基于局部连接型多层前馈网络的雷达目标动态回波识别

提出了一种适合于舰船雷达目标动态回波序列识别用的新的有效多层前馈网络──局部连接平行处理型网络研究了ＢＰ网络学习算法的综合改进方法，并相对于常规全连接型ＢＰ网络分析了局部连接型网络的动态特征抽取能力和目标识别性能。

一种改进的卷积神经网络SAR目标识别算法

针对卷积神经网络在标签数据不足条件下易发生的过拟合现象及噪声条件下的合成孔径雷达目标识别问题,提出了一种改进的卷积神经网络目标识别算法.首先利用数据增强技术扩增训练集,以提高网络泛化能力;其次利用零相位成分分析对目标进行特征提取,得到一组特征集对卷积神经网络进行预训练.为优化网络结构,防止过拟合现象,在网络中采用了修正线性单元、Dropout、正则化、单位卷积核等稀疏性技术.实验表明,算法对各类目标及其变形目标子类具有较好的识别性能,并对噪声有较强的鲁棒性,是一种有效的目标识别算法.

基于联合稀疏性的多视全极化HRRP目标识别方法

该文考虑利用连续获取的多视全极化高分辨距离像(High Range Resolution Profile,HRRP)进行目标识别的问题。多视全极化HRRP样本包含了3个层次的先验信息:样本内各分量来自同一目标;单视内4种极化组合方式下的HRRP均对应相同的目标姿态;相同极化方式下的多视观测是相关的。为有效利用上述信息进行目标识别,该文提出一种基于联合稀疏表示的多视全极化HRRP目标识别方法。该方法约束各分量对应的稀疏表示系数共享原子级的稀疏模式。原子级稀疏约束使得从各极化字典中选择来自相同姿态的字典原子对样本中各分量进行稀疏表示,可以有效利用上述3个层次的先验信息进行目标识别。利用目标电磁散射数据对所提方法进行了验证,结果表明,该方法具有较好的识别性能,并且对噪声具有良好的鲁棒性。

基于多分辨分析的雷达目标识别方法

针对宽带高距离分辨率雷达的工作体制，提出了一种基于多分辨分析和信息综合的目标识别算法。目标特征由小波变换在相邻分辨率上的能量之比的对数构成。利用多分辨分析，将目标特征分解为反映目标结构概貌的低通特征和刻画目标结构细节的高通特征。利用辐射基函数神经网络分别对目标的低通特征和高通特征进行识别判决，然后将基于目标的低通特征和高通特征的判决信息进行综合。

基于联合动态稀疏表示的开集距离像目标识别方法

针对开集条件下多视高分辨距离像(HRRP)目标识别问题,提出了一种基于联合动态稀疏表示(JDSR)的开集识别方法。该方法利用JDSR求解多视HRRP在过完备字典上的重构误差,采用极值理论(EVT)对匹配和非匹配类别的重构误差拖尾进行建模,将开集识别问题转化为假设检验问题求解。识别时利用重构误差确定候选类,根据尾部分布的置信度获得匹配类与非匹配类得分,并将两者的加权和作为类别判据最终确定库外目标或候选类。该方法能够有效利用多视观测来自相同目标的先验信息提高开集条件下的HRRP识别性能,并且对多视数据不同的获取场景具有良好的适应性。利用从MSTAR反演生成的HRRP数据对算法进行了测试,结果表明所提方法的性能优于主流开集识别方法。

基于电磁涡旋的雷达目标成像

作为信息载体的电磁波除了传统的携带信息方式外,近年来其波前以电磁涡旋形式展现的信息调制能力也越来越受到关注。本文综述了电磁涡旋在信息调制等方面的研究进展,阐述了其在雷达信息获取方面的潜在应用价值。针对圆形相控阵列,建立了电磁涡旋波照射下理想点散射目标的回波模型。将各阵元的接收信号按照与发射时相同的模式移相后,沿圆周积分即可获得雷达阵列的输出回波。该回波可表示为经平方Bessel函数调幅后的傅里叶基函数的线性组合。结合Bessel函数的频谱特性,分析了轨道角动量拓扑荷与方位角变量之间的近似对偶关系,利用逆投影和滤波-傅里叶变换方法进行了成像处理。仿真实验表明,电磁涡旋对雷达目标具有方位向成像的潜力。研究可为新体制的雷达设计、目标识别技术的发展提供参考和借鉴。

多目标跟踪性能评估方法综述

客观有效的多目标跟踪性能评估方法是众多多目标跟踪算法性能对比的重要依据,是推动多目标跟踪算法理论发展和工程应用的有力保障。在广泛调研相关文献的基础上,对现有的多目标跟踪性能评估方法进行分类,阐述其基本原理及优缺点,并对其发展趋势进行展望。

用于目标跟踪的多传感器优化分配方法

在多传感器对多目标的监视环境下 ,传感器对目标的优化分配是传感器管理的重要研究内容。本文采用目标跟踪过程中信息增益最大的优化准则 ,探讨了多传感器对多目标的优化分配问题 。

脉冲多普勒雷达对运动目标回波信号的检测

分析了倒置接收对目标回波信噪比和杂波特性的影响 ,讨论了在相关杂波区对回波信号有效检测的方法。针对如何在“弹 -目”相对运动参数未知条件下对高速运动目标进行积累检测这一问题 。

周视红外成像搜索系统中的实时目标检测方法

在周视红外成像的预警搜索系统中,大视场下红外图像的背景成分十分复杂;与此同时,高分辨成像使得图像数据量也急剧增加。针对周视成像系统中红外图像的特点,提出了一种基于分块图像加权熵值矩阵的快速目标提取算法:首先根据大视场下红外图像的空间分布特性,对原始图像建立子图像块矩阵;然后提出一种加权熵的特征判别函数,建立子图像块的加权熵值矩阵;最后分析了基于加权熵矩阵自适应阈值选取方法,对背景进行分类并快速提取目标兴趣区。实测数据结果表明:该算法流程是一种适合大视场条件下的有效目标检测算法,且具备良好的工程应用性。

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.

L波段雷达电离层高速运动目标ISAR成像补偿方法

目标高速运动和电离层效应都会对低频段宽带线性调频雷达信号的相位产生调制现象,进而降低逆合成孔径雷达(ISAR)成像分辨率。为得到清晰的目标ISAR图像,需有效消除这两者对目标回波的影响。该文首先建立电离层高速运动目标回波的信号模型,再根据目标回波为高阶多项式相位信号的特点,提出基于离散多项式变换的高阶相位估计算法,利用高阶相位估计值进行回波信号相位调制分量补偿,实现ISAR成像的自聚焦。仿真实验表明,该算法可以准确估计回波信号高阶相位参数,提高ISAR成像质量。

基于块稀疏贝叶斯学习的雷达目标压缩感知（英文）

高速采样和传输是目前雷达系统面临的一个重要挑战。针对这一问题,该文提出一种利用信号块结构特性的雷达目标压缩感知方法。该方法采用一个简单的测量矩阵对信号进行采样,然后运用块稀疏贝叶斯学习算法恢复信号。经典的块稀疏贝叶斯学习算法适用于实信号,该文将其扩为可直接处理雷达信号的复数域稀疏贝叶斯算法。相对于现有压缩感知方法,该方法不仅具有更好的信号重构精度和鲁棒性,更重要的是其压缩测量矩阵形式简单、易于硬件实现。数值仿真实验结果验证了该方法的有效性。

基于FRFT与Keystone变换的运动目标参数估计算法

目标运动参数估计精度是衡量雷达探测系统性能的重要指标。该文为解决目标运动参数的估计问题,建立了运动目标回波模型,在利用分数阶傅里叶变换(FRFT)估计加速度的过程中采用数据融合提高估计精度,在估计出加速度的基础上通过Keystone变换和速度模糊通道解决距离走动(RCM)和多普勒模糊问题。仿真实验表明算法在估计精度和计算量上具有优势,并且对白噪声具有较好的鲁棒性。

特征图知识蒸馏引导的轻量化任意方向SAR舰船目标检测器

基于有向边界框的合成孔径雷达(SAR)舰船目标检测器能输出精准的边界框,但仍存在模型计算复杂度高、推理速度慢、存储消耗大等问题,导致其难以在星载平台上部署。基于此该文提出了结合特征图和检测头分支知识蒸馏的无锚框轻量化旋转检测方法。首先,结合目标的长宽比和方向角信息提出改进高斯核,使生成的热度图能更好地刻画目标形状。然后在检测器预测头部引入前景区域增强分支,使网络更关注前景特征且抑制背景杂波的干扰。在训练轻量化网络时,将像素点间的相似度构建为热度图蒸馏知识。为解决特征蒸馏中正负样本不平衡问题,将前景注意力区域作为掩模引导网络蒸馏与目标相关的特征。另外,该文提出全局语义模块对像素进行上下文信息建模,能够结合背景知识加强目标精确表征。基于HRSID数据集的实验结果表明所提方法在模型参数仅有9.07 M的轻量化条件下,mAP能达到80.71%,且检测帧率满足实时应用需求。

基于非合作捷变频雷达的微弱目标检测算法

目前,频率捷变技术广泛应用在雷达系统设计上,用来提高抗干扰能力和检测概率,这使得回波信号的相参性难以保证。同时,增加积累时间的方法通常用于提高雷达对微弱目标的检测能力,但是长时间积累容易引起距离走动。以上因素导致了回波信号的能量无法得到有效积累。提出的一种基于非合作捷变频雷达的微弱目标检测算法,能够有效解决捷变频回波信号长时间积累时出现的相位抖动问题,从而实现相参积累。仿真实验证明了该方法对于微弱目标检测的有效性。

基于概率直方图的被动雷达弱目标检测方法

复杂电磁环境和武器系统隐蔽攻防的趋势下,目标回波常淹没在噪声干扰之中而难以被准确检测。被动雷达因能有效应对电子对抗、隐身技术以及反辐射导弹等威胁而引起广泛关注,但被动探测方式制约于辐射源的特性,采用传统长时间积累方法有时难以有效提高目标检测性能。针对上述问题,本文提出一种被动雷达的弱目标探测方法,该方法以单脉冲为处理对象,利用概率统计方法,对观测时间内的每一条脉冲检测结果进行统计,并通过概率直方图中的目标检测频度分布来检测目标。实验结果表明该方法能有效检测弱目标,非常适合在工程实践性中应用。

一种非合作双基地雷达目标跟踪方法

针对非合作双基地雷达系统的特点,提出了一种能快速找到航迹的目标跟踪处理方法。该方法首先用基于速度的方法起始可能航迹,然后利用跟踪波门技术对后续的测量点集进行相关性检测,接着进入Kalman方法预后续点迹位置的阶段,然后用最近邻域(NN)法搜索出属于该可能航迹的所有点迹,最后进行航迹的确认并开始搜索新的目标航迹。以实测数据为例进行实验,验证了该方法对非合作雷达系统目标跟踪的有效性。

非线性目标谐波散射特性建模研究

非线性目标的入射功率-散射谐波功率曲线(后文简称为谐波散射特性)对增强非线性探测系统的鲁棒性和后续的目标分类识别具有重大意义.本文研究了非线性目标谐波散射特性的建模方法和对应的参数求解方法.文章通过建立等效电路,导出了非线性伏安特性曲线与散射参数的关系模型,并提出一种基于优化的递进求精解法来提高模型参数的求解效率;以齐纳二极管的实测基波数据作为建模求解的测试示例,结果表明建模参数的仿真谐波曲线与测量的谐波曲线在测量功率段均符合较好.故本文建模方法可为后续更多非线性目标(如PIN管、三极管等)谐波散射特性的获取提供有益指导.

基于HOURGLASS网络语义关键点提取的光学图像空间目标姿态估计方法

空间目标姿态估计是有效实现各类航天任务的重要前提,基于空间光学观测图像的目标姿态估计关键一环在于快速准确地建立起观测图像与空间目标之间的“二维特征点-三维实体结构”映射关系。传统的方法往往将这一任务分解为特征提取和特征关联两个步骤序贯进行,然而在空间目标光学观测场景中,高动态的光照变化和目标的相对高速运动特点会显著降低图像特征提取的可靠性,影响后续特征关联匹配的正确率并最终降低对空间目标的姿态估计精度。针对这一问题,本文提出了一种基于语义关键点提取的光学图像空间目标姿态估计方法,利用Hourglass网络端到端地提取包含语义信息的关键点,直接实现了光学图像中二维特征点与目标三维实体结构的关联映射,并在此基础上利用EPnP算法求解待估计的目标姿态值。实验结果表明,本文所提的方法能较好地兼顾算法精度与效率,其在仿真数据集上的姿态估计最小误差为0.83°,且在数据降质的情况下平均误差依然优于传统方法。