步进频信号散射中心的提取及目标识别

针对宽带步进频测量雷达体制，用几何绕射理论（GTD）模型来描述目标宽带RCS测量数据，利用多重信号特征（MUSIC）算法估计目标散射中心的数目和位置，并将目标的散射中心作为特征进行目标识别。利用暗室测量的缩比目标模型数据进行目标识别实验，结果表明，用该方法提取的散射中心特征稳当有效，识别效果较好。     

基于RCS的空间目标识别技术

讨论了利用目标雷达散射截面(RCS)进行空间目标识别的问题.阐明了RCS测量机理,介绍了国内外在利用RCS测量信息进行空间目标姿态判别、尺寸估计及个体识别方面的研究进展,并提出了RCS测量信息在空间目标识别领域的应用方向.     

基于深度神经网络模型的雷达目标识别

根据雷达测量的目标电磁散射面积(RCS)序列,采用深度神经网络模型识别空间飞行目标。首先,阐述了提取RCS时间序列特征的方法,包括均值、均方差及周期特性等特征;然后,给出了深度神经网络模型识别RCS目标的算法;最后,用仿真数据验证该识别方法,数值实验结果表明该方法能较准确识别雷达跟踪目标。     

一种特征点和曲线相似度的目标识别方法

本文以5型常用火箭为研究对象,针对当前雷达散射截面（RCS）特征识别存在的问题,基于全空域RCS仿真库和连续RCS测量信息,开展了特征点和曲线相似度的识别方法研究。利用仿真数据和测量数据,对双频段特征点识别能力进行了评估,在4.5 dB阈值下的识别能力可达100%。研究了曲线相似度比较方法,采用动态时间规划实现了RCS曲线的相似性度量,取得较好的应用效果。提出了新的基于曲线相似度的RCS目标识别方法,该方法对于提高雷达目标识别能力具有借鉴意义。     

雷达目标识别的一种方法

利用目标的方位角、运动速度、俯仰角和雷达散射截面积（RCS），提出了一种雷达目标识别方法。由目标的实测数据，计算特征向量总体的均值和协方差矩辄及其逆矩阵，由距离判别法进行目标识别。识别结果表明，该方法简单、识别效果较好，具有一定的实际应用价值。     

主动雷达导引头地面雷达站识别技术研究

该文针对主动雷达导引头对地面防空单元制导雷达站的识别问题,在天线电磁散射特性研究的基础上,提出了雷达天线的多特征融合识别算法。首先对相控阵雷达天线的电磁散射特性进行了建模和计算,然后采用多普勒波束锐化技术对目标进行2维成像以提高天线的检测概率并估计目标雷达天线的RCS序列,基于RCS序列的幅度特性与周期特性,构造了相控阵天线的4类特征,并提出了相应的识别算法及融合识别算法。仿真实验表明算法具有较高的识别概率。     

基于中心矩特征的雷达HRRP自动目标识别

针对雷达高分辨距离像(HRRP)的方位敏感性和平移敏感性，对一定角域内的HRRP非相干平均，提取具有平移不变性的中心矩作为特征向量，采用Karhunen-Loeve变换进一步进行特征压缩，建立相应的支撑矢量机（SVM）分类算法，与基于原始距离像特征的最大似然(ML)方法和基于中心矩特征的ML方法识别结果比较，该方法在减少计算量的同时具有较高的识别率，具有良好的推广能力。     

基于小波功率谱估计的空间目标RCS特性分析

随着空间技术的研究与发展，对空间目标的监测与识别显得越来越重要。在小波变换的基础上，详细讨论了小波功率谱估计的实现方法，并利用窄带雷达测量获得的空间目标RCS数据，利用Morlet小波对几个空间目标的RCS时间序列进行功率谱分析。并把傅里叶变换同小波变换进行结合，以实现对目标RCS的信号功率谱估计。分析结果反映了目标的某些重要的散射特性。     

基于雷达RCS序列HMM目标识别分类算法研究

针对隐马尔可夫模型(Hidden markov model,HMM) 识别低频隐身目标参数建模固有问题,本文提出基于雷达散射面积（Radar cross-section,RCS）序列改进HMM目标识别分类算法,构建RCS观测序列的全局概率函数,提取序列变化特征,使模型的状态数能自动适应待建模信号结构的复杂性,并采用隐马尔科夫模型表征雷达目标RCS变化特征,实现雷达目标的识别分类。仿真结果表明该算法可提高低频隐身目标识别的可靠性,信噪比和识别分类效果得到显著提升     

空间目标宽带雷达特征信号仿真建模

空间目标宽带雷达特征信号包括其高分辨一维距离像和二维ISAR图像,空间目标宽带雷达特征信号仿真建模对空间目标探测、识别研究具有重要意义。在光学区复杂目标RCS特征信号计算基础上,重点研究了空间目标宽带雷达特征信号包括高分辨一维距离像和二维ISAR图像仿真建模方法。仿真目标和实际复杂空间目标宽带雷达特征信号仿真建模的实验结果验证了其有效性。     

基于离散小波变换的低分辨雷达空间目标识别算法

针对低分辨率雷达体制下的空间目标识别问题,提出了基于离散小波变换的低分辨雷达空间目标识别算法。该算法首先对于空间目标的雷达回波信号进行离散小波变换,然后在时间-尺度平面上提取十个有效的统计特征,最后基于模糊分类来识别六类空间目标。计算机仿真实验表明,即使在较低的输入信噪比下,该算法依然对六类目标取得了比较好的识别效果。     

一种基于卷积神经网络的雷达目标分类方法

雷达作为对低空和地面目标探测及监视预警的主要手段,在安全领域应用广泛。针对现阶段实际应用中雷达目标分类技术中过于依赖人工提取特征的问题,提出了一种基于卷积神经网络的分类方法,对雷达回波数据进行二维傅里叶变换得到距离-多普勒图像,再以距离-多普勒图集作为数据集,训练神经网络,得到能够完成雷达目标识别的网络模型。结果表明,相较于传统方法,基于卷积神经网络的目标识别模型在省去人工工作的同时提高了目标识别精度。     

拖曳式雷达诱饵目标识别技术

针对拖曳式雷达诱饵易对雷达导引头造成欺骗性干扰的问题,利用雷达回波中提取的目标微动多普勒特征、极化特征和雷达截面积序列统计特征进行仿真分析,在实现载机和诱饵初步识别的基础上,采用贝叶斯(Bayes)数据融合方法,对上述3种回波信号特征进行一级融合,并进一步对不同时刻的信号特征进行二级融合,最终将目标识别率由71.5%提高到了96%.该目标识别方法能够大大减少外界因素的影响,相对于单特征识别显著提高了目标识别率.     

用于SVM的RCS统计特征集约减方法

传统的支持向量机分类算法对训练样本数目敏感且不具备增量学习的能力,而空间目标识别的工程应用需要积累样本进行大样本的增量学习。根据样本在特征空间分布,提取几何意义上边缘的样本点,成功约减了应用于支持向量机学习的基于雷达散射截面统计特征的训练样本集。利用中心距离比和特征空间多维高斯分布特性,分别提取两类边界样本集和单类边缘样本集;再采用直推式实验设计方法再采样,根据样本潜在结构分布信息选择最能代表样本集结构分布的高价值样本。实验结果表明：样本初选算法能够在有效约减样本集规模的同时保持支持向量机训练分类的精度。     

基于HRRP偶数阶中心矩特征的卫星目标识别

针对高分辨距离像(HRRP)的姿态敏感性和平移变化敏感性,提出用HRRP偶数阶中心矩特征进行目标识别.该方法用小波去噪方法提高HRRP的信噪比,在此基础上提取具有平移不变性的中心矩作为特征向量,为了降低特征矢量的维数,可以只把具有较强稳定性的偶数阶中心矩作为特征向量,以适用于组合特征的最近邻模糊分类算法对中心矩特征进行处理.实测卫星数据的验证结果显示,该方法在减少存储量和计算量的同时取得了非常好的识别效果.     

基于一维距离像序列的弹道目标融合识别研究*

一维距离像是宽带雷达目标识别的重要特征之一.本文根据弹道目标的微动特性,推导了微动弹道目标的时间-距离像模型.然后提取具有平移不变性的中心矩和双谱作为待识别特征向量,并分别使用K-L变换和局部双谱法对提取到的中心矩和双谱特征进行降维.将降维后的特征分别输入支持向量机进行分类识别,最后将支持向量机的输出进行决策级融合,得到待识别目标的识别概率.与基于单特征量的识别方法相比,本文提出的方法不仅具有较高的识别率,而且具有良好的抗噪能力.     

基于Zernike矩的低信噪比红外目标检测方法

针对低信噪比红外目标图像,分析了Zernike矩的基本原理、计算方法和旋转不变性,提出了基于Zernike正交矩的低信噪比红外目标检测方法,并比较了模板匹配、Hu矩、Zernike矩方法的目标识别效果.理论分析与实验验证了所提方法的有效性.     

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。