A new feature extraction method using the amplitude fluctuation property of target HRRP for radar automatic target recognition

Due to the aspect sensitivity of high-resolution range profile(HRRP),traditional radar HRRP target recognition methods usually use average profile within some target-aspect region as the target-aspect template.Actually,the amplitude fluctuation property of target HRRP also represents some feature information of the target.Based on the scattering center model,a new feature extraction method using the amplitude fluctuation property of target HRRP is proposed in this paper.The weighted HRRP feature extracted by the new method can represent the scatterer distribution in every range cell,thereby it can describe the scattering property of the target better.The experimental results based on measured data show that the new feature extraction method can greatly improve recognition performances.

空中目标动态电磁散射数据仿真系统设计与实现

电磁散射数据是目标识别研究的基础,但由于试验测量成本高、可重复性差等问题,空中目标电磁散射实测数据十分有限。基于去遮挡的N点模型和电磁计算数据插值研究了空中目标动态电磁散射数据仿真方法,设计了空中目标动态电磁数据仿真系统,该系统将电磁散射仿真与实际飞行场景相结合,支持场景自定义和空中目标三维模型库扩展。分析了飞机和巡航导弹2类目标仿真数据及成像结果,结果验证了仿真方法正确性和系统有效性,可为研究实际场景下的空中目标识别提供支撑。

基于属性散射中心卷积核调制的SAR目标识别深层网络

卷积神经网络(CNN)的特征提取能力与其参数量有关,一般来说,参数量越多,CNN的特征提取能力越强。但要学好这些参数需要大量的训练数据,而在实际应用中,可用于模型训练的合成孔径雷达(SAR)图像往往是有限的。减少CNN的参数量可以降低对训练样本的需求,但同时也会降低CNN的特征表达能力,影响其目标识别性能。针对此问题,该文提出一种基于属性散射中心(ASC)卷积核调制的SAR目标识别深层网络。由于SAR图像具有电磁散射特性,为了提取更符合SAR目标特性的散射结构和边缘特征,所提网络使用预先设定的具有不同指向和长度的ASC核对少量CNN卷积核进行调制以生成更多卷积核,从而在降低网络参数量的同时保证其特征提取能力。此外,该网络在浅层使用ASC调制卷积核来提取更符合SAR图像特性的散射结构和边缘特征,而在高层使用CNN卷积核来提取SAR图像的语义特征。由于同时使用ASC调制卷积核和CNN卷积核,该网络能够兼顾SAR目标的电磁散射特性和CNN的特征提取优势。使用实测SAR图像进行的实验证明了所提网络可以在降低对训练样本需求的同时保证优秀的SAR目标识别性能。

基于属性散射中心目标重构加权决策融合的SAR目标识别方法

针对合成孔径雷达(SAR)图像目标识别问题,采用原始图像及其属性散射中心目标重构结果进行决策融合。以核稀疏表示分类(KSRC)为基础分类器,对原始及重构SAR图像进行分类。KSRC通过引入核函数提升分类适应能力;目标重构可有效剔除原始SAR图像中的噪声成分。根据目标重构过程中重构结果与残差的能量关系评估原始SAR图像噪声水平,并以此为依据确定原始图像和重构图像决策结果的权重。采用加权融合手段对两个结果进行处理,判断测试样本的目标类别。基于MSTAR数据集对方法进行测试,实验结果证明了其有效性。

基于深度信念网络的属性散射中心匹配及在SAR图像目标识别中的应用

合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标识别是SAR图像解译的重要应用。为提高SAR目标识别的稳健性,本文提出基于深度信念网络(Deep Belief Network,DBN)的属性散射中心匹配方法。属性散射中心参数特征丰富,能够很好地反映目标的局部散射特性。DBN发挥深度学习优势,可以实现测试样本与模板样本散射中心集的稳健匹配,并且能够较好地适应噪声干扰、部分缺失等情形。在构建的属性散射中心匹配关系的基础上,定义相似度度量准则。基于最大相似度的原则确定测试样本所属类别。实验依托MSTAR数据集开展,经验证,所提方法对于SAR目标识别问题具有良好的有效性和稳健性。

雷达目标高分辨距离像的特征提取及识别方法

本文首先应用ＴＬＳ－ＥＳＰＲＩＴ算法提取光学区高分辨雷达目标散射中心位置信息，并提出了“基于散射中心位置的相关匹配”目标识别算法，而后，证明了该算法相关匹配系数与所选择的基底无关以及算法的稳定性问题。最后，给出了五种飞机缩比模型的实验结果。

雷达目标散射中心模型反演及其在识别中的应用

提出了一种基于散射中心模型的距离像识别方法。首先采用稀疏空间网格上的宽带测量数据离线反演目标散射中心模型,再将从距离像中实时提取的一维散射中心特征与该散射中心模型的一维投影进行匹配完成在线识别。在散射中心模型反演中,提出了稳定散射中心的概念并基于此完成稀疏空间网格下的一维散射中心投影关联。在识别过程中,通过设计合适的匹配函数解决散射中心参数估计误差和模型误差造成的散射中心数目、幅度和位置不完全匹配问题。仿真实验表明,对于精度较高的模型,基于模型的识别方法与基于距离像模板的方法识别率相当,而在存储量和灵活性方面优势突出。

基于微多普勒的圆锥弹头进动与结构参数估计

微动特征是弹道中段目标雷达识别的有效特征之一。该文首先推导了圆锥弹头的锥顶散射中心和锥底平面上两个滑动散射中心的微多普勒表达式,与由几何绕射理论得到微多普勒时频曲线进行对比,发现锥顶散射中心的微多普勒时频曲线有细小差异,其他两个散射中心的很吻合。通过分析这3个表达式发现3个散射中心的微多普勒具有3种相关性。针对这3种相关性论文提出了在不同入射角下提取微多普勒时频曲线的离散点进行进动和结构参数估计的方法,并进行了仿真实验提取了进动和结构6个参数,且估计效果较好。

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 .

基于波形匹配的超宽带雷达目标识别

在理论上对波形匹配算法进行了详细地推导,对超宽带雷达目标回波进行了特征提取和分类判决,并在计算机上完成了数值仿真。从仿真结果来看,此识别方法效果良好,易于实现。

进动圆锥弹头双基地微多普勒特性分析

微动特征是弹道中段目标雷达识别的有效特征之一。该文首先利用由几何绕射理论推导的圆锥弹头散射中心模型确定了3个散射中心分别是锥顶及双基地角平分线在锥底平面上的投影与底面边缘的2个交点;然后建立了进动圆锥弹头双基地微多普勒模型,经化简可知双基地微多普勒模型与双基地角平分线上单基地雷达微多普勒模型相似,且双基地微多普勒幅值为单基地微多普勒幅值的半双基地角的余弦倍,这与单双站散射等效定理吻合;再通过分析3个散射中心的微多普勒模型得出了可用于进动和结构参数估计的3种相关性;最后利用电磁计算软件FEKO计算了圆锥弹头模型的双基地雷达截面积(RCS),通过对RCS序列的时频分析,验证了该文理论分析的正确性。

基于实测数据的空中目标分类识别算法

该文在分析由常规窄带雷达获得的直升机、螺旋桨和喷气式飞机实测回波数据特征的基础上,提出一种基于多特征联合的分类识别算法。通过对大量实测回波数据的特征分析,提取多普勒频移、幅度相对量、时域和频域波形熵、时频特征多个具有明显区分性的特征,将其输入支撑向量机(SVM)分类器实现3类空中目标的分类。在分类的基础上,基于回波数据的时频谱宽和对称性特征,提出一种奇数与偶数片桨叶直升机识别方法。最后实测数据的处理结果验证了所提空中目标分类识别方法的有效性。

雷达目标多维特性分析与应用

实际目标的雷达特性是多维空间中的函数,但雷达观测只能获得多维特性在低维空间中的切片或投影,深入分析有限的雷达观测数据蕴含的目标特性信息,对提升目标检测识别性能有重要意义.从三维散射率分布函数出发,推导了不同维度雷达图像与散射率分布函数积分投影的傅里叶变换对关系,并通过分析该关系所隐含的近似条件,指出实际目标散射特性的复杂性,得出了多维空间中形式化的散射模型.基于散射中心和雷达图像从不同的角度对多维散射模型的低维映射进行分析,给出了若干目标特性分析实例,包括棱形结构的相位逆转现象、多次散射的极化相位关系、空间目标腔体结构的色散现象、柔性结构的图像散焦效应等.形式化多维散射模型和低维映射研究方法为分析复杂目标的雷达散射特性提供了参考.

基于HRR的地面雷达目标识别方法研究

高分辨雷达目标识别可以提供目标更多的信息 ,是地面雷达技术发展方向 ,基于高分辨距离像的特征提取和识别是比较现实可行的方法。该文首先分析了一维距离像的产生 ,在此基础上 ,综合了几种一维距离像的特征提取方法和分类识别方法 ,讨论了方位角变化对距离像的影响 。

基于微多普勒的锥体目标进动和结构参数估计

真假目标识别是弹道导弹防御的一大技术瓶颈,目标识别的正确与否在一定程度上决定了反导系统的成败.微动引起的雷达可观测量微多普勒特征包含了目标的运动、尺寸、形状等大量信息,因此微动特征是当前学术界公认的弹道中段目标识别的有效特征之一,对微动特征的提取为弹道导弹防御目标识别提供了新的解决手段.该文以旋转对称锥形目标为研究对象,根据散射中心理论以及攻防对抗条件,推导了目标两个等效散射中心的位置与回波模型,建立了基于滑动型散射中心的锥体目标进动模型.分析了目标的结构参数与雷达回波微多普勒参数的显式关系,推导出微多普勒随时间变化的解析表达式.结合弹道中段目标识别等应用背景,提出了基于TFDHough变换的联合参数估计的方法.该方法综合两个散射中心的微多普勒参数,联合求解二者的参数空间,对进动和结构参数进行估计.仿真结果表明目标回波的微多普勒时频曲线与解析微多普勒曲线吻合,所提联合参数估计方法可准确估计进动角、进动频率、锥体高度、锥底半径等进动和结构参数.

气浮实验台位姿视觉测量方法

为了实现气浮实验台位姿的实时确定,提出了一种基于单目视觉的位姿测量方法。首先,设计了一种具有旋转、平移、缩放不变性且易于探测的圆形合作靶标;其次,结合靶标尺寸、形状以及安装位置,基于Blob分析快速识别合作靶标,保证了定位点提取的准确性;然后,提出一种在待识别区域内进行"行、列"扫描统计的靶标圆心测量算法,实现靶标圆心的快速、鲁棒提取;最后,结合计算机坐标系下的圆心位置以及视觉测量系统中坐标变换关系,解算气浮实验台的实际位姿。实验结果表明:该方法测量位姿精度较高,抗噪能力强,在处理1 600 pixel×1 600 pixel图片的情况下,平均测量周期为53.086 ms(约19帧/s),能够实现对气浮实验台位姿实时、精确、鲁棒的测量。

弹道目标移动散射点模型的微多普勒特征研究

对锥体的进动引入了移动散射点模型,该移动点位于雷达视线与锥体表面不连续处,且随着目标进动而移动。微多普勒频率的理论计算和回波仿真结果表明,二者较为一致,从而为弹道导弹微多普勒目标识别提供了一种新的理论依据。

利用压缩感知实现随机变频雷达散射中心估计

随机变频信号体制不仅可以降低系统瞬时带宽和数据采样率,还具有很强的抗干扰能力,然而,信号频率的随机变化导致现有目标散射中心估计方法失效。推导了随机变频信号的回波模型,在分析回波稀疏特性的基础上,提出了一种基于压缩感知的散射中心模型参数估计方法,将参数估计问题转化为压缩感知理论中的稀疏信号重构问题,并分析了感知矩阵对稀疏信号的重构性能。实验结果表明,所提方法能够在降低数据采样率的情况下对目标散射中心参数进行有效估计。

用于雷达目标识别的理想极化参数模型

利用目标散射矩阵理论和多散射中心理论建立了一种用于雷达目标识别的极化参数模型。应用这一参数模型，雷达目标可由一个或多个散射中心的特性加以描述。通过对散射中心特性的分析，可以对雷达目标作出较精确的估算。

步进频信号散射中心的提取及目标识别

针对宽带步进频测量雷达体制,用几何绕射理论(GTD)模型来描述目标宽带RCS测量数据,利用多重信号特征(MUSIC)算法估计目标散射中心的数目和位置,并将目标的散射中心作为特征进行目标识别。利用暗室测量的缩比目标模型数据进行目标识别实验,结果表明,用该方法提取的散射中心特征稳当有效,识别效果较好。