基于分数阶傅里叶变换的窄带雷达飞机目标回波特征提取方法

该文研究了常规窄带雷达体制下,利用分数阶傅里叶变换扩展特征域,从而解决直升机、螺旋桨飞机和喷气式飞机3类飞机目标回波分类中的特征提取问题。在现代战场中,直升机、螺旋桨飞机和喷气式飞机具有不同的机动性能,并各自承担着重要的任务。因此,实现这3类飞机的分类具有重大的意义。该文针对3类飞机目标分类的传统特征数目少,包含信息量有限,导致分类性能不够好的问题,基于现有的特征提取方法引入分数阶傅里叶变换(Fractional Fourier Transform,FrFT),在经过FrFT后的分数域提取3类飞机目标回波的分数阶特征,弥补传统特征的不足。并利用线性相关向量机(Relevance Vector Machine,RVM)的特征选择功能对提取的分数阶特征进行特征选择并分类。基于仿真和实测数据的实验结果证明该文提出的分数阶特征的分类性能较传统时域、多普勒域特征有较大提升。

窄带雷达高速多目标检测及其运动参数估计

提出一种窄带雷达高速多目标检测和运动参数估计方法。利用"Dechirping"加滤波的方法对回波进行分离并且构造每个目标的回波矩阵,接着对每个回波矩阵构造相干相位补偿函数并进行补偿,从而实现信号能量的相干积累,有利于目标的检测。利用估计的多普勒信息可以获得目标的运动参数。仿真结果验证了所提方法的有效性。

基于复高斯模型的样本缺失窄带雷达信号重构算法

该文提出一种针对窄带雷达信号存在样本缺失情况下的信号重构算法。由于窄带雷达体制下,目标回波近似服从复高斯分布。在这一前提下,首先建立描述样本缺失观测信号与未知完整信号间关系的概率模型,然后根据贝叶斯准则推导出在给定样本缺失观测信号条件下完整信号的后验分布,最后利用期望最大(Expectation Maximization,EM)算法得到模型中参数的最大似然估计,进而得到完整信号的重构。该方法的优势是只需利用样本缺失观测信号就可以重构出未知的完整信号,除了复高斯分布的假设,不需要其他任何样本信息和先验假设帮助参数学习。基于实测数据的实验结果和与现有算法的比较结果表明该方法能够获得较好的重构性能。

基于机载窄带雷达的舰船目标多普勒特性分析

针对机载窄带雷达探测海面非合作舰船目标识别能力不足问题,首先建立了舰船横滚、俯仰和偏航三维微动下舰船运动方程,在此基础上建立了窄带雷达探测舰船的回波信号模型,分析了回波信号多普勒频率成分及其特征。理论分析结果表明,舰船三维微动会导致雷达回波信号的多普勒频率相对无微动情况下出现频谱展宽;并且不同位置的散射点具有不同的时频变化曲线;在短时间内,各散射点微多普勒时频曲线以类似LFM形式的线性关系变化,在较长时间内以类似正弦信号形式周期性变化,其周期与横滚角变化周期相同。

基于窄带雷达网的弹道目标三维进动特征提取

微动特征是弹道目标识别的重要特征之一。针对单一视角观测难以获取目标真实微动参数的问题,该文提出了一种基于窄带雷达网的3维进动特征提取方法。首先建立了锥体目标进动模型,在考虑散射中心遮挡的前提下,详细分析了进动引发的微多普勒频率调制特性。然后基于锥顶微多普勒频率调制系数比,实现了不同视角下散射中心匹配关联,通过构建多视角联合方程组获取了目标的3维锥旋矢量,进而利用各散射中心微多普勒频率相关性,结合频率补偿的方法对锥体特征参数进行了提取,在此基础上解算出每一时刻锥顶坐标,实现了目标空间位置的3维重构。仿真结果证明了该方法的有效性与实用性。

空间旋转目标窄带雷达干涉式三维成像与微动特征提取

该文根据干涉式逆合成孔径雷达(InISAR)中多天线干涉处理的思想,提出一种基于L型3天线模型的空间旋转目标3维成像与3维微动特征提取方法。将微多普勒效应理论与多天线干涉处理技术相结合,在时频面上通过Viterbi算法分离散射点并进行干涉处理获取目标在各时刻沿基线方向的2维投影坐标;根据目标微动特性,采用非迭代椭圆拟合方法重构出散射点的高度维信息,实现目标的真实3维成像,并在成像过程中提取目标的3维微动特征参数。仿真实验验证了所提方法的有效性与鲁棒性。

基于窄带雷达组网的高速自旋目标成像

针对单部窄带雷达无法获得高速自旋目标无失真二维像的问题,研究了基于多部窄带雷达组网的自旋目标无失真成像方法。首先在建立自旋目标窄带雷达回波模型基础上,分析了单基窄带雷达成像方法;然后分别研究了基于多幅窄带雷达图像配准的旋转对称目标和非旋转对称目标图像二维定标方法;最后,对配准后的各窄带雷达图像进行融合得到了目标的无失真二维像。仿真实验验证了本文方法的有效性,并分析了算法的鲁棒性。

一种基于半监督学习的窄带雷达目标识别系统

半监督学习算法利用少量的标注样本与大量的未标注样本进行模式识别问题中的样本分布探索。针对常规雷达目标识别系统中,样本难以准确标注、模板库建立复杂以及建立过程漫长的问题,采用半监督学习算法以减少模板库的建设代价,并启用多核学习来进行目标特征的自动选择。基于窄带飞机目标分类识别的数据分析表明,与基于监督学习算法的常规识别系统相比,所提的目标识别系统能够获得更高的分类准确率。

一种窄带雷达舰船目标分类的决策方法

目标识别技术在现代雷达中具有重要的应用价值,由于自身体制的限制,窄带雷达无法提供充足的信息以支撑目标分类识别。针对这种问题,提出了一种基于分类器判决、多帧融合和综合判决的综合决策方法:在分类器判决的基础上进行多帧融合以提高判决结果的稳定性,在综合判决中充分考虑各历史判决的信息以获得可靠的判决结果。以某型雷达对不同舰船目标的实测数据为对象,对提出的方法进行了验证。结果表明,所提方法能够有效提升判决结果的准确性与稳定性。

宽带与窄带雷达对飞机目标回波特性对比研究

根据飞机目标对宽带信号和窄带信号的不同散射特性 ,完成了窄带雷达回波信号等效为宽带雷达回波信号矢量合成的建模 ,并对宽带信号和窄带信号的单脉冲检测进行了仿真比较。结果表明 ,用单脉冲进行检测时 ,假设雷达发射功率和接收机噪声系数相同 ,对同一飞机目标 ,宽带雷达通过脉内非相参积累后的检测性能仅比窄带雷达的检测性能差 0dB～

用离散贝叶斯分类算法识别窄带雷达目标

深入分析了常用雷达目标识别方法识别率不高的原因。提出了基于离散贝叶斯算法识别有限长特征序列的识别方法。针对实测地面目标雷达回波的计算机模拟结果 ,表明该方法可明显提高识别率。

一种基于窄带雷达特性的低轨卫星三轴稳定姿态判别法

从低轨卫星的轨道和姿态特性出发 ,在具体分析窄带雷达特性的基础上 ,将非参数检验法用于低轨卫星是否为三轴稳定姿态的判别中 ,并通过仿真实验分析 ,证实了此方法的有效性。

窄带雷达目标特性分析技术在近距离伴飞中的应用

载人航天任务的近距离伴飞识别实验中,伴星和轨道舱目标相对距离较近,进入设备视场的时间顺序不能确定,导致常用的轨道根数和测站跟踪时序识别法不能对两者加以区分。通过分析目标的物理特性及运动特性,提出了使用雷达散射截面均值及姿态稳定性判别的识别方法。实验结果表明:该方法是近距离伴飞目标识别的有效手段。

基于数据驱动的窄带雷达舰船目标分类决策方法

针对窄带雷达难以提供精细的目标特征信息的问题,提出了一种基于数据驱动的海面目标分类器设计方法.利用增量学习的思想,通过假设合作目标的样本分布与非合作目标的样本分布一致,对分类器决策模型进行迭代优化.基于实测数据的测试结果表明了所提方法的精确性与有效性.

一种窄带雷达快速目标分类方法

近年来,窄带雷达目标识别技术的理论研究已日趋成熟,但由于受限于雷达自身工作方式、缺乏完整的数据库以及信息的实时处理能力,其工程应用方面还处于初期阶段。针对工程应用中提高识别率必须以牺牲雷达时间资源这一问题,文章研究了在窄带雷达体制下的目标分类问题,先利用航迹特征对飞机类目标、巡航导弹类和制导炸弹类3类目标进行粗分类;针对飞机类目标,再基于JEM的调制特征区分直升机和螺旋桨飞机,进行细分类;采用SVM（支持向量机）分类算法;分类方案采用人工识别和自动识别相结合,人在回路的判决策略;在雷达的正常工作模式下,通过实测数据分析,取得了较好的识别率。

基于CNN的窄带雷达空中目标识别方法

空中目标识别是雷达的重要用途之一,窄带雷达因体制限制,无法获取目标高分辨识别信息供分类识别。为解决窄带防空预警雷达对空中目标识别判性难的问题,提出了基于卷积神经网络的空中目标识别方法,就空中目标识别判性模型的构建、训练数据集的生成进行了研究,采用模拟数据集及实测数据对模型进行了检验,结果表明该方法具有较好效果。

窄带雷达飞机目标识别方法综述

针对窄带雷达特点,总结了当前窄带雷达典型的目标识别方法,分析了各方法的有效性,讨论了基于P显图像特征的方法和超角分辨技术在目标识别中的联合运用,最后提出一种多方法联合运用目标识别对策,为实际工程运用提供技术参考。

基于稀疏字典分解的窄带雷达自旋目标干涉三维成像

空间微动目标干涉三维成像技术研究中,最关键的是对各散射点进行保相分离。当脉冲重复频率(PRF)不满足奈奎斯特采样定律时,基于图像处理的成像方法无法有效分离目标各散射点。提出了一种基于稀疏字典分解的窄带雷达自旋目标干涉三维成像方法,该方法能够直接从回波数据中分离出各散射点。首先,根据自旋目标回波信号特性构建稀疏字典,利用稀疏分解算法分解回波,得到各散射点子回波,其次通过时频分析并利用其保相性,获得各散射点的微动曲线,并提取出它们在时频平面上经过位置的干涉相位差,最后根据干涉相位差与坐标之间的关系重构散射点坐标,对空间自旋目标进行三维成像。仿真结果表明,在PRF不小于0.25倍奈奎斯特频率时,所提方法均能有效实现自旋目标三维成像。

基于深度迁移学习的窄带雷达群目标识别方法

针对窄带雷达群目标显影特征难提取、数据样本数量少及识别实时性要求高的问题,提出基于深度迁移学习的窄带雷达群目标识别方法,将深度学习模型Inception-v3迁移到群目标回波显影数据上,使得模型能够很好地区分群目标回波显影,从而实现群目标的识别,为窄带雷达群目标智能化研判识别提供借鉴。经验证,该方法能满足窄带雷达对群目标的识别应用要求。

基于AOK时频分析的窄带雷达目标架次分辨方法

针对非平稳运动编队目标的分辨问题,基于ISAR技术和非平稳分析时频分析理论,研究了一种基于自适应最优核(AOK)的窄带雷达目标架次分辨方法,给出了窄带雷达目标架次分辨处理过程和算法步骤.不同于传统方法,该方法主要利用目标相对于雷达的转动引起的多普勒差异来分辨目标,并考虑了交叉干扰的抑制性、信号能量的聚集性,可获得更优的分辨效果.基于实测数据的对比实验结果证明了该方法的有效性.