常规雷达JEM特征分析与目标分类的研究

该文研究了常规雷达回波中喷气发动机调制(JEM)特征产生机理、提取方法及用于目标分类的效能,先从理论上分析了常规雷达飞机回波中JEM特征的产生机理,并比较了直升机、螺旋桨飞机和涡扇喷气机回波中JEM周期特征的差别。再讨论了实际回波中时域、频域、时频域方法分析和提取JEM周期特征的优劣,最后用AR双谱切片技术提取的JEM周期特征进行了目标分类和辨识实验,结果表明;JEM周期特征用于常规防空雷达飞机的分类是有效的,但又是有限的。

基于JEM效应的一种雷达目标识别方法

根据ＪＥＭ（喷气发动机调制）效应和雷达目标回波谱经特点，本文提出了一种雷达目标识别方法。此方法是利用小波变换，得到雷达目标回波信号的频率调频指数，对信号进行相位补偿，然后滤掉信号中的机身频谱和多普勒频谱，再进行相位补偿，用ＦＦＴ（快速傅立叶变换）就可以得到目标的调制谱，由此实现目标识别。由实测数据进行分机处理，证明利用目标的调制谱识别目标，认识效果很好。

基于时频图像处理的JEM分类识别方法

机载雷达探测飞机目标时,可通过提取JEM特征进行直升飞机、螺旋桨飞机、喷气式飞机分类识别,虽然其理论基础已相对成熟,但在机载杂波背景下对低SNR调制信号的检测与分类识别有待进一步提升,以改进工程化过程中分类识别的稳健性。文中在回顾JEM理论分析的基础上,分析了观测角度、叶片螺距、转子交调、RCS闪烁、雷达工作波形等因素对JEM回波的影响,提出了基于超分辨时频图像的融合检测方法,综合预处理、时频分析、时频图像融合检测、JEM特征判决等策略,解决杂波背景下低SNR调制回波的检测与识别难题,并用机载雷达实测民航飞机的回波数据进行了验证,具备较高的工程应用价值。

基于回波幅相分解的JEM特征提取方法

根据对防空情报雷达飞机目标回波幅度、相位的理解与分析,提出了基于回波幅相分解的JEM特征提取方法,分别对相位分量运用AR谱估计法和幅度分量运用小波变换法提取JEM特征.实测数据分析表明:运用该方法从回波信号中提取的JEM特征比较稳定,经综合可将特征值估计误差减小,特征综合值比较精确,可用于产生JEM特征的飞机目标的自动识别.

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。

螺旋桨目标的ISAR回波信号建模与分析

建立了一种螺旋桨回波散射点叠加模型(BSPS)。给出了基于逆合成孔径雷达(ISAR)成像的螺旋桨调制模型(IBJEM)。根据螺旋桨的ISAR回波特性,对三种有不同螺旋桨结构的桨叶回波进行了成像仿真,讨论了螺旋桨结构参数对桨叶回波特性的影响。研究结果表明:该模型有较大的实用价值。

基于压缩感知和深度学习的分类识别技术

雷达对空飞机目标分类可实现雷达装备获得敌机属性和类别信息,对于现代战争其重要性显得尤为突出。针对复杂电磁环境下的飞机目标分类问题,结合防空雷达的特点建立3类(固定翼、螺旋桨和直升机)飞机旋转部件调制回波模型,并理论分析了不同类型飞机目标的微动特征差异。仿真分析在复杂电磁环境下干扰对微动频谱的影响。引入压缩感知方法进行干扰条件下的微动特征稀疏恢复,采用堆栈自编码学习(SAE)方法构建深层神经网络对目标进行自动特征提取和分类识别;实录数据验证表明,本文特征提取和识别方法在干扰比例41%时识别正确率能达到75%。