基于高分辨一维距离像及其特征的空间目标识别效果分析

目标高分辨一维距离像(High Resolution Range Profile, HRRP)中包含了丰富的目标尺寸、结构等目标特征,是进行空间目标身份识别的有效途径。但由于卫星宽带雷达实测数据获取难度大,前期相关研究多集中于基于HRRP的目标识别算法,结论也多是基于仿真数据和少量类别(几类)的前提下得到的,与工程应用实际情况有较大差距,工程指导意义有限。为解决这一问题,基于地基雷达获取的30类卫星目标的大量一维距离像实测数据,从识别正确率的角度对目标HRRP及其特征(组合)的可分性和在空间目标个体识别中的应用效果进行了量化分析,分析结果可为后续基于HRRP的空间目标个体识别技术研究和工程应用提供可靠依据。     

基于支持向量机的窄带雷达弹道导弹目标识别技术

窄带雷达由于受到带宽限制,无法获取到目标高分辨精细识别信息,仅能通过目标轨道运动特征和窄带RCS特征对目标属性进行初步分类识别,文中基于支持向量机分类算法,从窄带雷达回波数据中提取弹头群和弹体群目标的特征,实现了弹道导弹群目标初步分类识别。在对弹头群和弹体群分类识别的基础上,窄带雷达可集中更多的时间和能量资源重点对弹头群类目标进行跟踪,并为后续宽带目标识别雷达提供重点目标位置信息。     

基于注意循环神经网络模型的雷达高分辨率距离像目标识别

针对雷达高分辨率距离像(HRRP)数据的识别问题,该文利用HRRP生成的时序特性,提出一种基于循环神经网络的注意模型。该模型利用具有记忆功能的循环神经网络对时域数据进行编码,并根据HRRP中不同距离单元所映射的隐层对目标识别的重要性,自适应地赋予隐层不同的权值系数,并根据隐层特征编码特征进行HRRP目标识别。该模型利用了隐藏在HRRP数据内部的目标结构信息,提高了特征的区分度。实测数据的实验结果表明,该方法可以有效地进行识别,在样本存在一定余度数据和样本偏移的情况下,都能准确地找出目标支撑区域。     

基于参数化统计模型的雷达HRRP目标识别方法综述

现代战争日趋信息化和智能化,雷达自动目标识别技术(RATR)在国家安全防卫和战略预警等军事应用方面发挥着更加重要的作用。高分辨距离像(HRRP)反映了目标散射点沿雷达视线方向的分布情况,包含了目标丰富的结构信息,对目标识别十分有价值,已成为RATR领域的研究热点。参数化统计建模旨在构建参数化数学模型表征观测数据的分布特性,是估计数据概率分布和挖掘数据隐含信息的重要手段。基于参数化统计模型的雷达HRRP目标识别就是在对HRRP参数化统计建模的基础上,直接利用估计的概率分布进行统计识别或将获取的隐含信息输入分类器进行识别。由于模型具有可融入一定的先验知识、扩展灵活、提供待求参数的不确定性评价以及能结合贝叶斯理论实现自动定阶等优势,基于参数化统计模型的HRRP识别方法整体识别性能优于其他方法,是目前HRRP识别的重点研究方向。该文从浅层和深层参数化统计建模两方面,对近15年的雷达HRRP目标识别方法进行了归纳总结,并分析了各类方法的特点和存在的问题,最后对基于HRRP参数化统计建模的雷达目标识别发展方向进行了展望。      

雷达高分辨距离像目标识别研究进展

雷达高分辨距离像(HRRP)包含了目标的结构信息,在雷达目标识别领域有良好的应用前景.该文详细讨论了基于HRRP的雷达自动目标识别的关键技术及研究现状,包括雷达HRRP的特性、预处理方法、特征提取方法及分类器设计方法等.最后讨论了雷达HRRP识别的研究方向.     

基于多重支持向量模型的雷达目标识别器设计

在如今日益复杂的地面战场环境下,雷达目标识别技术的需求愈加迫切。高分辨一维距离像(High Resolution Range Profile,HRRP)具有可提供目标在雷达视线上的结构信息的特点,使得其在雷达地面目标识别领域受到了广泛的关注与研究。为实现基于 HRRP 的雷达目标识别实用化,本文构建了一种基于多重支持向量模型的雷达目标识别器。本方法通过对目标特征空间的区域分割、特征区域描述与子分类超平面构建,得到更为精细化的目标特征空间描述,同时达到目标鉴别与分类的联合处理。此外,本方法基于支持向量模型,内存需求少、计算复杂度低, 适合目标识别系统的实际工程应用。通过基于实测数据的对比实验,证明了本文所提方法在目标识别性能与实时性两方面均具有较大的优势。     

雷达高分辨距离像子带融合识别算法

针对雷达高分辨距离像（HRRP）目标识别问题,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。提出一种相关系数相加法子带融合识别算法,由于该方法充分利用了回波信息,因而能获得更好的识别性能,实验仿真验证了这一结论,分析表明算法具有计算复杂度低的优点,因此可实际应用于雷达自动目标识别。     

基于HRRP极点矢量的特征提取方法研究

针对雷达高分辨距离像(HRRP)的方位敏感性,对一定方位角内的HRRP进行相干平均.利用矩阵束方法对平均HRRP提取极点矢量,并综合利用极点矢量的幅度和位置信息定义特征量--矢量中心矩,最后在对特征矢量进行对数归一化的基础上利用最小距离准则进行识别.实测数据证明了该方法对于目标识别的有效性,具有良好的推广能力.     

雷达对民用飞机的目标分类

随着相干宽带雷达可用性的增加,人们对于雷达目标识别又重新感兴趣了。大带宽实现高距离分辨力意味着目标区分会成为可能。相干使横向分辨力和雷达成象成为可能。 本文探讨了高距离分辨力分布图(HRRP)分类的问题,还调研了对后起的目标分类有辅助作用的简单的预处理技术。这些技术应用于以微波雷达处(MRD)的机动雷达设备在本地机场获得的HRRP数据。波音727和波音737飞机可以在一定的方向范围内可靠地分类出来。这为将来运用HRRP进行目标识别研究奠定了基础。     

基于距离多结构的末制导雷达目标识别方法研究

针对目前末制导雷达在目标识别时未充分利用其在搜索阶段获得的高分辨距离像(High Resolution Range Profile,HRRP)序列的情况,提出了基于宽带雷达目标HRRP序列的距离多结构识别方法.该方法首先获取末制导雷达在搜索阶段与目标相对视线变化的HRRP序列,然后通过与不同基本几何体在相应方位角雷达散射截面积变化的趋势按照最大匹配准则获得目标距离多结构,最后判断目标与基本几何体的结构相似性参数概率形式提取识别需要的特征,完成对舰船目标的识别.通过对三种典型编队目标的仿真与外场非编队舰船目标的实测数据表明该方法是有效的.     

Non‐linear Chirp UWB Ranging System with Narrowband Interference Suppression Abilities

In this letter, we analyze an ultra‐wideband ranging system based on non‐linear chirp waveforms with the ability of narrowband interference suppression. A number of non‐linear chirp waveforms are proposed and evaluated by simulation. The results verify that the proposed schemes can suppress the Narrowband interference to a certain degree.     

宽带和窄带雷达在噪声中的检测性能比较

宽带雷达相比于窄带雷达具有更高的距离分辨率,因此目标起伏较小。分析了宽带无起伏目标模型,宽带瑞利起伏目标模型和宽带莱斯起伏目标模型的宽带和窄带雷达的回波特性,并推导了它们在高斯白噪声中的检测概率。检测性能曲线表明,在高检测概率时,宽带雷达比窄带雷达具有更好的检测性能;但是随着雷达分辨率的提高,宽带雷达能量积累检测器的积累损失也增加,这个因素使得当雷达带宽增加到一定程度后宽带雷达相对于窄带雷达在检测方面的优势失去意义。     

Doppler and acceleration tolerances of high-gain, wideband linear FM correlation sonars

An analysis is presented of the decorrelation effects of target velocity and acceleration on high-gain, wideband linear FM correlation sonars that match the received signal against a family of velocity reference functions, each of which is a different time-compressed or -expanded replica of the transmitted signal. Such sonars are shown to have velocity (i.e., Doppler) and acceleration tolerances far different from that predicted by narrowband radar theory. Unlike the narrowband case, the wideband velocity tolerance may be quite small and is approximately independent of the carrier frequency and inversely proportional to the time-bandwidth product (TW). Narrowband radar-type calculations of velocity tolerance can give erroneous results far in excess of the true value. This is because the narrowband velocity tolerance is derived entirely on the basis of temporal overlap loss, whereas the actual tolerance depends primarily on the slope difference between the frequency-time sweeps of the received and reference signals. High acceleration tolerance, without separate acceleration processing channels, can be achieved by cross-correlating the acceleration return with a "best match" velocity reference function. The resultant wideband acceleration tolerance is approximately inversely proportional to WT²and better than the narrowband tolerance by a factor of 12 Q (Q = carrier frequency/bandwidth). This improvement arises because the wideband reference functions are able to partially compensate for the nonlinearity imparted to the transmitted frequency-time sweep by an accelerating target, whereas such compensation is not possible in narrowband systems employing carrier-shifted reference functions.     

基于散射中心极化比的锥体目标姿态反演

从高分辨一维距离像（high range resolution profile,HRRP）出发,针对HRRP姿态敏感以及锥体目标识别中姿态获取困难的问题,推导分析了散射中心极化比与锥体目标姿态的关联关系,提出了基于散射中心极化比姿态反演的方法:利用散射中心参数估计模型对锥体目标不同极化下的宽带数据进行分析,分别提取其散射中心参数,同时计算散射中心参数的极化比,并与理论的极化比曲线进行匹配,最终获取目标的姿态角.基于球头锥的数值计算与极化特征提取结果验证了方法的有效性.利用此方法能够做到对目标姿态的快速反演,为进一步的目标识别提供支撑.     

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.     

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。     

基于注意力机制和双向GRU模型的雷达HRRP目标识别

针对雷达高分辨距离像(HRRP)目标识别问题,传统方法只考虑样本的包络信息而忽略了距离单元间的时序相关性,该文提出了一种基于注意力机制的双向自循环神经网络模型。该模型将时域的HRRP数据通过滑窗分为正反两个序列,并将其分别通过两个相互独立的GRU网络进行特征提取,然后将同时刻提取到的特征进行拼接,从而利用了距离像双向的时序信息。考虑到不同时刻的序列对目标分类的重要性不同,通过注意力机制自适应地对各时刻隐层特征赋予不同的权值,最后根据加权求和后的隐层特征进行目标的识别与分类。实测数据实验结果表明,该文所提方法可以有效完成高分辨距离像的目标识别问题,并且在数据发生一定的时序偏移情况下,仍然可以准确找到目标区域。      

混合因子模型在雷达目标识别中的应用

高分辨一维距离像是雷达自动目标识别的重要特征之一,它对目标姿态变化很敏感,只有通过进一步处理才能够实现有效的目标识别。针对距离像的这种姿态敏感性,本文提出了一种基于混合因子建模的雷达目标识别框架,它通过对从各个姿态角下获得的目标一维距离像出发构建目标的距离像概率生成模型,然后利用该模型通过比较条件概率大小的方法判别目标类属。对5类飞机数据的实验结果表明该框架对任意姿态角距离像的目标识别有很好性能。     

雷达HRRP目标识别系统参数分析

雷达高分辨距离像在实现自动目标识别方面具有较大潜力，其识别性能与雷达系统参数，如雷达工作频率、信号带宽等有关。此外，用于采集识别器训练数据的雷达接收机的特性与实际工作的雷达接收机的特性会有所不同，也会影响到识别性能。文中对上述参数对识别性能的影响进行了分析和评估，所得到的结果对目标识别雷达的系统设计具有参考价值。