW熵阈值选择方法实现差异图像中目标像素和海杂波像素的自动分离,生成二值图像;最后,利用切片中心像素为种子点,对二值图像进行区域生长,计算目标像素聚集度特征,并判断目标切片是否包含舰船目标。基于RADARSAT-1 SAR实测数据的实验结果表明,该文方法得到的目标像素聚集度特征计算简单、稳健性好、可区分度高,具有良好的鉴别性能,能够去除大部分海杂波干扰产生的虚警,有效地降低目标检测虚警率。

基于训练特征空间分布的雷达地面目标鉴别器设计

该文对雷达地面目标高分辨1维距离像目标识别中的库外目标鉴别问题,提出一种基于训练特征空间分布的雷达地面目标鉴别器。在训练阶段利用基于相关系数预处理的K-Means聚类方法对库内目标样本特征空间进行区域划分,并采用基于空间分布的支撑向量域描述方法确定样本特征空间的边界与支撑向量,利用样本特征空间边界与加权K近邻原则对目标类别进行判决。该方法解决了库内目标与库外目标的鉴别问题,提高了目标识别系统的总体性能。针对多种不同姿态下目标特征空间非均匀聚合的特点,对训练样本特征空间进行区域划分,减小模板匹配搜索运算规模,保证目标鉴别所需的实时性工作要求。最后通过仿真和实测数据验证了该方法具备优良的鉴别性能与良好的实时处理能力。

基于AOTF的成像光谱仪及其在同色异谱目标鉴别中的应用

为了同时获得同色异谱目标的光谱信息和空间分布信息,设计了基于声光可调谐滤波器（acoustooptic tunable filter,AOTF）的成像光谱仪,主要包括前置成像透镜组、AOTF滤光成像模块、AOTF驱动器、CCD图像检测器、图像采集卡和计算机。在计算机的控制下,实现波长的快速扫描,获取每个设定波段下的灰度图像,构建一个光谱图像立方体,因此可以获得图像中任意一点的光谱信息。所设计的成像光谱仪,光谱范围为550~1 000nm,光谱分辨率2.6nm（@632nm）,光谱扫描速度快,任意两个波长之间的切换时间小于80μs,整个仪器无机械运动部件,功耗低,抗振能力强。利用该仪器对真假玫瑰花进行了鉴别试验,对涂改物证进行了信息复原实验,并成功地辨别出真假玫瑰花和复原出涂改物证,证实了该成像光谱仪具有优异的同色异谱目标鉴别本领,在同色异谱物质的鉴别上具有广阔的应用前景。

基于散射机理分类与频谱相关性分析的极化SAR人造目标鉴别

已有极化SAR人造目标鉴别方法通常仅利用较为简单的特征来区分目标与杂波,用于鉴别的信息量有限。针对这一不足,本文提出一种基于散射机理分类与频谱相关性分析的鉴别新方法。该方法充分利用人造目标与自然杂波在散射机理类型及频谱相关性等方面的差异进行目标鉴别,不同类型鉴别信息的综合利用使本文方法具有理想的鉴别效果。基于E-SAR全极化SAR实测数据验证了本文方法的有效性和优良性能。

一种SAR图像车辆目标鉴别特征及其提取方法

该文引入差分盒维法来计算高分辨率SAR图像车辆目标的一种新的鉴别特征,即间隙度特征,可以用来定量评估车俩目标感兴趣区域内像素幅度的不规则程度和间隙尺寸,以此消除杂波虚警。基于散射中心理论分析了车辆目标和自然地物后向散射强度分布的差异性,并从理论上推导出间隙度特征具有对相干斑噪声不敏感的特点,由此构成了SAR图像车辆目标鉴别处理的一个尺度不变特征。采用MSTAR车辆目标数据和背景杂波数据检验了所提特征的鉴别性能,并与Hausdorff维数的鉴别性能做了比较,结果显示间隙度特征具有较好的鉴别性能,可以去除大部分的自然地物虚警和非车辆类人造目标干扰,鉴别虚警率较低。

基于多特征融合词包模型的SAR目标鉴别算法

针对复杂场景中的SAR目标鉴别问题,该文提出一种基于多特征融合词包(Bag-of-Words,Bo W)模型的SAR目标鉴别算法。在Bo W模型底层特征提取阶段,算法采用SAR-SIFT特征描述局部区域的形状信息;同时,采用该文基于传统鉴别特征提出的一组新的SAR图像局部特征描述局部区域的对比度信息和纹理信息。对于Bo W模型中多个底层特征的融合,算法采用图像层的特征融合方式生成图像的全局鉴别特征,其中各单底层特征Bo W模型特征的权系数通过L2范数约束的多核学习方法训练得到。在Mini SAR实测SAR图像数据上的目标鉴别实验表明,与基于传统鉴别特征以及单底层特征Bo W模型特征的鉴别算法相比较,该文基于多特征融合Bo W模型SAR目标鉴别算法具有更好的鉴别性能。

基于多普勒谱的多目标鉴别技术

多目标鉴别是雷达信号处理中迫切需要解决的技术难题。针对Chirp脉冲雷达体制及其相参积累处理的原理和特点,利用多个目标的多普勒谱分布特性,提出了应用CLEAN算法的多普勒谱旁瓣抑制技术实现多目标鉴别。仿真结果表明了这种技术的有效性,且在信噪比较低的情况下仍然非常稳健。

基于分层特征描述的舰船目标鉴别

针对当前一些目标鉴别方法无法兼顾目标的可分性和方法的有效性,同时又能减少计算的复杂度等要求,提出了一种基于分层特征描述的鉴别方法。首先,提取目标的简单形状或几何特征,利用加权投票法初步筛选并去除大量易识别的虚警;然后对筛选的候选目标提取更为复杂的鉴别特征,利用特征分离法选择最优特征组合,并采用支持向量机方法进行二次鉴别,进一步去除虚警,得到真实目标。实验结果表明,该方法对目标的整体检测效果较好,具有较高的可区分性和可鉴别性;能有效减少计算的复杂度,同时又能在一定程度上减少外界因素的影响,有效地去除虚警、保留目标,其耗时仅为常用方法的1/3。

基于Gabor变换和KPCA的SAR图像舰船目标鉴别

针对SAR图像中的舰船目标和杂波虚警的鉴别问题,采用Gabor变换和核主成分分析(Kernel Principal Component Analysis,KPCA)相结合的舰船目标鉴别算法。首先对SAR图像中的样本切片进行Gabor变换,获得舰船的纹理特征,将这些特征用KPCA算法降维并提取目标的主成分分量,把最终采集的样本特征通过k-近邻分类器进行训练和测试。通过仿真结果的比较表明,利用Gabor变换和KPCA降维相结合的方法可以有效地对SAR图像中的舰船目标和杂波虚警进行鉴别。

一种基于多项式拟合的UWB SAR目标鉴别稳健性评估方法

在超宽带合成孔径雷达(UWB SAR)目标鉴别性能评估中,稳健性是其中一项重要的性能指标,但关于此方面目前尚未有系统可行的评估方法提出.为此,文中提出了一种基于多项式拟合的稳健性评估方法.该方法提出了分离度一指标来衡量单信杂比情况下算法的鉴别性能,利用多项式模型实现对多信杂比情况下鉴别性能量化值的曲线拟合,提出了弹性指数的定义,并由拟合多项式得到对应的弹性指数方程,通过对弹性指数方程进行积分来实现对待评估鉴别算法稳健性的评估.基于所提出方法针对3种鉴别算法进行了评估试验,试验结果验证了方法的合理性.

一种多普勒体制下的多目标鉴别方法

分析了波束内多目标鉴别技术的重要性,从应用的角度,提出了变尺度离散Chirp-Fourier变换的概念。通过和传统离散傅里叶变换的比较,显示出该变换的优越性。分析了多普勒雷达体制下目标回波信号的形式,并对变尺度离散Chirp-Fourier变换的速度分辨力和加速度分辨力进行了研究。针对波束内多目标的鉴别,提出了一种有效的基于变尺度离散Chirp-Fourier变换的多目标鉴别方法。该方法首先进行加速度鉴别,接着提取加速度,并进行加速度补偿,然后再进行速度鉴别。仿真结果验证了该方法的可行性和有效性。

峰值能量比在SAR图像目标鉴别中的应用研究

"峰值能量比"因其物理意义清晰、计算简单而在目标识别中被广泛使用,是常用的鉴别算子之一。不过关于该算子参数设置、使用方法和失效风险等相关问题的论述并不多见。针对这些问题,笔者首先对多幅不同杂波背景及目标的实测切片样本进行计算、比较、分析。综合考虑计算效果和计算效率后,给出一些参数设置的指导性准则。继而,提出一种PPR(Peak Power Ratio)使用方法,即通过多次迭代使用PPR算子使得杂波剔除能力得以提高。笔者最后指出,PPR算子的使用具有一定局限性,并不是所有的情况都可以或需要使用,当PPR计算结果不可区分时,则表明PPR算子失效。

基于多普勒像和加速度像的多目标鉴别

从弹载脉冲多普勒雷达的多普勒分辨率和加速度分辨率出发 ,讨论了弹载雷达对波束内多个目标进行分辨的可能性和必要条件 ,提出了一种基于一维多普勒像和一维加速度像的多目标分辨算法。

基于子孔径与全孔径特征学习的SAR多通道虚假目标鉴别

SAR多通道引起的虚假目标与散焦的船舶目标形状纹理特征非常相似,在全孔径SAR图像中难以区分。针对此类虚假目标造成的虚警问题,该文提出一种基于子孔径与全孔径特征学习的SAR多通道虚假目标鉴别方法。首先,对复数SAR图像进行幅值计算得到幅度图像,利用迁移学习方法提取幅度图像中的全孔径特征;接着,对复数SAR图像进行子孔径分解获得一系列子孔径图像,然后用栈式卷积自编码器(SCAE)提取子孔径图像中的子孔径特征;最后,将子孔径和全孔径特征进行串联并利用联合特征进行分类。在高分三号超精细条带模式SAR图像上的实验结果表明,该方法可以有效的鉴别船舶目标和多通道虚假目标,与仅使用全孔径特征学习的方法相比准确率提升了16.32%。

基于点迹融合的假目标鉴别方法研究

针对突防过程中的有源欺骗式多假目标干扰,提出了一种利用组网雷达的量测进行融合实现假目标鉴别的方法。首先进行卡方检验获得量测序列对,然后运用位置信息融合设定检验门限,提取真目标。在保证检测概率的基础上,利用多普勒速度融合进一步剔除假目标。仿真结果表明,该方法可有效鉴别真假目标,降低组网雷达被欺骗概率。

基于动态规划的检测前跟踪算法中的目标鉴别方法

基于动态规划的TBD算法是检测微弱目标的有效方法,但在多帧积累中的动态规划处理会导致目标和强噪声的扩散进而产生较多的虚警。提出了一种利用轨迹特征进行目标鉴别的新方法。该方法利用噪声引起虚警在轨迹上具有很强的随机性这一特点,基于多阶方向直方统计进行目标鉴别。另外,还提出了一种局部极大值法和方向直方统计法级联的目标鉴别方案。仿真结果表明,方向直方统计法在消除噪声引起的虚警和保留真实目标方面都有很好的效果。而新的级联鉴别方案对于噪声引起的虚警和目标扩散引起的虚警都有很好的鉴别效果。

一种适用于分集MIMO雷达鲁棒的有源假目标鉴别方法

分集多输入多输出(MIMO)雷达在对抗欺骗式假目标干扰方面有着体制优势,已有文献在假设真实目标回波完全去相关的假设下,通过对目标慢时间复包络序列进行相关性检验来鉴别假目标。考虑到在真实目标回波不完全去相关条件下此有源假目标鉴别方法性能下降较严重,提出了一种鲁棒的有源假目标鉴别方法。仿真分析表明,在真实目标回波存在相关性的场景下,此方法有着较明显的性能优势。