认知MIMO雷达目标分类波形自适应方法

针对认知多输入多输出(MIMO)雷达系统,研究了基于序贯假设检验的扩展目标分类波形自适应方法.采用基于信息论的波形设计方法,通过最大化雷达回波与扩展目标冲激响应之间的互信息获得每一类目标的最优雷达波形,进而根据多类目标的当前概率加权合成最优MIMO雷达信号.在多次雷达观测中,根据贝叶斯准则不断更新每一类目标可能出现的概率,最优波形自适应变化,最终趋于真实目标类别的最优波形.仿真结果表明,相比较于传统的固定波形,采用自适应最优波形的认知MIMO雷达系统进行目标分类的平均观测次数显著降低.     

最大互信息准则下的认知MIMO雷达波形设计

针对杂波背景下对认知多输入多输出(MIMO)雷达波形设计研究较少的问题,提出了一种基于最大互信息准则的波形设计方法。该方法结合一般认知雷达波形设计模型,以雷达发射功率作为约束条件,以最大化目标与接收回波间的互信息为目标,对认知MIMO雷达的波形设计问题进行建模,并采用卡尔曼滤波一步预测的方法对快速运动扩展目标的冲激响应进行预测,实现对目标的精准估计;同时,基于上述分析采用最大能量分配的方法进行波形设计。仿真实验表明,与传统的线性调频信号(LFM)相比,文中所提方法可以获得更多的信息量。     

基于AWD和EBD的认知雷达序贯信号检测

研究了认知雷达在扩展目标假设下,目标冲激响应未知时的信号检测问题。根据认知雷达闭环结构的特点,基于最大似然(ML)准则完成了对目标冲激响应的序贯估计,并结合自适应波形设计(AWD)和检测前估计(EBD)方法,提出了一种迭代更新目标冲激响应估计和发射波形的序贯检测算法。由理论分析和仿真结果可知,该算法对目标冲激响应的估计精度以及在近似恒虚警检测(CFAR)准则下的实际检测概率,均随着认知雷达循环次数的增加而提高,且估计的检测概率随着目标冲激响应估计精度的提高逐渐逼近实际检测概率,从而有效提高了决策的可靠性。     

一种采用变周期调频连续波雷达的多目标识别方法

本文首先从理论上分析了传统的线性调频连续波(FMCW)雷达在进行多目标识别中的局限性,提出了一种采用变周期的线性调频波形作为发射波形的新方法,从而解决了多目标识别中的虚假目标的问题.计算机模拟证明了理论分析的正确性和新方法的可行性.最后,针对这种体制雷达探测系统的新特点,提出了一种适用于该系统的容差函数.     

一种综合考虑目标检测与估计的波形设计方法

讨论了在综合考虑目标检测与估计性能的条件下,雷达发射波形的优化设计问题.由于衡量目标检测与估计性能的直接指标是信噪比(SNR)和互信息(MI),文中采用将SNR作为约束条件下最大化MI的准则,通过引入发射信号的自相关序列将优化目标转发为凸优化问题,进而优化设计发射波形.仿真实验的结果表明,利用该方法所设计的波形能够满足输出SNR约束(对于目标检测性能)且同时能够最大化MI(对应目标估计性能).     

加权重排算法在多目标雷达信号分辨中的应用

该文应用一种加权重排算法,对多目标雷达信号的分辨进行了研究。此加权重排算法简单且容易实现,重排后的时频分布虽然失去了双线性,但保持了其它良好性质,特别是换回了对Chirp信号和冲击信号的准确定位。针对编队多目标雷达信号的线性调频特点,应用加权重排算法在权衡能量聚集性和消除重排振荡的同时,实现了对编队多目标雷达信号较佳分辨。     

一种改进的FMCW雷达线性调频序列波形

采用线性调频序列波形（chirp sequence waveform）的调频连续波（Frequency Modulated Continuous Wave,FMCW）雷达在汽车防撞探测等领域得到了广泛应用.针对该体制雷达的多目标解多普勒模糊问题,本文对线性调频序列波形进行了改进,在所有偶数序号扫频周期前插入了延时.改进后的波形可分解为两个扫频重复频率相同的传统调频序列,一个由奇数序号的扫频周期构成,另一个由偶数序号的扫频周期构成.波形中的延时会使两个序列对应的差频信号组之间产生相位差,利用此相位差信息可以解多普勒模糊.仿真结果验证了改进波形及其信号处理方法的多目标环境适应性和抗噪性.     

状态空间法在超宽带雷达动目标速度及距离像估计中的应用

该文通过状态空间(State-Space, SS)法高分辨估计超宽带(Ultra-Wide Band, UWB)雷达运动目标径向速度及其距离像。首先,结合具有伸缩的UWB雷达回波模型获得散射体频域冲激响应,以构建SS所需的Hankel矩阵。其次,利用SS估计UWB雷达高速运动目标径向速度及距离像。进一步,分别推导了上述估计参数的克拉美-罗下界(Cramr-Rao Lower Bound, CRLB)。SS法不但能获得目标高分辨距离像,而且较好地规避了多普勒随信号带宽内频率变化,即多普勒色散对径向速度估计的影响。该方法亦具有良好的噪声抑制能力。此外,其只需目标频域冲激响应,并未涉及具体发射波形,因此未受发射信号形式的限制,这不同于利用小波变换估计相关参数的方法。仿真实验验证了该方法的可行及有效性。     

雷达目标识别技术及其新进展

从雷达目标识别技术作为现代雷达的一个重要发展方向出发，对雷达目标识别的几种主要方法即目标运动轨迹特征识别法、回波幅度起伏特性识别法、多频雷达回波识别法、极点识别法、斜升响应识别法和极化识别法等作了阐述，最后对雷达目标识别技术的新进展即波形综合法、雷达成象技术及神经网络在雷达目标识别中的应用作了展望。     

基于交替投影的MIMO雷达波形设计

针对基于最大化互信息(或最小均方误差)准则所提方法只得到理论上最优多输入多输出雷达波形,而无法产生可发射波形的问题,基于交替投影方法,提出一种新的可发射波形设计算法。该算法得到的可发射波形渐进逼近基于最大化互信息(或最小均方误差)准则得到的理论最优波形,且迭代的每一步都具有闭式解,因而可获得高效求解。仿真结果表明,相比较已提出的可发射波形设计方法,所提算法具有较好的最优波形逼近性能。     

基于高频电磁计算数据的太赫兹雷达高分辨成像研究

为揭示太赫兹频段雷达目标散射特性,基于高频电磁计算数据研究了太赫兹雷达高分辨成像方法.考虑到传统三维雷达成像面临的大数据量问题,提出了一种成像结果类光学图像的高分辨成像方法——方位/俯仰成像方法,通过推导其点扩展函数分析了该方法在高分辨率与散射点识别方面的优势.基于电磁计算数据的仿真与分析表,高频计算方法可以快速准确计算太赫兹频段理想导体目标RCS,高分辨成像结果可以分辨目标亚波长量级的细微结构特征.因此太赫兹雷达成像技术可获取目标更加丰富和精细的信息,为目标识别带来益处.     

极坐标图像的机场目标特征提取方法

提出了一种机场场面监视雷达图像的机场目标特征提取方法。首先,为了解决雷达图像的亮点噪声问题,采用类形态学的图像预处理方法;然后,采用邻域链路法标记目标的轮廓像素;最后,单元面积作为权值,估计极坐标图像下机场目标的特征,并对权值的计算方法进行了讨论。实验表明,所提方法能够消除亮点噪声,得到比较准确的特征信息,为目标分类识别和多目标跟踪提供正确的特征。     

一种利用相位信息的雷达目标成像识别方法

高距离分辨雷达(HRR)的回波中蕴含丰富的目标信息,充分利用目标回波并采用恰当的特征抽取方法,可以有效地识别目标。本文提出一种利用相位信息和正则变换的目标识别方法。该方法基于雷达目标距离剖面像的幅度和相位矢量(幅相矢量),首先由各训练目标在不同方位姿态角时的幅相矢量构成综合矩阵并对之作正则变换建立正则子空间,然后将每类训练目标各方位姿态的幅相矢量向该子空间投影形成子像,取其平均结果作为该目标的库特征矢量。对未知目标,以其子像对库矢量的欧氏距离最小为分类准则,进行了识别模拟实验。     

多源红外弱小目标灰色关联融合识别方法

针对从复杂地物背景下识别红外弱小目标的需求,提出了一种针对中/长波红外图像的多源信息融合识别方法。首先在对低信噪比红外图像的预处理中改进了去相关和分块阈值分割等算法以抑制温度场的非线性影响,有效提取出目标及其特征,再利用基于灰色理论的目标关联度计算得到基本概率赋值,进一步运用D-S证据理论组合规则对多个观测样本的信任度进行决策融合,得到同一时刻多传感器探测样本数据的最终识别结果。实验表明,该方法对复杂地物背景下的红外弱小目标具有较高的识别效率。     

一种基于属性散射中心的SAR遮挡目标识别方法

针对合成孔径雷达（Synthetic Aperture Radar,SAR）图像遮挡目标识别问题,提出基于属性散射中心局部最优匹配的方法。综合考虑匹配对数量以及匹配对之间的差异,采用粒子群算法构建测试样本和模板样本的属性散射中心集之间的局部最优匹配关系。在此基础上,引入SAR遮挡目标带来的散射中心变化特性,定义稳健的相似度准则。基于散射中心匹配结果计算测试样本与各类模板的相似度进而判定其目标类别。在MSTAR数据集上的实验结果表明,所提方法在标准操作条件下对10类目标取得98.72%的平均识别率,在随机缺失、方向缺失两种遮挡模型下也取得优于对比方法的性能,证明了所提方法对于SAR遮挡目标识别的有效性。     

基于宽带毫米波工作体制的雷达目标识别方法探讨

对基于宽带毫米波工作体制的雷达目标特征获取和识别方法进行了综合分析和探讨.表明:在毫米波照射下,雷达目标可模型化为由多个散射中心组成的扩展目标;只要发射信号有足够的带宽,就可以从回波信号中获得各散射中心的空间分布、类型等特征;仿真结果说明,这种方法对高频区复杂目标的识别是有效的.     

基于扩张残差网络的雷达辐射源信号识别

针对低信噪比条件下,复杂多类雷达辐射源信号识别存在特征提取困难,识别正确率低的问题,本文提出了一种基于时频分析和扩张残差网络的辐射源信号自动识别方法.首先通过时频分析将信号时域波形转换成二维时频图像以反映信号本质特征;然后进行时频图像预处理以保留时频图像完备信息,适应深度学习模型输入;最后构建扩张残差网络以自动提取信号时频图像特征,实现雷达辐射源信号分类识别.实验结果表明,信噪比为-6dB时,该方法对16类雷达辐射源信号的整体识别正确率能够达到98.2%,对时频图像特征相似的类LFM（Linear Frequency Modulation）信号的整体识别正确率超过95%.本文提供了一种新的雷达辐射源信号智能识别方法,具有较好的工程应用前景.     

基于最大边缘分配算法的雷达博弈波形设计

实战背景下雷达目标先验信息有较大的不确定性,基于先验信息设计的波形不能满足参数估计的需要.为解决该问题,提出了一种博弈条件下的雷达波形设计方法.考虑到雷达与干扰机在电子对抗中的非同时性,采用Stackelberg博弈框架进行建模.该方法以优化雷达能量谱分布为策略,采用最大互信息准则建立效用函数.博弈过程中,雷达与干扰机...     

一种适用于编队目标的ISAR成像处理实现方法

在对编队目标的ISAR成像中,由于目标之间的间距很小,各目标回波常常在距离域和多普勒域都有重叠,难以进行多目标回波分离和分别成像.本文提出一种适用于编队目标的ISAR成像实现方法.对多目标回波统一进行径向加速度补偿和Keystone变换,完成多目标的距离对齐.在横向作多普勒分辨时,考虑各目标散射点子回波可近似为线性调频信号,引入修正离散Chirp-Fourier变换,并结合CLEAN技术,同时得到多目标的距离-多普勒像.仿真实验结果证明了该方法的有效性.     

一种汽车防撞雷达多目标识别方法

针对汽车防撞雷达在多目标环境下遇到的虚假目标问题,基于各种多目标识别方法给出一种改进型变周期线性调频连续波(LFMCW)雷达多目标识别方法。该方法将改进型变周期三角波作为调频信号,通过对回波信号进行动目标检测、恒虚警检测等处理后进行容差函数的判断,最终达到去除虚假目标的目的。仿真结果表明,与传统LFMCW雷达相比,该方法在复杂多目标环境下能去除虚假目标,从而更为准确地识别目标。在实际应用中为驾驶员提供正确的目标距离和相对速度信息,从而起到主动防御的作用。