基于一维像序列的进动目标尺寸估计研究

利用高分辨距离像估计目标尺寸是弹道导弹中段防御雷达目标特征提取和识别的重要途径.该文提出了一种在目标进动条件下,利用多幅高分辨一维距离像进行中段弹道目标真实长度估计的方法.推导了目标1维高分辨距离像长度与弹道目标真实长度、进动参数之间的函数关系,建立了1维距离像长度的观测模型,采用最大似然估计法实现了目标长度的估计.最后给出了基于仿真数据和某弹头实测数据条件下的尺寸估计仿真结果,验证了所提方法的有效性.     

基于ISAR像序列的弹道目标进动特征提取

中段弹道目标进动特征是分辨弹头及诱饵的重要依据.以二维ISAR图像序列为基础,分析了弹道目标成像特点和目标姿态角的变化过程,提出了基于图像配准的ISAR像姿态差估计方法;采用等间隔配准避免了配准奇异,根据姿态差二次方曲线实现了进动参数的估计,给出了计算目标进动角、进动周期的具体步骤.仿真结果表明,该方法能够实现弹道目标进动特征提取,估计精度较高.     

基于时间-距离像的弹道目标进动特征提取新方法

进动是弹道目标最常见的微动形式,进动特征的差异为雷达识别真实弹头和诱饵提供了一种新的途径。针对弹道目标的进动特性,推导了弹道目标上任意一散射点的进动径向距离变化数学模型。通过分析散射点一维距离像随时间变化的规律,提出了一种基于时间-距离像的弹道目标进动特征提取新方法。该方法首先从弹道目标时间-距离像信号中准确提取出所有强散射点径向距离变化的线性和信号,进而通过分析这一信号的频谱特性,估计出了弹道目标的自旋、锥旋频率及进动角。计算机仿真结果表明:该方法具有很高的估计精度和良好的抗噪性。      

HRRP代价函数优化方法的弹道导弹特征参数提取

摘要:进动角和进动周期是识别真假弹头的重要参数。为了提高进动参数的提取精度,提出了一种基于一维距离像的弹道导弹进动参数的提取方法。考虑到高速平动对HRRP的影响,建立了飞行中段弹头的进动模型。对一维距离像序列的最大互相关函数进行FFT变换,并对变换后的结果进行近似正弦波的频偏校正处理,得到精确的进动周期。同时基于一维距离像提取目标的径向长度,提出了对径向长度的目标函数优化的方法,提取进动角、进动周期、锥体高度、方位角、俯仰角等主要参数。通过仿真分析,与现有的几种提取方法比较,该方法进一步提高了提取精度。      

利用一维距离像序列估计弹道中段目标进动参数

进动是自旋弹头固有特性,进动参数是中段真假弹头识别的重要特征量,已发表的文献多利用进动目标的RCS序列估计进动参数.本文通过对平底锥弹头散射特性及其进动模型的分析,指出进动将造成一维距离像序列上散射中心位置的周期性走动.在此基础上,提出了一种利用进动目标上两个强散射中心在一维距离像序列上的位置差来估计进动参数的方法,并给出了应用该方法的具体步骤.仿真结果验证了所提方法的正确性和有效性.     

基于多视角一维距离像序列的进动目标特征提取

该文研究了利用多视角观测1维距离像序列联合提取弹道目标进动角和真实长度的方法。以锥形弹头为例,详细分析了目标进动条件下1维距离像长度随视角的变化规律,指出该规律通常情况下可近似为正弦曲线;基于此建立了多视角雷达目标观测模型,提出了基于多视角1维距离像序列目标进动角和真实长度的联合提取新方法,并分析了雷达布站对特征提取精度的影响。最后通过计算机仿真证明了算法的有效性和适应性。     

基于双视角距离像序列的空间锥体目标参数估计方法

空间锥体目标在自由段是典型的微动目标。该文研究了基于双视角距离像的空间锥体目标参数估计方法,估计的目标参数包括进动参数和结构参数。首先分析了雷达俯仰角在空间锥体目标自由段的变化情况,并且利用建立的目标进动模型,得到了目标散射中心在雷达视线(RLOS)上的投影方程。然后基于双视角下的距离像序列推导出目标参数的解析解,并引入弹道信息来解决半锥角的估计对信噪比(SNR)要求较高的问题。最后利用电磁计算数据验证了方法的有效性。     

弹道导弹目标特性分析及雷达回波模拟

从自由段导弹目标的运动特性出发,对沿椭圆轨道高速运动并伴有进动的弹头雷达回波特性进行分析。建立了导弹的最小能量弹道模型和进动模型,分析了飞行过程中弹头姿态角的变化规律,研究了导弹目标的平动和进动对回波信号的影响,进而引入准静态技术的思想,研究了考虑脉内运动的弹头雷达回波模拟方法,最后给出弹头椭圆轨道、姿态角、回波信号和一维距离像的仿真结果,证明了理论分析的正确性和合理性。     

空间锥体目标进动周期估计

该文通过对空间锥体目标的弹道建模,根据进动锥体目标对雷达波的姿态角计算公式,推导了目标回波RCS随姿态角余弦的计算公式。通过分析姿态角余弦的频谱特性和RCS随姿态角余弦的频率传输特性,给出RCS序列的频谱特性,并以此为特征,提出一种RCS序列进动周期估计的新方法。仿真结果验证了方法的有效性。     

基于一维像序列的中段雷达目标进动特征提取

弹头和诱饵在外形和散射特性上有很多的相似处,但是进动特征有很大差别,反演进动周期、进动角等特征将有助于解决弹头、诱饵的识别问题,本文以中段旋转对称体目标为研究对象,分析了该类目标的散射特性,提出了移动散射点模型,分析了自旋、进动对目标一维像的影响,提出了基于相关图估计进动周期的方法,并从理论上推导了进动周期内一维像长度的变化,得到了一维像长度极小极大比与进动角等参数的关系,提出了迭代寻优求解三参量非线性方程的方法,并通过实验进行了验证,结果表明,算法稳定、可靠,估计精度较高.     

基于三角函数拟合的RCS序列进动周期估计

利用雷达反射截面(RCS)序列估计进动周期为弹道目标特征提取和识别的重要途径。弹道目标在进动时,回波RCS序列为非平稳的周期序列,常规Fourier变换方法和周期间相关类方法需要较长观测时间和较高数据率才能有效地估计RCS的周期,这对于有限的雷达资源来说是不可接受的。该文提出一种新的估计弹道目标RCS序列周期的方法,该方法先利用特定频率附近的三角函数来拟合RCS序列,再求得使拟合误差最小的频率,即为RCS序列的进动频率。相比于常规方法,该文方法具有所需资源少,估计精度高的特点。RCS计算数据的仿真结果证明了该文方法的有效性。     

基于ISAR像序列的锥体目标进动及结构参数估计

弹道目标进动及结构参数的提取是弹道导弹目标识别的关键。该文提出一种基于逆合成孔径雷达(ISAR)像序列实现锥体目标进动及结构参数估计的方法。基于电磁仿真数据及锥体目标的微动特性,忽略旋转对称锥体目标的自旋运动,采用距离-瞬时多普勒算法生成目标的ISAR像序列,之后采用CLEAN算法将ISAR像序列中的强散射源坐标信息提取出来;推导了锥体滑动型强散射源在成像平面上的投影轨迹公式,该公式可为进动锥体目标成像特性模拟及参数估计提供数学参考。分析观察视角对锥体目标ISAR像可观测强散射源的影响,给出了估计进动及结构参数的具体方法;最后仿真验证了成像算法及投影轨迹公式的正确性,并依据提取的坐标信息估计目标的进动及结构参数信息。     

基于时间-距离像分布的锥体目标进动与结构特征提取

多特征综合利用是弹道目标识别的发展趋势。现有研究报道中,弹头进动特征提取通常假设某些结构特征已知,而结构特征提取通常又需要已知某些进动特征,这一学术僵局目前尚未有效突破。论文以旋转对称锥形弹头为研究对象,详细分析了各散射中心1维距离像位置与参考相位中心距离变化规律,基于时间-距离像分布,结合散射中心运动规律和几何关系,实现了进动特征(进动频率、进动角、初始相位角以及视线角)和结构特征(锥体高度、底面半径、质心到底面的距离)的联合提取,同时还估计出了质心与雷达的距离,仿真结果证明了算法的有效性和适应性。     

弹道目标宽带极化特征提取分析

针对弹道目标的极化高分辨一维距离像,研究宽带极化特征提取算法,分析所提取特征表征的目标散射特性及其在目标分类识别中的应用。通过弹道目标全极化高分辨一维距离像,构建极化散射矩阵,估计弹道目标的极化相干矩阵,再对其进行Cloude分解,提取H/α/A/P特征,依此对目标各散射中心的散射机理进行判定,同时分析各特征对于弹道目标可分性的强弱,利用SVM算法进行分类识别,同时考虑了信噪比对识别结果的影响,用仿真实验验证了算法的有效性。     

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。     

基于散射中心极化比的锥体目标姿态反演

从高分辨一维距离像（high range resolution profile,HRRP）出发,针对HRRP姿态敏感以及锥体目标识别中姿态获取困难的问题,推导分析了散射中心极化比与锥体目标姿态的关联关系,提出了基于散射中心极化比姿态反演的方法:利用散射中心参数估计模型对锥体目标不同极化下的宽带数据进行分析,分别提取其散射中心参数,同时计算散射中心参数的极化比,并与理论的极化比曲线进行匹配,最终获取目标的姿态角.基于球头锥的数值计算与极化特征提取结果验证了方法的有效性.利用此方法能够做到对目标姿态的快速反演,为进一步的目标识别提供支撑.