基于时间序列森林的雷达高分辨距离像目标识别

为了提高雷达目标识别准确率与不完备角域数据下的识别性能,提出一种基于时间序列森林的高分辨距离像(HRRP)目标识别算法。详细介绍了时间序列森林算法的基本原理和用于HRRP目标识别的基本步骤。对实测HRRP数据的实验结果表明,相比于K-最近邻(KNN)、支持向量机(SVM)、随机森林(RF)、卷积神经网络(CNN)和长短时记忆网络(LSTM)等经典的目标识别算法,本文算法具有较优的识别性能与更好的角域推广能力。在只训练1/2和1/3角域数据的条件下,对全角域数据识别率均值优于85%,较上述方法平均提升5.2%。

基于Transformer的舰船高分辨距离像目标识别

基于Transformer模型出色的序列数据相关性保持以及捕获全局特征的能力,提出了一种新的基于Transformer编码器的建模方法用于舰船识别。该方法首先利用编码器部分对舰船高分辨距离像数据进行建模,然后使用位置编码来记录不同序列之间的位置信息,最后利用自注意力机制对整个舰船高分辨距离像序列进行建模,通过实验数据表明,所提出的模型识别准确率达到95.98%,具有出色的识别性能。

基于测地线流式核的雷达目标高分辨距离像鲁棒识别方法

非合作目标识别常常面临少量不完备的训练样本、训练样本与测试样本信噪比不一致等现象,本文为此提出了一种基于测地线流式核的雷达目标高分辨距离像鲁棒识别方法.该方法沿格拉斯曼流形中测地线积分提取不变特征,且通过核函数映射可获得解析特征提取表达式.该方法还可作为预处理手段对数据降噪,进一步提高其他算法的识别准确率.实验结果表明,对于信噪比失配和少量不完备样本等问题,该方法都具有鲁棒目标识别能力,并且满足实时性要求.

基于幅空联合分布的高分辨距离像检测方法

传统的高分辨距离像检测法本质上是将检测窗内大于固定门限值的距离单元积累,从而确定目标的有无,这些方法忽略了目标散射点在空间中连续分布的特点,易将检测窗内明显远离目标的强噪声点积累,造成检测率下降。针对这个问题,提出一种基于幅空联合分布的高分辨距离像检测方法,该方法联合目标散射点幅值空间分布两个维度的信息,使用迭代聚类对检测窗内高分辨距离像分割,并结合虚警率计算检测门限。通过积累目标能量来确定检验统计量,将其与检测门限对比判断目标有无。使用了4种典型的散射点分布模型和一个实测目标的距离像进行Monte Carlo试验,验证了提出的检测器比传统检测器有更好的检测性能。

利用稳健字典学习的雷达高分辨距离像目标识别算法

基于字典学习算法的信号稀疏表示被广泛应用于信号处理领域。由于字典原子间存在冗余性,求解信号的稀疏表示会受到观测信号中扰动分量的影响,从而带来表示的不确定性,不利于雷达高分辨距离像(HRRP)目标识别任务。针对这一问题,该文提出一种稳健字典学习(SDL)算法,通过边缘化信号丢失,构建稳健损失函数用于学习自适应字典。该算法利用距离像在散射点不发生越距离单元走动的方位帧内具有结构相似性,约束临近训练样本间稀疏表示的非零元素位置相同,并通过结构化稀疏约束选择最优子字典用于测试样本的分类。基于实测HRRP数据的实验结果验证了所提算法的有效性。

一种利用目标雷达高分辨距离像幅度起伏特性的特征提取新方法

为了松弛高分辨距离像 (HRRP)的方位敏感性 ,传统的雷达HRRP目标识别方法大都采用目标在一定方位角域内的平均像作为方位模板 .实际上 ,距离像的幅度起伏特性也包含了一定的目标特征信息 .本文基于散射点模型理论 ,提出了一种利用距离像幅度起伏特性的特征提取新方法 .新方法提取的加权距离像特征反映了各个距离单元内目标散射点的分布情况 ,可以更好地描述目标散射特性 .基于外场实测数据的识别实验结果表明 ,新的特征提取方法可以大幅度地提高识别性能 .

基于TSB-HMM模型的雷达高分辨距离像目标识别方法

针对雷达高分辨距离像(HRRP)的识别问题,该文提出了一种基于时域特征的截断Stick-Breaking过程隐马尔可夫模型(TSB-HMM),并建立了基于TSB-HMM模型的分层识别算法,利用TSB-HMM模型结合时域特征和功率谱特征对HRRP进行分层识别。实测数据的实验结果表明,该方法是一种有效的雷达HRRP识别方法,分层识别的算法可极大提高目标的平均识别率。特别是在训练样本数极少的情况下,TSB-HMM模型仍能获得较好的识别性能。

基于高分辨距离像的角闪烁抑制方法

分析了高分辨距离像中的散射点在距离单元中的分布类型及其对角跟踪的影响 ,提出了两种有效的抑制角闪烁的方法 .第一种方法是利用能量较大、方差较小的距离单元测角 ;第二种方法是利用同一距离单元不同多普勒单元上的散射点进行测角 .仿真结果验证了所提方法的有效性 .

调频步进雷达扩展目标高分辨距离像分析

本文首先对扩展目标的一维距离像进行了离散建模;然后给出了扩展目标调频步进雷达回波信号的数学模型,证明了调频步进雷达相参合成扩展目标一维距离像原理;文章分析了目标运动对合成距离像的影响,推导了运动目标合成距离像的距离单元走动计算公式,给出了运动目标一维距离像二次相位误差补偿的速度临界值;最后给出了计算机仿真,证明了本文的结论.

基于高分辨距离像序列的锥柱体目标进动和结构参数估计

弹道目标特征参数估计是进行目标识别的基础。针对缺少先验参数信息时锥柱组合类弹头目标进动和结构参数联合估计难题,该文提出一种基于高分辨距离像序列实现锥柱体目标进动和结构参数联合估计新方法。以旋转对称锥柱体目标为研究对象,基于静态电磁散射数据,结合目标运动模型仿真生成了目标高分辨距离像序列,分析了4个观测区域内锥柱体目标的1维距离像特性。研究了常见雷达观测视角内锥柱体各散射中心的1维距离像序列变化规律,建立了序列中散射中心间的相对位置变化的极值与目标参数之间的关系式,据此完成了锥柱体目标进动和结构参数的联合估计。最后,仿真实验结果验证了文中方法的有效性和适应性。

一种针对雷达高分辨距离像识别的融合核优化算法

本文提出一种针对雷达一维高分辨距离像(HRRP)的核函数优化算法.该算法基于对模-1距离高斯核和模-2距离高斯核的融合,结合两种核函数的不同特性,不仅优化了核函数,同时抑制了HRRP的闪烁效应.文中,基于雷达实测数据,我们将所提算法应用于核主分量分析(KPCA)的核函数优化中,然后采用支持矢量机(SVM)对提取的特征进行了分类.通过对实验结果比较与分析,我们证明该方法是有效的.

雷达高分辨距离像分帧新方法

针对雷达高分辨距离像的姿态敏感性问题,提出了一种新的分帧方法.首先分析了距离像频谱幅度的统计特性并假设其服从联合高斯分布,之后使用概率主分量分析模型对各个子帧内频谱幅度建模并用期望最大化算法求取模型参数,最后依次合并Kullback-Leibler距离最小的相邻子帧来完成分帧.实测数据的分帧结果与识别率均表明了该分帧方法的有效性.

基于一维高分辨距离像的相关测速补偿算法

在分析运动目标对频率步进信号成像影响的基础上,阐述和推导了基于一维高分辨距离像的相关测速算法,给出了该算法的测速性能和实现流程.对是否利用IFFT结果的相位信息,提出了距离像实包络相关和复包络相关两种处理模式.针对空间高速运动目标,仿真和分析了各因素对测速精度的影响.结果表明,该算法测速精度高,计算量小,抗噪性能较好,为宽带雷达实时自测速补偿提供可能.

雷达高分辨距离像自动目标识别方法的改进

在雷达自动目标识别中,广泛利用基于散射点模型的高分辨距离像(HRRP),并取得较好的识别效果。由于散射点具有一些特点,且距离单元内的散射点的情况有时比较复杂,从而使高分辨距离像出现一些异常,导致识别发生误判。该文针对发生的问题,主要讨论了飞机类目标对偏航、俯仰、侧摆三维姿态角变化的敏感性、飞机类目标在正侧视附近的特点以及测试样本的“相干峰”现象,并提出了相应的改进措施。仿真数据的识别试验结果表明该文提出的改进措施可以有效地提高识别性能。

基于去斜的步进频合成高分辨距离像新方法

研究了一种基于子脉冲去斜的高分辨距离像合成新方法。首先,用本地参考信号对接收的步进频脉冲串信号进行去斜处理,然后把去斜之后的信号按顺序在时域上拼接起来得到宽带回波,最后按传统的处理方法得到目标的一维距离像和二维逆合成孔径雷达像。这种方法避免了传统时域拼接法的上采样、频移和相位补偿运算,减小了处理复杂度,易于工程应用。

基于多任务复数因子分析模型的雷达高分辨距离像识别方法

传统的高分辨距离像(HRRP)统计识别方法大部分只使用雷达目标高分辨回波的幅值信息且需要大量的训练样本保证统计模型参数学习的精度。为了充分利用高分辨回波的相位信息,在雷达采样率有限、训练样本数不足的条件下保证统计识别的性能,该文提出一种多任务学习(MTL)复数因子分析(CFA)模型,将数据描述推广到复数域,将每个方位帧训练样本的统计建模视为单一的学习任务,各学习任务共享加载矩阵,利用贝塔伯努利(Beta-Bernoulli)稀疏先验自适应地选择各任务需要的因子,完成多任务的共同学习。基于实测数据的识别实验显示,与传统的单任务学习(STL)因子分析模型相比,该文提出的多任务因子分析模型具有更低的模型复杂度且在小样本条件下可以显著提高识别性能。

基于稳健深层网络的雷达高分辨距离像目标特征提取算法

特征提取是雷达高分辨距离像(HRRP)目标识别的核心技术。传统的特征提取算法多采用浅层的模型结构,容易忽视样本的内在结构,不利于学习有效的分类特征。针对这一问题,该文利用多层非线性网络实现特征学习,构建了基于深层网络的雷达HRRP目标识别框架。利用平均像在散射点不发生越距离单元走动的方位帧内具有稳健物理特性的性质,提出了堆栈联合稳健自编码器。该网络由一系列联合稳健自编码器堆栈化实现,在匹配原始HRRP样本的同时,约束同帧样本趋近于平均像,并将网络的最终输出作为分类器的特征输入。基于实测HRRP数据的实验结果验证了所提算法的有效性。

雷达目标高分辨距离像数据预处理方法研究

文中对双极化雷达高分辨距离像进行不同收发极化态非相干积累、邻近方位角数据压缩和背景杂波电平抑制,获得数据量少、信杂比高的目标特征像,利用以上方法建立五种地面目标特征像数据库,然后对此五类目标进行分类,可以获得较高的识别率。

基于线性动态模型的雷达高分辨距离像小样本目标识别方法

为了解决雷达高分辨距离像识别系统对训练样本需求量过大的问题,该文提出一种基于线性动态模型的小样本目标识别方法。首先分析了距离像频谱的统计特性,然后从其广义平稳性出发,使用线性动态模型对距离像频谱幅度建模,并用期望最大化算法估计模型参数。实测数据的实验结果表明:即使在很少的训练样本条件下,该方法仍能获得较高的正确识别率和良好的拒判性能。

高分辨距离像的运动参数估计

本文研究了加性高斯色噪声背景中一维高分辨距离成像中的运动估计 .导弹和目标的相对运动对一维高分辨距离成像有较大影响 ,阶跃变频体制回波信号可以表示为多项式相位的形式 ,速度和加速度的影响分别体现在二次和三次多项式相位上 .循环平稳处理方法对高斯色噪声不敏感 ,对非高斯色噪声也有较强的抑制作用 ,而且在低信噪比情况下工作良好 .应用于低信噪比环境中 .为了在复杂的地面环境中得到较好的距离像 ,本文采用循环平稳处理方法在较强的噪声背景下对速度进行估计 。