基于雷达自动目标识别技术的反无人机雷达

面对“低慢小”(Low Slow Small, LSS)无人机威胁挑战,反无人机雷达的关键作用日益凸显。在反无人机系统(Countering-Unmanned Aerial Systems, C-UAS)技术中,反无人机雷达作为C-UAS的核心传感器,承担着关键任务,包括探测和导引等。尽管其重要性显而易见,反无人机雷达设计仍然存在概念上的不清晰,例如如何定义LSS无人机目标,以及为何众多反无人机雷达难以探测无人机等问题。通过探讨雷达自动目标识别(Automatic Target Recognition, ATR)技术在反无人机雷达中的应用,从目标特性和探测技术2个方面明确了关键问题。强调了雷达探测的独立过程,将其分为“信号检测”和“目标识别”,并指出反无人机雷达的主要探测对象是LSS无人机目标。ATR性能等级被明确定义,涵盖了“Detection探测”“Classification分类”“Identification识别”“Description描述”4个等级。整合ATR功能显著提升了无人机的探测距离和识别能力,推动了反无人机雷达系统的性能升级。

自动目标识别评价方法发展述评

自动目标识别(ATR)是一个汇集模式识别、人工智能、信息处理等多学科融合发展的技术领域,ATR评价则是将ATR算法/系统等作为研究对象的评价行为。由于ATR算法/系统面临目标非合作、工作条件复杂多样、决策者自身存在多种主观偏好等诸多困难,ATR评价贯穿ATR研制的全过程,对ATR技术发展起到重要的指导作用。该文首先阐述了ATR评价方法研究的内涵,简要回顾ATR技术发展;然后从性能指标定义、测试条件构建、推断与决策等方面详细梳理分析了ATR评价方法研究的成果、应用及最新研究进展;最后总结了若干ATR评价方法研究的发展方向。该文旨在为更好地理解ATR评价和有效使用ATR评价方法提供新的参考借鉴。

面向数字孪生的变电站三维场景自动目标识别

为提高自动目标识别的准确性,发挥自动目标识别对变电站运维效果的促进作用,提出面向数字孪生的变电站三维场景自动目标识别方法。构建变电站三维场景自动目标识别模型;利用模型架构的感知模块采集变电站实时状态数据,并采用通信模块将状态数据传输到数字孪生模块,该模块依据接收到的数据信息,通过知识图谱构建的知识库和服务模块的虚实数据处理单元,实现变电站信息的深度融合和全景映射;使用NURBS(non-uniform rational b-splines)曲面重构方法,创建变电站三维场景模型。前视自动目标识别单元在变电站三维场景模型中依据知识库,采用前视模板匹配技术实现对单一目标和多目标的准确识别。实验结果表明:该模型在简单和复杂场景下的变电站三维建模效果均较优异,在阴天和雾天仍能准确识别出变电站中的全部目标。

基于中心矩特征的雷达HRRP自动目标识别

针对雷达高分辨距离像 (HRRP)的方位敏感性和平移敏感性 ,对一定角域内的HRRP非相干平均 ,提取具有平移不变性的中心矩作为特征向量 ,采用Karhunen Loeve变换进一步进行特征压缩 ,建立相应的支撑矢量机(SVM)分类算法 .与基于原始距离像特征的最大似然 (ML)方法和基于中心矩特征的ML方法识别结果比较 ,该方法在减少计算量的同时具有较高的识别率 。

复杂场景下应用成像Ladar的自动目标识别

针对目标部分被树木遮挡时造成的识别困难,提出了基于成像激光雷达(Ladar)的自动目标识别算法。介绍了采用的数据分类、数据拼接、目标姿态调整和基于高度直方图的目标识别等方法的操作步骤。应用图像处理技术对场景数据进行分类,实现地面、目标和树木的分离;利用图像帧之间内在的相关性,采用"由粗到精"的方法求出数据变换矩阵并进行数据拼接;根据目标位置的法线方向进行目标姿态调整得到目标高度直方图。最后,将采集的目标高度直方图同存储的模型高度直方图进行匹配,识别出目标类型。实验结果表明:目标提取部分占目标总面积的90%以上,对目标的识别率高于99%,基本满足自动目标识别算法的稳定可靠、识别率高、抗干扰能力强等要求。

基于深度学习的雷达自动目标识别架构研究

针对深度学习运用于雷达目标识别时存在的数据量欠缺和数据人工标注难等问题,提出将传统目标识别方法与人工智能技术结合,建立面向应用的新的目标识别架构,通过融合处理以及基于传统方法的机器自动标注,获得更优越的识别效果,大幅减少人工标注的工作量,确保系统在低数据量、低标注数据下仍可维持一定的识别效果。雷达实测数据证明了该识别框架的有效性。

红外成像制导导弹自动目标识别应用现状的分析

自动目标识别是武器系统智能化、自主化的关键技术。在红外成像制导武器中采用自动目标识别技术,可以使武器具备发射后载机脱离、发射后不管、识别目标、诱饵和干扰的能力,提升红外成像制导武器的作战效能和武器载机的生存能力。目前,国外已经将红外图像自动目标识别技术应用在大型地面固定目标以及飞机类目标的红外成像制导武器中。介绍了红外成像制导导弹的自动目标识别应用现状,分析了制约自动目标识别在红外成像制导导弹中广泛应用的因素,并提出了推动该技术在红外成像制导导弹中应用的对策。

红外航空图像自动目标识别的形态滤波神经网络算法

提出了一种有实用意义的形态滤波神经网络模型及其自适应 BP学习算法。形态滤波网络的优化设计过程实际上是网络参数 (结构元素 )不断调整、逐步适应图像环境的优化学习过程 ,从而将目标客体的特征规律反映到网络结构上来 ,以实现对复杂变化的图像具有良好的滤波性能和稳健的适应能力。为结合运动图像目标的检测需要 ,采用了渐进收缩误差、适时校正网络权值的动态跟踪学习算法。通过实验结果可以看出 ,该算法不仅能适应复杂多样的背景环境 ,而且对运动目标的连续检测能力具有位移不变。

SAR图象自动目标识别研究

目前,SAR已经成为一种不可或缺的对地观测和军事侦察手段.面对不断增长的SAR图象数据收集能力,如何对这些图象进行自动或半自动快速、准确地解译已经越来越引起人们的关注和重视.自动目标识别(ATR)是自动或半自动SAR图象解译研究的一个重要方面.SAR ATR过程可概述为:从观测得到的SAR图象中,找到感兴趣的区域(ROI),并计算出每个ROI的种类.为此,介绍了SAR ATR的含义及其一般流程,对SAR ATR系统按照它所采用的分类方法进行了归纳分类,分析了SAR ATR的难点,介绍了国内外SAR ATR的研究现状和发展趋势.

一种基于自适应阈值的复杂背景下自动目标跟踪方法

提出了一种基于自适应阈值的复杂背景下自动目标跟踪方法,该方法采用一种自适应块匹配的运动估计,以平均绝对误差作为目标匹配准则,针对不同大小、不同运动方向、不同运动速度的目标均可进行较好的跟踪。该方法采用三步搜索策略较好地实现了目标搜索,同时,根据目标运动的惯性,引入了运动矢量的向前预测策略,减小了目标搜索的盲目性,提高了跟踪的可靠性和效率。

自动目标识别与跟踪技术研究综述

对复杂背景下扩展目标进行有效的识别和跟踪是一个具有挑战性的难题。对当前的目标自动识别系统(ATR)所采用的算法进行了归类和叙述,对目标识别问题中具有旋转、尺度、平移不变性的特征及目标跟踪算法进行了讨论,最后对自动目标识别和跟踪进一步的研究方向进行了展望。

红外图像中机场跑道的自动目标识别

针对红外机场跑道图像特点 ,提出了一种用于提取跑道中心点的算法。该算法包括空域滤波、边缘增强、边缘细化、边缘搜索、直线拟合、直线修正、中心点识别等一系列处理。实验结果表明 。

基于雷达散射特性的高分辨率SAR图像自动目标识别

高分辨率SAR的迅速发展为自动目标识别提供了可能 ,为了克服存储海量模板带来的计算复杂性 ,发展基于模型的目标识别现已成为新的国际研究热点。先由目标的真实三维模型依据电磁波散射理论计算雷达散射截面 (RCS) ,利用宽带合成孔径技术得出目标散射特性的空间分辨率图像 ,进而基于模拟图像实现目标的CFAR检测。最后利用我国机载高分辨率SAR图像对该方法进行实验 。

基于TOPSIS方法的自动目标识别作战能力评估

自动目标识别(Automatic Target Recognition,ATR)效能评估是ATR系统相关研究中的一个重要的研究方向。针对现有研究的不足方面,重点研究了ATR效能评估的概念、建立了作战能力指标体系和基于TOPSIS方法的作战能力评估模型,并对指标体系的合理性和评估方法的适用性进行了分析。研究解决了ATR效果评估所涉及的部分重要问题,具有较强的军事应用价值。

基于分形理论的红外图像机场跑道自动目标识别

针对红外机场跑道航空图像特点,提出一种新的基于纹理结构的机场目标自动识别方法。根据红外图像中机场目标的灰度和分形几何特征,利用先假设后检验方法对感兴趣区域进行分割;然后利用形态学滤波完成机场跑道潜在目标的进一步分割;最后,根据机场跑道的几何特征,连接图像边缘点寻找机场跑道的两条平行直线;根据纹理图像直方图统计特征完成机场目标的自动识别。实验结果证明:该方法有较高的自动目标识别率和计算实时性。

基于平均模板的HRRP自动目标识别

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)

自动目标识别(ATR)算法评估研究综述

自动目标识别(ATR)算法评估是ATR研究领域的一项关键技术,已成为近年来该领域的一个热门课题。从ATR算法评估的国内外研究现状开始,对其常用的评估指标、典型的评估方法等进行了较为全面的分析和综述,在此基础上,比较了各种指标的优缺点,讨论了典型方法的适用范围,给出了主要研究结论,并提出了需要进一步解决的问题。

一种利用强度信息的雷达HRRP自动目标识别方法

针对雷达高分辨距离像(HRRP)的幅度敏感性,现有HRRP雷达自动目标识别(RATR)方法一般简单地能量归一化.本文借鉴切空间距离的思想,提出一种利用HRRP回波强度信息提高识别精度的方法,实测数据仿真试验证明与传统方法相比,该方法可提高识别率约5个百分点.

雷达自动目标识别系统中目标检测模块的DSP实现

研究了基于数字信号处理器 (DSP)雷达目标检测系统的硬件结构和基于该平台的雷达目标检测方法在DSP上的实现。外场实验表明 ,该系统能与多种类型雷达对接 。

海天背景下红外舰船自动目标识别算法

海天背景下红外舰船目标的自动识别是武器跟踪导引的重要内容。针对低信噪比和低对比度的红外图像,首先采取均值平滑滤波和指数增强对红外图像进行预处理,然后在So-bel算子检测梯度的基础上,采用最小二乘迭代拟合出海天线。通过区域生长与合并分割图像,提取出表征舰船目标的典型形状与灰度特征,并进行加权融合以实现对潜在目标的自动识别。实验结果表明该算法能以较高准确率实时识别出舰船目标。