高速运动雷达目标一维成像新方法

针对频率步进体制雷达对高速运动雷达目标一维距离成像时所存在的问题,提出一种基于分数阶傅里叶变换的运动参数估计方法。利用估计得到的速度参数进行运动补偿后,通过改进的"循环移位"拼接算法,得到距离门内运动目标的全景一维距离像。仿真结果表明,该方法能够在较低信噪比、高速运动条件下得到高质量的一维距离像,且运算量较小,具有较高的实用价值。     

基于多散射中心对齐的距离像抽取方法

分析了频率步进雷达照射下,运动目标多个散射中心在中分辨-高分辨二维平面上的分布特性,并提出了基于多散射中心对齐的一维距离像抽取方法.该方法用通过频域线性相位乘因子实现中分辨维的精确移位和多散射中心对齐,在移位后的中分辨-高分辨平面通过抽取若干条等距的平行线得到目标的一维距离像.该方法物理意义清晰,抽取的距离像具有目标能量损失小、位置参考点恒定的特点,能充分反映运动目标的散射特性和运动特性.并采用仿真数据验证了方法的有效性.     

一种步进频率雷达目标高分辨距离像拼接算法

步进频率信号脉冲综合后存在两种成像冗余,本文分析了他们对一维距离像的影响,提出了一种距离像拼接算法:局部同距离取大法,该方法在目标进行像拼接时利用了高分辨距离像冗余信息,因此对静止目标以及运动目标均有效。对仿真数据和外场实测数据的处理均验证了该方法的有效性。     

一种改进的高分辨雷达随机脉冲串检测方法

由于高分辨雷达的分辨率远小于目标尺寸，使得目标呈多散射中心，回波能量沿时间分布，从而降低了峰值幅度，增加了目标检测难度。因此文中基于一维距离像提出了一种新的高分辨雷达检测方法，该检测方法将一维距离像看作随机脉冲串，利用一维像强散射点的位置信息和幅度信息联合进行检测，自适应地估计目标一维距离像长度，提高了高分辨雷达检测性能。     

基于一维距离像的目标识别方法

基于飞机目标高分辨一线距离像,给出了一种目标识别方法。首先,在研究了高分辨距离像的相关匹配算法后,给出了在单极化条件下的五种飞机目标回波的识别结果;而后,基于全极化高分辨雷达,提出了一种利用目标极化信息一维距离像的综合识别方法。实验结果表明,该方法具有高的识别率和强的抗干扰能力。     

运动目标环境下的调频步进信号目标抽取算法

为了减少采样损失，调频步进信号的采样率通常高于chirp子脉冲的带宽。在这种过采样冗余情况下，需要对IFFT合成高分辨结果进行目标抽取去冗余方能得到高分辨一维距离像。然而当目标运动时，只标抽取的结果会产生目标丢失或伪峰等现象。该文提出了一种基于幅度最强像偏移量的动目标抽取算法，该方法利用幅度最强像的偏移量修正各采样点的目标抽取范围，从而解决了速度估计误差引起的速度-距离耦合对目标抽取算法的影响。计算机实验结果验证了理论分析的正确性。     

一种改进的雷达高分辨距离像统计识别方法

基于雷达目标一维高分辨距离像的统计目标识别中,需解决两大问题:其一是如何处理距离像对姿态敏感和平移敏感,其二是如何准确地描述距离像的统计特征.直接将一维距离像用于目标识别通常很难取得好的识别效果.本文将高斯混合模型(GMM)应用到空中目标高分辨一维距离像统计建模中,提出了一种改进的高斯混合模型模糊聚类分析方法并用于目标识别.与传统的k-means聚类算法的实验结果比较表明,该方法是有效、稳健的,在低信噪比条件下具有较好的识别效果.     

基于一维距离像的雷达目标识别研究进展

现代高分辨雷达为雷达目标识别提供了新的途径,相应的高分辨一维距离像具有易获取和处理的特点,同时还能够揭示出目标径向结构的分布特性,因而在目标识别领域具有良好的应用前景.文中分析了基于一维距离像的雷达目标识别研究现状,包括一维距离像的模型、距离像特性分析、特征提取方法以及分类器的设计方法等,并且指出了高分辨一维距离像目标识别今后的研究方向.     

一种基于多特征提取的雷达目标识别方法研究

直接利用雷达高分辨一维距离像或是提取一维像单一特征进行目标识别难以取得理想效果.为了更好地反映雷达目标本身的物理特性,提高雷达目标识别率,对雷达目标高分辨一维距离像的频谱幅度、能量聚集区长度、散射中心数目和中心矩特征进行提取并构成多特征向量,描述雷达目标高分辨一维距离像频域、能量等物理特性,采用主成分分析方法进行特征维...     

一种基于多约束条件的目标一维像尺寸提取方法

雷达高分辨一维像反映了目标的精细结构信息在雷达视线上的投影,正确提取目标一维像尺寸是计算宽带RCS,反演目标真实长度,实现目标分类识别的基础。文中针对在目标一维像尺寸提取时存在的目标分裂、多目标情况等情况,提出一种基于多约束条件计数的目标一维像尺寸提取算法,可以实现宽带距离窗内多个目标一维像尺寸的同时提取,经过实测数据验证,文中提出的一维像尺寸提取算法平均提取误差小于2个距离门,具有优良的性能和提取稳定性,可有效避免海杂波,目标分裂多目标等情况的影响。     

基于距离像长度特征辅助的雷达目标跟踪

传统雷达目标跟踪仅利用角度和距离数据,由于获取的测量信息较少,跟踪精度受限。本文利用现代雷达所具有的距离高分辨能力,提出了一种基于距离像长度特征辅助的跟踪模型,并结合先进的非线性滤波算法得到了一种高性能目标跟踪算法—FAT UKF。该算法将目标的运动状态与距离像长度信息联系起来,通过增加观测量的维数来提高雷达的跟踪能力。对典型实例的计算机仿真结果表明,基于特征辅助的跟踪算法不仅收敛速度快,且能有效突破传统跟踪算法的理论误差下限,大大提高了雷达跟踪系统的整体性能。      

调频步进雷达目标抽取算法及系统参数设计

伪峰、抽取损失和多普勒耦合时移是影响线性调频步进信号应用的重要问题.本文分析了传统目标抽取算法中静止伪峰和运动伪峰的产生机理,给出了避免这两种伪峰出现的条件.为了降低抽取损失,本文提出了基于距离像最大1范数搜索的移位抽取算法,该算法通过搜索在不同移位量下抽取后的目标距离像的最大1范数,确定最佳的移位量,并把该移位量对应的抽取结果作为最终的目标距离像,从而避免了运动伪峰和抽取损失,同时校正了距离像的多普勒耦合时移.文中进一步分析了搜索算法的应用条件,并给出了系统参数的设计方法.通过对点目标和延展目标的仿真,证明了该算法的可行性.     

基于Stokes矢量的高分辨极化目标检测

研究了毫米波高分辨雷达杂波环境中的目标检测问题,提出了基于Stokes矢量的高分辨极化目标检测方法,利用毫米波形固有的径向高分辨力对目标进行一维距离成像,结合目标所占据分辨单元区间内的Stokes矢量的幅值以及其极化状态相对于杂波所对应分辨单元内的Stokes矢量的幅值以及其极化状态有着较大的变化这一客观事实,提出了基于Stokes矢量的双门限非参数检测方法,实验仿真结果表明本文方法能够有效改善雷达的检测性能。     

一种一维距离像的识别算法

随着高分辨率雷达的发展,一维距离像识别已成为雷达目标识别的重要方法之一.为了消除一维距离像的平移,将一维距离像变换到频域,提取其频谱信息作为识别特征,并依据Fisher判据,将高维特征空间数据降到一维空间,提高了算法的实时性.仿真结果表明这是一种方便有效的识别方法.     

基于强散射点径向积累的高分辨极化目标检测研究

研究了宽带高分辨雷达杂波环境中的目标检测问题,提出了基于强散射点径向积累的高分辨极化目标检测方法,利用宽带波形固有的径向高分辨力对目标进行一维距离成像,结合目标的极化特性,估计出回波中强散射点的数量和分布,通过对不同径向分辨单元内的强散射点进行积累,可有效地提高信杂比,实验仿真结果表明本文方法能够有效改善雷达的检测性能.     

宽带毫米波雷达目标时延神经网络识别新方法

基于一维距离像和神经网络研究宽带毫米波雷达目标识别问题,研究了用于雷达距离像序列识别的时延神经网络模型及其学习算法,并提出了基于距离像序列的宽带雷达目标时延神经网络识别方法,还利用三种飞机缩比模型的暗室测量数据,研究了时延神经网络分类器中时延单元数目对分类精度的影响以及分类器的分类性能。实验结果表明：本方法具有良好的应用前景。     

雷达目标一维距离像的特征分析

针对一维距离像对姿态角敏感和回波时延的问题．对雷达目标一维距离像的特征进行了分析，结合散射点回波功率的特征提取与傅里叶变换．提出了一种雷达目标识别的方法。     

基于keystone变换的微弱目标检测

提高雷达对微弱目标探测能力的主要方法是增加积累时间.根据传统PD雷达的设计原则,在相参积累时间内,目标的距离走动不能超过半个距离单元,也就是说相参积累时间受限于目标运动.对于高距离分辨雷达或观测高速目标的雷达系统,这种限制是很难满足的.本文提出一种基于keystone变换的运动补偿方案,可以在没有目标运动速度信息条件下校正距离走动,从而使积累时间不再受目标运动的限制.     

反雷达伪装成像检测系统二维超分辨实现

设计和完成了一套微波成像系统.根据反雷达伪装微波成像的应用需求,系统采用阶跃调频连续波体制和合成孔径技术,可实现对外场全尺寸伪装目标的高分辨二维成像.传统FFT成像方法计算过程比较简单,但分辨率低,图像相对比较粗糙,对50米远处目标的二维分辨率仅能达到0.5m×0.5m.非线性空间谱估计(DOA)即超分辨技术可大大改善在系统带宽内处理空间信号的估计精度和分辨率.随着该技术的日益完善,近年来被广泛应用于雷达成像领域,用来提高距离和方位分辨率.2D-RELAX算法是较易实现的一种精度高、鲁棒性好的超分辨算法.通过对某型伪装示假目标的成像结果表明,在同样的硬件条件下,其对分辨率确有较大改善,可以达到0.25m×0.25m,接近系统分辨率的理论最小值,图像也较精确.     

全极化高分辨雷达距离像统计识别方法

在全极化、高分辨雷达体制背景下,提出一种将极化信息与高分辨距离像相结合的雷达目标统计识别方法。采用物理统计非高斯模型对全极化高分辨距离像建模,用模型参数分别表征具有较强散射强度分辨单元的多少和强弱,将全极化下的模型参数直接作为特征矢量,并采用Parzen窗法估计模型参数的概率分布密度,用贝叶斯分类器进行分类识别。对实测的导弹类目标识别结果表明,该方法能有效克服距离像特征依赖于方位信息的缺点,达到令人满意的识别结果。