基于时域回波相关性特征的飞机目标分类方法

该文研究了常规窄带雷达体制下利用时域回波调制周期的差异实现直升机、螺旋桨飞机和喷气式飞机3类飞机目标的分类问题。首先分析3类飞机时域回波调制周期的差异;然后针对3类飞机目标时域回波调制周期的不同,基于时域回波相关性提取了2维特征向量;最后基于仿真数据和实测数据,利用支持向量机(SupportVector Machine, SVM)分类器的分类结果证明了在脉冲重复频率较低时,多普勒谱有一定程度混叠的情况下,时域相关性特征仍能表现出相对较好的分类性能      

基于经验模态分解的空中飞机目标分类

该文研究常规窄带雷达体制下喷气式飞机、螺旋桨飞机和直升机目标的分类问题。首先根据微多普勒效应利用多散射中心模型从理论上分析了飞机目标旋转部件的雷达回波模型;然后针对3类飞机目标回波在多普勒域频率调制的不同,提出一种基于经验模态分解(Empirical Mode Decomposition, EMD)算法的特征提取方法;最后基于仿真数据训练、实测数据测试的模式,使用支持矢量机(Support Vector Machine, SVM)分类器的分类结果表明新方法较现有方法在较高信噪比条件下具有更好的分类性能。     

基于分数阶傅里叶变换的Chirp浅剖精细探测方法

实现弱回波信号检测和高信噪比(SNR)浅剖图像获取是浅剖精细探测的首要任务。该文在分析分数阶傅里叶变换(FrFT)解卷积原理,推导时间量纲化变换公式的基础上,提出一种基于FrFT的浅剖精细探测新方法。该方法通过FrFT解卷积实现分数阶傅里叶域(u域)沉积层冲激响应求解,采用u域加窗滤波技术对带内噪声进行有效抑制,经时间量纲化变换实现高信噪比u域沉积层冲激响应包络信号至时域浅剖包迹的直接变换,得到高质量的浅剖图像。仿真实验和实测数据处理验证了算法的精细探测能力,算法性能优于脉冲压缩和自回归(AR)预测滤波方法。     

基于FRFT的雷达微弱目标信号检测算法

针对低信噪比下雷达目标回波检测的问题,提出对回波预处理后接分数阶傅里叶变换的检测方法。预处理为AR滤波器抑制杂波并用小波去噪。由于低信噪比下分数阶傅里叶变换检测性能低,对回波做预处理提高回波信噪比。再运用分数阶Fourier变换对LFM信号的聚敛性质检测。仿真结果表明,文中提出算法检测性能优于直接进行分数阶傅里叶变换。     

基于FrFT域滤波的灵巧噪声干扰抑制方法

基于数字射频存储器(DRFM)的灵巧噪声干扰兼具压制式干扰效果和欺骗式干扰效果,难以被传统抗干扰方法有效抑制。针对这一问题,本文结合分数阶傅里叶变换(FrFT)与分数阶域滤波方法,提出了一种线性调频脉冲压缩雷达体制下的灵巧噪声干扰抑制方法。首先对接收信号进行分数阶傅里叶变换,随后根据发射信号在分数阶域的特征参数,设计分数阶域滤波器,对接收信号进行分数阶域滤波以滤除干扰,最后进行分数阶反变换还原目标信号。仿真结果表明,该方法能够对卷积噪声干扰与乘积噪声干扰两种典型的灵巧噪声干扰进行有效抑制,准确检测目标的位置。      

基于FrFT空间目标探测与高精度频率估计

针对空间目标探测中低信噪比下信号检测与频率精确估计的问题,提出了基于分数阶傅里叶变换(FrFT)的实现方法。首先介绍FrFT进行参数估计的基本原理,在对接收回波信号的动态特性进行分析的基础上,为满足信号检测概率和实时处理要求,设计FrFT在空间目标检测应用中的相关参数,并提出频率估计精度的改进措施,分析了目标检测和频率估计性能。仿真分析结果表明该方法满足工程要求。     

基于变换域和时域联合处理的雷达同频干扰抑制方法

针对舰艇编队情况下线性调频脉冲体制雷达间同频干扰的问题,该文提出一种分数阶傅里叶域滤波处理与时域反异步处理相结合的干扰抑制方法。通过分数阶傅里叶域自适应滤波对与目标回波信号调频率不同的干扰信号做抑制处理,同时根据分数阶傅里叶变换的可逆性,逆变换到时域后采用相邻周期反异步方法进一步消除与目标回波信号调频率相同或相近的同频干扰。仿真试验表明,该方法相对传统方法能够有效抑制与目标回波信号调频率不同的同频干扰,同时对于在时域与目标回波信号完全重合或部分重合的干扰信号也有较好的抑制效果,干扰抑制处理增益达到29 dB以上。该方法为提高同型雷达编队组网能力提供了设计参考。     

宽带Chirp雷达回波相干积累方法

宽带Chirp雷达经去线性调频处理后的回波特性表明,运动目标回波脉间频率变化率与脉内剩余调频斜率一致。利用分数阶傅里叶变换(Fractional Fourier Transform,FrFT)处理Chirp信号的能量集聚性,提出基于FrFT的运动目标宽带Chirp雷达多周期回波相干积累方法。仿真结果表明该方法能实现匀速运动目标宽带雷达多次回波相干积累,并对机动目标的脉间能量相干积累具有较好的适应性。     

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。     

基于匹配滤波和离散分数阶傅里叶变换的水下动目标LFM回波联合检测

匹配滤波器是高斯白噪声背景下LFM回波的最优检测器,并且根据匹配滤波器输出的峰值位置可以获得目标距离的估计.有色混响噪声背景以及目标径向速度造成的回波和样本失配都将导致匹配滤波器检测性能和测距精度下降.结合匹配滤波的定位特性和分数阶傅里叶变换对LFM信号的聚焦特性,该文提出基于匹配滤波和离散分数阶傅里叶变换的联合检测方法.仿真结果表明联合检测方法性能优于单匹配滤波器,并且可以获得目标径向速度的近似估计.     

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。     

Analysis of Chirp as windowing function through fractional Fourier transform

This article presents a new mathematical model for obtaining the fractional Fourier transform (FrFT) of Chirp function. FrFT is a parameterised transform having an adjustable transform parameter which makes it more flexible and superior over ordinary FT in several applications. It is an important tool used in signal processing for spectral analysis. The closed-form expression derived for FrFT of finite duration Chirp establishes the dependence of FrFT of Chirp on the order of FrFT and the Chirp parameter. The mathematical model obtained shows that the Chirp function can be used as an adjustable window function in the fractional Fourier domain. The main-lobe width, side-lobe level and side-lobe fall-off rate of a Chirp window can be controlled by changing the adjustable transform parameter to different values. For some particular values of fractional angle, Chirp can give better spectral parameters than the existing window functions. By varying the order of FrFT, the variations in spectral parameters of the Chirp window are obtained and studied. The performance of the Chirp window in fractional domain is also compared with some of the existing windows.     

纹理图像的特征提取和分类

文章提出了一种纹理图像特征提取的有效算法.该算法利用纹理信息的频域分布以及尺度特性,并在此基础上进行纹理分类.这里采用了分类性能良好的支撑矢量机作为分类器,实验结果表明该方法提取的特征向量稳定,在类别数目比较大时也能得到较高的分类精度.     

基于分数阶四元数傅里叶变换的彩色图像自适应水印算法

针对现有一些彩色图像自适应水印算法在自适应过程中未充分考虑色彩信息或者在嵌入过程中未考虑彩色载体图像分量的整体性等不足,该文提出一种基于分数阶四元数傅里叶变换(FrQFT)的彩色图像自适应数字水印算法。首先利用人类视觉系统(HVS)提取彩色载体图像块的纹理、边缘和色调掩蔽特性,并依据这些特性对适合嵌入图像块自适应分配嵌入强度,然后在FrQFT域以自适应强度采用量化索引调制算法和冗余嵌入策略嵌入水印。实验结果表明,该算法优于现有的基于四元数傅里叶变换(QFT)的算法以及基于分数阶傅里叶变换(FrFT)的算法,具有较好的不可见性和鲁棒性。     

一种多尺度灰度共生矩阵的纹理特征提取算法

纹理特征作为图像的一个重要特征,在国画分类识别中的地位十分重要,但现有的纹理提取算法大多基于灰度信息而忽略了颜色信息。针对国画分类识别中纹理提取算法存在的问题,本文提出了一种多尺度、多色域的纹理特征提取算法,该算法结合了轮廓波变换和灰度共生矩阵的优点。为了对国画进行特征提取,该算法首先将国画图像转变到HSI色彩空间。然后,提取色调、饱和度、强度这三个色彩分量进行分区域操作,即提取每一个色彩分量的纹理特征。最后,将提取的3个特征向量融合并进行主成分分析降维。实验证明,与灰度共生矩阵相比,本文算法在国画分类识别方面查准率提高了7.5%,查全率提高了8.7%。实验表明多尺度灰度共生矩阵算法优于传统的灰度共生矩阵算法。     

基于灰度图形状特征的低分辨雷达架次判别

提出了一种基于回波灰度图低分辨雷达目标架次判别方法。分析了机群目标架次属性与灰度图形状结构之间的联系,对去噪后的灰度图分块提取形状特征,并采用径向基神经网络对实测四类不同架次的飞机目标数据提取的特征进行了识别,结果验证了灰度图形状特征信息的有效性,达到了较高的识别率。     

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%。     

Closed-Form Analytical Expression of Fractional Order Differentiation in Fractional Fourier Transform Domain

In this paper, a closed-form analytical expression for fractional order differentiation in the fractional Fourier transform (FrFT) domain is derived by utilizing the basic principles of fractional order calculus. The reported work is a generalization of the differentiation property to fractional (noninteger or real) orders in the FrFT domain. The proposed closed-form analytical expression is derived in terms of the well-known confluent hypergeometric function. An efficient computation method has also been derived for the proposed algorithm in the discrete-time domain, utilizing the principles of the discrete fractional Fourier transform algorithm. An application example of a low-pass finite impulse response (FIR) fractional order differentiator in the FrFT domain has also been investigated to show the practicality of the proposed method in signal processing applications.