基于CNN的雷达目标分类识别技术研究

现有的识别方法对新的数据需要重新进行训练,不利于模型速度和在线功能的实现。文中提出一种宽度的卷积神经网络(BCNN),该模型由于具有“宽度”的网络结构,可以通过利用新生成的附加特征,提高BCNN模型的识别性能;此外,BCNN模型还能够利用新的训练数据进行自身的更新,从而具有增量学习能力。实验结果表明,该方法能更好地提取数据的特征,而且比常规的CNN的识别精度提高8%以上,所提模型还可以利用新的数据进行在线更新,从而具有更强的实用性和鲁棒性。

基于PCIE光纤接口卡的雷达目标分类系统

为满足某型雷达对目标进行分类的需求,以我所自研的PCIE光纤接口卡作为对外数据接口,以高性能加固计算机作为处理平台,设计并实现了一种雷达目标分类系统。该系统除可以完成目标分类处理外,还可以对雷达原始回波数据进行实时记录和回放。

一种基于Dropout约束深度极限学习机的雷达目标分类算法

雷达目标分类在军事和民用领域发挥着重要作用。极限学习机(Extreme Learning Machine, ELM)因其学习速度快、泛化能力强而被广泛应用于分类任务中。然而,由于其浅层结构,ELM无法有效地捕获数据深层抽象信息。虽然许多研究者已经提出了深度极限学习机,它可以用于自动学习目标高级特征表示,但是当训练样本有限时,模型容易陷入过拟合。为解决此问题,该文提出一种基于Dropout约束的深度极限学习机雷达目标分类算法,在雷达测量数据上的实验结果表明所提算法在分类准确率上达到93.37%,相较栈式自动编码器算法和传统深度极限学习机算法分别提高了5.25%和8.16%,验证了算法有效性。

基于多普勒频谱结构的雷达气动目标分类方法

雷达气动目标分类技术在现代战场中具有重要的应用价值。本文提出了一种基于多普勒频谱结构的方法 ,通过对频谱峰值的检测实现气动目标直升机、螺旋桨、喷气式的区分。采用实测数据对提出的方法进行了验证。结果表明,该方法可有效的实现气动目标的分类,具有较好的应用价值。

基于时频分布的空间锥体目标微动形式分类

空间锥体目标的微动形式分类对空间目标识别、参数估计等有着重要意义。针对这一问题,提出了一种从雷达回波时频分布中提取特征对微动形式进行分类的方法。首先分析了空间锥体目标的散射特性,在此基础上建立了等效散射点模型,并与传统的一般散射点模型比较,电磁计算结果进一步证明了提出模型的正确性;在特征提取阶段,基于能量强弱提取了回波时频分布中包含微动信息的区域,并针对自旋、进动、章动3种微动形式下瞬时频率变化的差别提取了4种特征;最后基于等效散射点模型仿真产生训练数据集、电磁计算产生测试数据集的模式,使用支持矢量机(support vector machine,SVM)分类器的分类实验结果表明新方法在一定信噪比条件下可有效实现对微动形式的分类。

MDI训练样本集构建对雷达探测旋翼无人机分类的影响分析

利用卷积神经网络对目标微多普勒特征进行深度学习是目前雷达探测无人机分类的重要手段。实际应用中,无人机参数如叶片转速、叶片长度、叶片初始相位、无人机方位角、无人机俯仰角、无人机径向速度等参数变化大,导致训练样本变化大。该文分析训练样本集对旋翼无人机分类结果的影响。首先建立单旋翼无人直升机、四旋翼无人机和六旋翼无人机雷达回波仿真模型。然后对其进行微多普勒特征分析提取,构建多种不同情况下的合并多普勒图像(Merged Doppler Images,MDI)训练样本集。最后利用GoogLeNet(Inception v1)得到不同情况下的无人机分类结果,分析训练样本集中样本数量、无人机单一参数变化、样本参数涵盖完整性以及无人机参数采样间隔对分类准确率的影响。实验结果表明:训练样本集的差异可能对分类准确率产生显著影响。

模糊逻辑推理系统的运动目标分类算法

随着战场环境的日益复杂,对战场上的监视目标进行分类工作越来越重要,本文主要研究了窄带雷达目标分类问题,对目标的运动信息进行特征分析,得到其高度信息以及速度信息,利用专家经验建立模糊逻辑推理系统,实时输入得到的目标状态估计,从而得到直升机、民航客机、战斗机三类目标的分类结果,仿真结果表明本文提出的基于模糊逻辑推理系统的运动目标分类算法能够实时地根据目标运动状态对目标正确分类.

基于Hough变换的卷积神经网络下微多普勒特征目标分类

单兵便携雷达通常侦查短驻留时间条件下的战场人与车辆,对雷达目标的检测和分类具有重要的军事价值。该文采用时频分析法,首先采用经典的EMD算法对微多普勒特征目标分类效果不明显,然后提出通过SFTF分析再由卷积神经网络深度学习分类,能很好的对微多普勒目标进行区分,由于该算法对GPU并行性提出很高要求,因此先通过对时频信号做Wigner-Ville处理后,进行Hough变换,最后送入卷积神经网络深度学习分类。基于实测数据的实验结果表明该方法不仅减轻了算法对硬件的要求,而且具有较好目标的分类性能。

基于微多普勒效应和多级小波分解的轮式履带式车辆分类研究

短驻留时间条件下的轮式和履带式车辆目标分类对于战场侦察雷达系统目标识别功能的引入具有应用价值。该文基于微多普勒效应对轮式和履带式车辆的雷达回波进行了分析,针对这两种车辆的雷达回波中包含的微多普勒信号的差异,提出一种基于多级小波分解的分类方法。该方法首先使用多抽样率信号处理减轻了目标平动速度变化对分类结果的影响,其次通过对目标的平动和微动分量进行分离,提取了较好描述类间目标差异性的特征。基于实测数据的实验结果表明该方法具有较好的分类性能,同时对目标速度的变化具有稳健性。

基于支持向量机的高分辨距离像分类法

支持向量机 (supportvectormachine ,SVM)是新一代学习机 ,具有良好的泛化性能。高分辨距离像(HRRP)分类是雷达复杂目标分类的重要方法。采用SVM作为分类器 ,研究了飞机目标HRRP分类法。设计了相应的预处理算法 ,并提出了结合VapnikChervonenkis维法和留一 (LOO)交叉验证法的参数选择算法。基于 5种飞机缩比模型的HRRP数据 ,比较了SVM分类法和最大相关分类法的性能 ,研究了噪声、训练用方位角采样数和训练样本集的大小对识别性能的影响。实验结果表明 ,SVM在HRRP分类上具有良好的应用前景。

基于航迹信息的飞机和气象杂波分类识别

在搜索阶段的分类识别中,当动目标可用微动信息较少时,目标的航迹信息变化不失为一个好的选择。本文首先对飞机目标和气象杂波航迹信息(幅度、距离、方位、俯仰、扫描到时间、线速度、高度等)的变化进行了分析,然后根据它们的不同,提取具有可分辨力的特征,之后利用分层识别的策略对它们分类,分层识别可以降低每个子类目标特征的分布复杂性,提高识别率的同时也可以降低系统复杂性。基于实测数据的实验结果验证了所提特征和分类方法的有效性。

高分辨距离像识别中支持向量机分类技术研究

核函数参数对支持向量机分类器性能有很大影响。首先定性分析了核函数参数对分类器分类边界的影响,然后基于高分辨距离像比较了各种泛化误差估计方法性能,得到了适合高分辨距离像识别的泛化误差估计方法,最后基于该方法优化支持向量机分类器参数实现了对4类目标的分类识别,通过识别混淆矩阵、识别ROC曲线验证了有效性。

基于支持向量机的高分辨距离像分类法

雷达高分辨距离像(HRRP)识别,是军事目标识别的一个重要手段。支持向量机(SVM)具有良好的泛化能力,适用于小样本学习问题。本文针对3类飞机目标的HRRP数据,构造了SVM分类器,设计了2组实验以比较SVM与最大相关系数法(MCM)的泛化能力、识别速度和抗噪能力。实验结果表明,SVM在军事目标HRRP分类方面具有良好的应用前景。

利用低频特征的几种目标识别方法研究

利用目标的低频RCS(雷达散射截面)值作为目标识别的特征矢量.分别对线性分类方法、最近邻分类方法和多层感知器神经网络分类方法进行了阐述和研究,并将这几种方法用于雷达目标识别.最后对几种分类方法的识别结果做了比较.＃结果显示:这三种分类器对简单目标都得到了较高的正确识别率,这说明目标的低频特征包含了目标的有用信息.

雷达与导航、声纳与对抗

N98-05465 99008021997年版防卫年鉴=防卫年鉴1997[著,日]/日本防卫年鉴刊行会编集部.—防卫年鉴刊行会,1997.04.—639P.(LG)本年鉴分6个部分介绍和分析了1996年包括日本在内的世界政治、军事动态和世界各国的军事力量及装备情况。其中特集篇分析了日美安保体制与冲绳美军基地、防卫设施行政与日本“周边有事”研究。后几篇介绍和分析了各国的军事力量,主要装备,日本的防卫厅、自卫队,以及日本的防卫设施。其中包括:世界上40多个国家和地区的现役总兵力与构成结构,地面装备、舰艇、飞机、导弹等。此外还有日本的防卫计划与预算以及日本防卫厅军事首脑简历等内容。