用距离像识别地面目标的研究

利用毫米波（ＭＭＷ）雷达高分辨距离像作为特征矢量，研究了四种地面目标的分类性能，比较了单极化和双极化下的目标分类结果．表明距离像的多极化非相干积累是提高目标识别率的一个有用方法．     

基于逆向云模型的雷达目标识别

提出了一种基于逆向云模型的雷达目标识别方法。首先,基于模-1距离准则建立了云滴确定度,对高分辨距离像(HRRP)距离单元进行正态逆向云模型建模;然后,定义逆云隶属度表征待测样本属于某个训练类别的概率。对目标模板库中5种飞机高分辨距离像数据的仿真结果表明,该方法具有识别率高、对训练样本量的要求较为宽松和方位角划分不敏感等优点,是一种有效的雷达目标识别方法。     

一种优化K近邻准则及在雷达HRRP目标识别中的应用

针对雷达高分辨距离像的姿态敏感性,利用各目标在各种姿态下的雷达高分辨距离像样本和其局部聚散程度信息,调节各样本的局部有效作用范围,使得其统计置信水平达到可信的范围内,从而对二分类的K近邻测度距离和判决准则进行了优化,最后通过一对一法将其推广到解决多类目标的识别问题．实验证明该方法相对于传统的K近邻方法可有效提高识别率,尤其当类别增多时,性能改善显著．     

一维距离像的雷达目标特征提取方法研究

利用高分辨雷达一维距离像,分析了规范相关分析（CCA）法及核规范相关分析（KCCA）应用于高分辨雷达目标识别的特征提取,用外场实测数据进行了识别实验．理论分析与实验结果表明,CCA法和KCCA法在数据降维的同时保持了较高的识别率．     

基于高分辨距离像子带融合的目标识别新算法

针对雷达高分辨距离像(HRRP)目标识别问题,提出一种最大相关系数投票准则子带融合识别算法。对目标回波进行子带划分,分别进行幂变换预处理获得子带距离像,通过实验证明HRRP不同频段的子带距离像均含有目标信息,可以从中提取特征信息用于目标识别。理论分析表明新算法计算复杂度低,可实际应用于雷达自动目标识别。实验仿真显示,新方法不仅能够利用回波信息提高识别率,还具有拒判功能,可提高目标识别的准确度。     

基于核函数的多极化HRRP识别

针对多极化雷达高分辨距离像(HRRP)识别中数据量大、分布复杂和识别算法复杂的问题,提出了基于核函数的识别方法.该方法首先定义了两种基于多极化HRRP的核函数,然后将其分别应用到核主分量分析(KPCA)中降维和提取特征,最后采用最近邻(1NN)分类器和支持矢量机(SVM)分类器对目标进行分类.该方法可以在不丢失极化信息的情况下,将多极化HRRP作为一个整体进行识别,降低了识别算法的复杂度.多极化HRRP数据的仿真实验结果显示,该方法的识别率比单极化HRRP提高7%～10%;与其他多极化HRRP识别方法相比,该方法不仅降低了提取特征的维数,而且还提高了识别性能.     

基于压缩感知稀疏分解的一维距离像目标识别

近年来对压缩感知理论的研究,进一步证明了信号的稀疏表示方法在信号压缩、特征提取等方面的有效性及巨大的应用潜力。作为信号处理领域的典型应用之一,雷达目标识别已有许多成熟的算法,其中一些基于高分辨距离像进行识别,但是这些方法大多忽略了高分辨距离像信号自身的稀疏特点。为此提出了一种基于压缩感知稀疏分解实现高分辨一维距离像目标识别的算法。此算法首先构建组合正交冗余字典,在满足信号表示准确性的情况下,兼有正交字典运算快捷的特点;然后,通过改进的分组匹配稀疏分解算法,根据距离像训练样本快捷地求取其类别字典;最后,基于类别字典对测试样本进行分类实现目标识别。仿真实验证明该目标识别算法简捷、识别率较高、抗噪能力强。     

基于结构划分字典学习的雷达目标识别

在使用高分辨距离像进行雷达目标识别时,有时必须面对大样本问题,可实际上雷达在某一时刻观测到的物理过程是很少的,传统的方法在识别过程中从未考虑过距离像信号的稀疏性。为此,文中提出了一种基于结构划分冗余字典完成雷达一维距离像稀疏表示,进而实现目标识别的算法。该算法首先依据字典原子的结构特点划分冗余字典,简化字典表述的同时减少原子数据存储量;随后,采用改进的遗传匹配追踪算法(IGAMP)对一维距离像训练样本进行稀疏分解以获得各类目标的类别字典;最后,根据类别字典分析测试样本的重构误差实现目标识别。仿真实验证明,文中算法简捷、识别率高,即便受到噪声干扰依然能稳健地识别目标。     

采用双向LSTM模型的雷达HRRP目标识别

针对传统雷达高分辨距离像目标识别方法只考虑高分辨距离像样本的包络信息而没有考虑其时序相关特性问题,提出了一种采用双向长短时记忆网络模型的识别算法。该算法首先选取出高分辨距离像样本的目标区域,并根据目标区域提取对于平移敏感性稳健的输入特征;然后采用双向长短时记忆模型对输入特征提取双向时序信息;最后通过投票策略融合双向信息,输出样本类别。采用实测数据的实验结果表明,该算法不仅可以有效地识别雷达目标,而且对于平移敏感性非常稳健。     

利用核匹配追踪算法进行雷达高分辨距离像识别

雷达高分辨距离像识别是目前雷达自动目标识别研究领域的一个重点．采用核匹配追踪算法来设计分类器,提取一种非常简单的高分辨距离像平移不变特征——功率谱特征为识别特征,通过把高分辨距离像从像域变换到功率谱域来提取目标的平移不变特征,稳健性较好．基于实测数据的识别结果表明该算法具有较好的识别性能,同时其识别运算量较小．     

基于AOK时频分析的窄带雷达目标架次分辨方法

针对非平稳运动编队目标的分辨问题,基于ISAR技术和非平稳分析时频分析理论,研究了一种基于自适应最优核（AOK）的窄带雷达目标架次分辨方法,给出了窄带雷达目标架次分辨处理过程和算法步骤.不同于传统方法,该方法主要利用目标相对于雷达的转动引起的多普勒差异来分辨目标,并考虑了交叉干扰的抑制性、信号能量的聚集性,可获得更优的分辨效果.基于实测数据的对比实验结果证明了该方法的有效性.     

多极化SAR图像目标的智能识别应用研究

针对小样本集的多极化合成孔径雷达(SAR)图像目标,提出利用迁移学习、多极化SAR图像增广以及网络架构适应性改进,实现了多极化SAR图像目标端到端的智能分类识别;利用实测机载全极化SAR目标图像进行了实验.实验结果表明,与传统机器学习SVM方法相比,基于多极化SAR深度学习方法所包含的多个神经网络隐含层能自适应地提取目标高层语义特征,其目标分类识别精度更高,从而验证了本文深度学习方法用于多极化SAR图像目标识别分类的有效性.     

窄带高分辨MIMO雷达图像特性分析

针对窄带MIMO（NMIMO）雷达的目标识别问题,着重对目标NMIMO图像特性进行了研究.首先对NMIMO雷达成像方法进行了简要介绍;然后结合4种典型运动方式,分别分析了目标NMIMO雷达图像上散射中心位置参数、散射中心幅度以及图像分辨力3种参数的分布特性,并给出了不同运动方式下目标NMIMO雷达图像3种参数的变化规律.最后,通过仿真目标的成像结果对相关结论进行了验证仿真.结果表明：相对散射中心幅度和图像分辨率,散射中心结构更不敏感于目标姿态的变化,验证了理论分析的正确性.     

雷达目标一维距离像的偶数阶中心矩特征的识别

针对雷达目标一维距离像的平移敏感性和姿态敏感性,提出一种提取一维距离像的偶数阶中心矩作为雷达目标特征的方法。用小波变换提高一维距离像的信噪比,在此基础上提取中心矩特征,再选取维数减半的比较稳定的偶数阶中心矩作为目标特征,以适用于支持向量机分类器进行识别分类。对实测雷达目标的数据进行试验,结果显示在减少模板特征向量的存储量和测试样本识别时的计算量的同时,得到了较高的识别率。     

一种基于模型的雷达超分辨方法

基于多目标及其雷达回波信号的建模，本文提出了一种实现雷达超分辨的新方法．该方法的基本思想是将空间上相距很近的多个目标的分辨转化为目标冲激响应的辨识，然后利用最小二乘法估计目标的冲激响应函数．文中还提出了距离分辨概率的概念，给出了其定义．仿真结果表明，新的超分辨方法是十分有效的，井且具有结构简单和分辨力高等特点．     

复杂环境下一、二次雷达数据融合技术研究

二次雷达(SSR)能够提供目标的位置信息和身份信息,可以提高一次雷达(PSR)目标识别、威胁评估及跟踪的能力,且一次、二次雷达的数据是同步的.针对SSR和PSR量测数据同步不同维给融合带来的困难,采用扩展非线性量测的最优线性无偏估计(EBLUE)方法对SSR和PSR进行融合,解决了该问题,并较大地提高了融合精度.仿真结果证明了自适应变维的SSR和PSR测量数据融合方法的有效性.     

基于SKO—KPCA和SVM的雷达目标HRRP特征提取与识别

将依赖数据变化的自适应SKO技术和迭代算法引入KPCA算法中,结合SVM分类技术,提出了基于SKO—IKPCA和SVM的雷达目标HRRP特征提取与识别方法。讨论了HRRP预处理、迭代KPCA算法和SKO／FKO技术的实现方法,将SKO／FKO技术应用到KPCA的核优化中,并用人工合成数据对其优化性能进行了测试与比较,应用该方法对su-27、F-16及M2000等三类飞机目标的实测HRRP数据进行了特征提取与识别实验。结果表明,所提方法具有较好的稳定性和可靠性,能有效地优化雷达目标主元特征的提取,提高目标的识别性能。     

一种新的雷达方位系统误差监测估计方法

针对现有的雷达方位系统误差校正方法使用条件有限、精度有限等问题,提出一种基于合作目标定位数据的雷达方位系统误差在线监测估计的方法。该方法利用二次雷达能够识别合作目标且机载导航系统能够提供高精度的定位信息的原理,对地面雷达进行方位系统误差的实时监测和在线估计,以保证雷达情报的连续性和准确性。实验结果表明,该方法能够在雷达工作过程中检测并快速估计出雷达方位系统误差,具有很好的实用价值。     

探地雷达极化探测时域有限差分法模拟效果分析

采用不同天线极化方式进行探地雷达探测时得到的雷达图像是不同的,研究不同属性的目标体在不同极化方式下的雷达信号响应特征,可以指导工作人员在实际应用中对异常的解释。根据天线与测线的分布方向可分为xx,xy,yx,yy四种天线极化方式。本文基于电磁波的极化理论和天线的极化方式,利用时域有限差分法进行正演模拟,分析不同属性不同延伸方向目标体不同极化方式的探测效果。通过模拟分析,无论何种类型的目标体,采用xx和yy天线极化方式比用xy和yx方式得到的雷达信号强度大;对于不同延伸方向的目标体,xx极化方式的信号呈现一定的规律性。已知地下目标体走向和属性时,可采用适当的极化方式和测线来测量;当地下目标体未知时,可根据不同极化测量得到的信号特征来分析地下异常体的属性和走向。     

基于支撑矢量机的智能目标识别方法

支撑矢量机是一种能在训练样本数很少的情况下达到很好分类推广能力的学习算法。文中将支撑矢量机的概念引入雷达的目标一维像识别中,对其机理作了详细地分析,建立了相应的支撑矢量机分类器算法。对雷达目标的回波数据进行目标特征提取与分类的实验结果表明,此方法可使信号特征的可分性得到显著提高。