分布式小卫星SAR距离高分辨率成像研究

本文从复图像域出发研究多颗卫星SAR(合成孔径雷达)图像之间的频谱关系,利用InSAR技术实现频谱合成提高距离向分辨率。当分布式小卫星的星间基线超过极限时会产生频谱空缺的情况降低成像质量,因此本文引入谱估计的方法,提出了适用于谱估计方法的分布式小卫星SAR图像频域信号模型,分析并比较了GAPES与最大熵谱估计方法对消除频谱空缺问题的性能。

基于高分辨一维距离像及其特征的空间目标识别效果分析

目标高分辨一维距离像(High Resolution Range Profile,HRRP)中包含了丰富的目标尺寸、结构等目标特征,是进行空间目标身份识别的有效途径。但由于卫星宽带雷达实测数据获取难度大,前期相关研究多集中于基于HRRP的目标识别算法,结论也多是基于仿真数据和少量类别(几类)的前提下得到的,与工程应用实际情况有较大差距,工程指导意义有限。为解决这一问题,基于地基雷达获取的30类卫星目标的大量一维距离像实测数据,从识别正确率的角度对目标HRRP及其特征(组合)的可分性和在空间目标个体识别中的应用效果进行了量化分析,分析结果可为后续基于HRRP的空间目标个体识别技术研究和工程应用提供可靠依据。

基于自编码神经网络的高分辨率距离像降维法

为了提高支持向量机(SVM)分类效率,大幅减少以高分辨率距离像(HRRP)功率谱为特征的支持向量机目标识别分类器的计算量,采用自编码神经网络深度学习方法,实现高维、非线性HRRP功率谱的数据降维。在此基础上,提出了Autoencoder-SVM模型,综合利用自编码神经网络的特征提取能力和SVM的分类能力。仿真结果显示,在HRRP功率谱降维方面,自编码神经网络的降维效果远好于核主成分分析和等距映射算法,其降维结果对SVM分类结果影响甚微,但大幅缩短了SVM的计算时间;同时,在隐层节点数相同的情况下,随着隐含层数的增加或者深度的增加,自编码神经网络数据降维或特征提取效果更好。

基于非线性变换的高分辨率距离像雷达目标识别

雷达目标识别的预处理工作是高分辨距离像领域中的重要组成部分,也是提高识别率的重点和难点。给出了一种结合信号统计特性的信号预处理方法,通过对高分辨距离像(highresolutionrangeprofiles,HRRP)的非线性变换作为特征,有效地拉大了异类目标信号之间的欧氏距离,从而提高了分类的识别率。基于ISAR雷达实测飞机数据的实验结果证明了该方法的有效性。

一种基于高分辨率距离像自动目标识别新方法

提出了一种基于高分辨率距离像的联合对准与识别新方法。该方法结合功率变换的使用,在利用8类雷达目标实测数据进行的识别实验中,获得了较高的正确识别率。

高分辨率步进频脉冲雷达二次速度补偿方法

分析了目标径向运动对步进频脉冲信号目标回波的影响。该运动的存在使目标回波波形失真,因此提出了二次速度补偿法估计速度参数。该方法在采样点较少的条件下,基于初步速度估计值,以补偿精度为速度搜索的步进量,从而缩小了二次补偿的速度搜索范围,满足了速度补偿的精度要求。计算机仿真结果及性能分析表明,该方法补偿精度高,对噪声的影响具有一定的稳健性,且计算量小,便于实时处理。

一维卷积神经网络用于雷达高分辨率距离像识别

针对人工提取高分辨率距离像(HRRP)优良特征比较困难的问题,研究了基于一维卷积神经网络(CNN)的HRRP识别方法。利用CNN具有分层学习特征的能力,训练CNN自动地从HRRP中学习有用的特征并分类。在仿真实验中描述了网络的相关配置,分析了不同激活函数、不同参数、不同网络结构的识别性能,对比了CNN与其他分类器的识别结果,用可视化特征图直观地说明了CNN通过卷积层能够学习到易于分辨的特征。实验结果表明CNN具有很好的识别性能。

频带合成超高分辨率机载SAR系统的相位误差校正

频带合成技术是实现机载合成孔径雷达距离向超高分辨率的有效途径,然而在实际频带合成系统中,相位误差破坏了信号间的相干性,导致直接合成的结果严重恶化。该文在详细研究相位误差对频带合成影响的基础上,提出一种直接从回波中提取相位误差的方法改进的多项式相位变换方法(PPT),其用分数阶傅里叶变换(FRFT)取代傅里叶变换(FT)作为PPT的变换核,降低了差分变换的阶数,减少了信噪比的损失,同时循环次数得以减半。理论推导和实际数据验证了该方法的有效性,最终实现了优于0.05 m的距离向分辨率。

雷达高分辨距离像目标识别研究进展

雷达高分辨距离像(HRRP)包含了目标的结构信息,在雷达目标识别领域有良好的应用前景。该文详细讨论了基于HRRP的雷达自动目标识别的关键技术及研究现状,包括雷达HRRP的特性、预处理方法、特征提取方法及分类器设计方法等。最后讨论了雷达HRRP识别的研究方向。

基于一维距离像序列的弹道目标融合识别研究

一维距离像是宽带雷达目标识别的重要特征之一。本文根据弹道目标的微动特性,推导了微动弹道目标的时间-距离像模型。然后提取具有平移不变性的中心矩和双谱作为待识别特征向量,并分别使用K-L变换和局部双谱法对提取到的中心矩和双谱特征进行降维。将降维后的特征分别输入支持向量机进行分类识别,最后将支持向量机的输出进行决策级融合,得到待识别目标的识别概率。与基于单特征量的识别方法相比,本文提出的方法不仅具有较高的识别率,而且具有良好的抗噪能力。

基于密母算法的雷达一维距离像C-SVM识别方法

为提高反舰导弹的目标识别能力,采用高分辨率雷达一维距离像为识别特征向量,利用改进的密母算法优化的C-SVM模型,研究了反舰导弹对真假目标的分类识别方法并进行了实验,实验结果表明:经过参数优化设置后的C-SVM大幅提升了反舰导弹末制导雷达对目标类型的识别正确率,搜索时间虽有所增加,仍然远小于GS。

基于全去斜率接收技术的雷达距离成像

针对掠海环境条件下目标高分辨率距离成像的问题,提出了基于全去斜率接收技术的雷达距离成像方法。该方法将全去斜率接收处理技术与目标运动速度补偿相结合,并综合采用了DSPA数字脉压和Hamming加权算法,不仅缩减了回波信号带宽,减少了信号处理工作量,而且消除了目标速度对回波相位的影响,降低了目标距离副瓣电平。经外场动态实测,实现了对海上船只的一维距离成像。试验结果验证了方法的可行性与实用性。该方法为外场雷达目标一维距离成像测量研究提供了有效途径。

一种基于CAE的HRRP去噪重构与识别方法

针对HRRP识别研究中面临的噪声污染问题,提出了一种基于卷积自编码器(convolutional auto encoder,CAE)的HRRP识别方法。此方法将CAE的重构功能与卷积神经网络(convolutional neural network,CNN)的分类性能相结合,将未含噪声的数据作为标签,利用CAE学习含噪声HRRP的噪声特征,实现对HRRP的去噪重构,后利用CNN对重构后的HRRP进行识别。仿真实验表明:在10 dB、20 dB、40 dB峰值信噪比的噪声环境下,该方法对HRRP的识别准确率分别可达到76.48%、95.14%、98.33%,能够一定程度上克服噪声对HRRP识别带来的不良影响,保证识别精度。

基于HRRP时频特征和多尺度非对称卷积神经网络的目标识别算法

针对空间目标识别中特征提取难、准确率低等问题,提出了一种基于雷达高分辨率距离像(high range resolution profile,HRRP)时频特征和多尺度非对称卷积神经网络的目标识别算法。采用离差标准化、多特显点绝对对齐消除目标的强度敏感性和平移敏感性,利用雷达多普勒测速数据消除目标高速运动对HRRP产生的展宽、畸变、波峰分裂等影响。对HRRP进行时频分析,提取其时频特征。通过不同尺度的非对称卷积,实现时频特征不同精细程度和不同方向的特征提取。实测数据处理结果表明,文中方法目标识别准确率高,而且在同平台目标识别、抗姿态敏感性等方面具有很好的效果。

调频步进信号处理方法探讨

调频步进信号是一种新的高距离分辨率信号。文章首先简要阐述了线性调频信号的处理过程 ;其次对比步进频率、线性调频步进信号的处理过程 ,得到一种新的处理方法 -合成处理法 。

调频编码频率信号

针对步进频率信号存在的距离 -多普勒耦合和速度利用率低的缺点 ,提出一种新信号形式 ,可同时解决这两方面的问题 ,改善了信号的性能。

调频步进信号目标抽取快速算法研究

调频步进雷达是一种距离高分辨率的雷达体制,存在目标冗余的问题。目标抽取算法就是消除这种冗余,提取目标真实位置的方法。基于对现有目标抽取算法的分析,本文提出了一种适合工程应用的快速抽取算法。与传统方法相比,该方法不需要对起始采样点进行标定,也不需要拼接全程的距离像,减小了运算量。计算机仿真的结果验证了算法的有效性。

可编程逻辑器件在毫米波频率步进雷达中的应用研究

脉间频率步进雷达是一种距离高分辨率雷达,它利用脉间载频的跳变获得大的带宽,从而提高距离分辨率。因此,高性能的频率综合器是实现距离高分辨的关键技术之一。文中通过实验验证了可编程逻辑器件FELX10K在间接频率综合器中的应用,得到了满意的结果。

基于Bagging-SVM动态集成的多极化HRRP识别

针对多极化高分辨率一维距离像(high range resolution profile,HRRP)在目标识别过程中存在计算量和数据量大、识别算法复杂的问题,提出一种基于Bagging-SVM动态集成的目标识别方法。该方法首先提取多极化HRRP平移不变特征向量,然后运用Bagging方法结合基于动态互信息的特征选择方法生成基分类器,最后引入基分类器差异度进行选择性集成。实验验证该方法在缩减数据规模和计算量的同时,能有效利用多极化特征信息,得到较高的分类正确率,并且松弛了HRRP目标的姿态敏感性。

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)