基于混沌,多重分形理论的雷达信号分析和目标识别

本文旨在将混沌、多重分形的理论和方法引入雷达信号处理，分析雷达目标的混沌、分形选特性，以有效进行雷达目标识别．文章统计了飞机目标回波信号的Ｌｙａｐｕｎｏｖ指数分布情况，并计算了其多重分形维数，然后在此基础上，利用ＡＲＴ２神经网络进行了飞机目标识别的研究，获得较高识别率。本文的研究表明，混沌、多重分形理论结合人工神经网络在目标特性和目标识别的研究中有着良好的应用前景。     

飞机回波FRFT域的多重分形特征与目标分类

低分辨雷达体制的限制和探测过程中背景杂波的影响,使得低分辨雷达飞机目标的分类识别较为困难。本文提出一种分数域多重分形方法,通过引入分数阶Fourier变换（FRFT）寻找飞机目标回波的最优FRFT域,并在最优分数阶FRFT域提取目标回波数据的多重分形特征,结合支持向量机进行飞机目标的分类识别。实验表明,FRFT可以增强飞机目标回波的多重分形特性;从最优FRFT域提取的多重分形特征具有较好的分类识别效果,FRFT域多重分形方法的飞机目标分类识别率要高于时域多重分形方法的飞机目标分类识别率;即使在低信噪比条件下,FRFT域多重分形方法仍可实现低分辨雷达飞机目标的粗分类。     

防空雷达飞机回波的扩展分形特性分析与目标分类研究

低分辨雷达飞机回波的扩展分形特性提供了对目标回波在不同尺度下的粗糙度的精细描述,为防空雷达飞机目标的分类和识别提供了一种新的途径。该文在介绍扩展分形理论的基础上,首先利用扩展分形分析手段,对从某VHF波段防空警戒雷达上录取的飞机目标回波数据的扩展分形特性进行了分析,然后从模式识别的角度出发,提出了基于扩展分形特征的防空雷达飞机目标分类方法,最后采用不同类型飞机目标的实测回波数据进行分类识别实验,对该方法的性能进行了对比和分析。分类识别实验的结果表明,广义Hurst指数等扩展分形特征参数可以作为飞机目标分类和识别的有效特征,所提出的方法具有良好的分类识别性能,是一种有效的目标分类方法。      

基于VFDT特征的空中飞机目标分类方法

飞机机身的非刚性振动、航行姿态的改变以及机上旋转部件的转动等均会引发对其雷达回波的非线性调制,采用多重分形测度可以对飞机回波的此类调制特征进行细致的刻画。文中引入方差分形维轨迹（VFDT）这一种新的多重分形算法对飞机回波进行特性分析和特征提取,基于提出的VFDT特征并结合支持向量机（SVM）,对实际录取的多种类型飞机回波进行了目标分类识别实验。实验结果表明,VFDT特征可以较好地对多种不同类型的飞机目标进行分类辨识,并具有较小的计算量。     

实测海杂波数据的多重分形特性分析

为充分描述海杂波时变特性和局部奇异性,将多重分形理论应用到雷达海杂波特性分析中,理论分析了海杂波的多重分形参数,并进一步分析了实测海杂波数据的多重分形谱、质量指数和奇异指数,结果表明海杂波具有明显的多重分形特性,该分析方法可以很好地解释海杂波内在非线性特性,并比传统的统计特性分析方法更加能确切地描述杂波的产生机理,为基于多重分形特性的雷达目标检测提供了依据。     

扫描模式海杂波中目标的多重分形检测

主要研究雷达扫描模式下海杂波的局部多重分形特征以及多重分形理论在雷达目标检测中的应用。目前绝大多数研究都是建立在雷达工作在驻留模式基础上的,而当雷达工作在扫描模式时,由于采样点数不足,一般难以运用分形理论来解决目标检测问题。将多重分形理论应用到雷达周期扫描所得回波序列中,解决采样点不足的问题,并运用模糊集理论中模糊决策的方法进行目标检测。最后,采用X波段与S波段海杂波实测数据进行验证并分析其目标检测的性能,实验结果表明文中所提检测方法对海杂波和目标具有良好的分类能力。     

混沌,分形理论与语音信号处理

本文旨在将新兴的混沌、分形理论引入语音信号处理。本文提出了一种新的语音信号相空间重构方法，分析、统计了语音信号最大Ｌｙａｐｕｎｏｖ指数及分维度的分布，并提出了基于分形码本的语音信号码激励线性预测编码瓣算法。本文的研究表明，混沌、分形理论在语音信号处理中有良好的应用前景。     

混沌,分形理论与语音信号处理

本文旨在将新兴的混沌、分形理论引入语音信号处理。本文提出了一种新的语音信号相空间重构方法，分析、统计了语音信号最大Ｌｙａｐｕｎｏｖ指数及分维度的分布，并提出了基于分形码本的语音信号码激励线性预测编码瓣算法。本文的研究表明，混沌、分形理论在语音信号处理中有良好的应用前景。     

海杂波的多重分形关联特性与微弱目标检测

该文研究了海杂波的多重分形关联特性及其在海杂波微弱目标检测中的应用。多重分形关联是对多重分形单点统计的推广,研究具有不同奇异性强度的两点之间的空间关联特性。该文首先从多重分形理论引出多重分形关联理论,给出了多重分形关联谱的计算方法,然后,以多重分形关联谱为特征进行相似度分析,并把目标检测问题归为一个二元分类问题,采用支持向量机(SVM)进行目标检测。最后,采用不同波段、不同极化方式和不同分辨率条件下的实测海杂波进行验证,结果表明,本文所提方法具有良好的微弱目标检测能力。     

基于极化特征的雷达目标识别技术

极化特性是雷达目标散射回波的重要特性之一,极化特征能够解析目标的粗细、大小、对称性等信息。随着雷达极化测量技术的逐步成熟,基于极化特征的雷达目标识别日益引起国内外学术界的高度重视。以电磁散射计算仿真的飞机模型为研究对象,在极化不变量理论基础上对这些飞机目标的极化特性进行了试验分析研究,以SVM为分类器,通过功率矩阵的迹和去极化系数可以实现对三个目标的区分。结果表明,该方法可以有效地将三个目标进行分类识别。     

超宽带雷达信号处理技术和实验研究

针对探测空中目标的超宽带(UWB)/冲激雷达,本文讨论了UWB/冲激雷达的信号处理技术,主要是信号检测和目标特性分析,首先讨论了目标检测技术,提出了用小波变换和高阶谱估计技术在变换域内进行检测的算法;其次讨论了目标特性分析技术,采用了高阶谱估计,提出了一种时域双谱估计算法,它可精确估计复杂形体目标的局部散射中心的分布.最后,结合作者等人研制的冲激雷达实验系统,对上述信号处理方法进行了实验研究,验证了上述信号处理方法的有效性。     

混沌理论与雷达技术发展

混沌动力学作为研究非线性系统的一种新方法已引起雷达界的重视,混沌信号是一种类随机性信号,具有极强的抗干扰性和极低的截获概率。研究了混沌在雷达中的应用,分析了混沌理论在雷达波形设计、信号检测与估计、目标识别、及杂波分析与建模等领域内的发展情况,指出在雷达应用技术中引入混沌理论是雷达技术发展的必然趋势,并预测了混沌理论与雷达技术研究发展的前景。     

宽带雷达光学区频域识别法

该文以宽带雷达光学区目标识别为背景,由频域测量数据构造了不随目标距离像沿径向平移而改变的频域波形回波幅值波形和相位特征波形;基于此波形,提取了两种对目标方位角不敏感的识别特征广义频数和波形长度;并借助于时频分析中尺度变换的概念,把特征集进一步完备化。针对频域直接识别法易受测量噪声影响的缺点,设计了相应的预处理算法。选用FMM神经网络作为分类器,并修改了它传统的学习算法。对5种喷气飞机模型的识别结果表明,该算法具有较高的正确识别率。     

卷积神经网络在雷达自动目标识别中的研究进展

自动目标识别(ATR)是雷达信息处理领域的重要研究方向。由于卷积神经网络(CNN)无需进行特征工程,图像分类性能优越,因此在雷达自动目标识别领域研究中受到越来越多的关注。该文综合论述了CNN在雷达图像处理中的应用进展。首先介绍了雷达自动目标识别相关知识,包括雷达图像的特性,并指出了传统的雷达自动目标识别方法局限性。给出了CNN卷积神经网络原理、组成和在计算机视觉领域的发展历程。然后着重介绍了CNN在雷达自动目标识别中的研究现状,其中详细介绍了合成孔径雷达(SAR)图像目标的检测与识别方法。接下来对雷达自动目标识别面临的挑战进行了深入分析。最后对CNN新理论、新模型,以及雷达新成像技术和未来复杂环境下的应用进行了展望。     

谐振区雷达目标识别的模块化神经网络方法

本文研究了基于模块化神经网络的谐振区雷达目标识别方法,该方法先用BP网络进行波形预测,再用最大后验概率准则或修正最小平方误差准则进行分类。通过计算机模拟,证实了该方法有较好的识别性能,且对信号留数变化,即目标的姿态变化不敏感。另外,该方法还具有实现简单,结构扩展方便等优点。     

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。     

基于MEMS谐振器硬件储备池计算的类脑信号处理方法

近年来兴起的人工神经网络由于具有较强的自学习适应性和并行信息处理能力,从而在信号处理领域显示出巨大潜力。储备池计算是一种由递归神经网络衍生而来的类脑神经形态计算范式,对随时间变化的连续信号具有非常好的分类和时序预测能力。本论文提出利用MEMS（Micro-Electro-Mechanical System）梁谐振器的非线性响应特征,设计并搭建了两种储备池计算的拓扑架构。此外,面向雷达信号处理中信号预测、图像识别、雷达信号特征分类和提取等应用需求,针对性地选择了NARMA（Nonlinear Auto Regressive Moving Average Equation of Order）预测任务、MNIST（Mixed National Institute of Standards and Technology）-手写数字图像识别、LFM（Linear frequency modulated）脉冲波形识别与特征提取等测试任务对论文所提两种不同储备池计算架构进行试验验证。同时,实验结果也充分展示了基于非线性MEMS谐振器的储备池计算硬件系统在雷达信号预测、分类与特征提取等应用领域中的应用潜力。为复杂电磁环境下,雷达信号处理提供新的有力工具,也为MEMS传感技术与雷达信号处理技术的交叉融合进行积极探索。      

雷达目标一维距离象多分辨特征描述和快速匹配法研究

文中首先阐述了信号奇异性与小波变换模极大值的关系、含噪非平稳信号在小波变换下信号与噪声的不同特性;然后提出了可用于高距离分辨力雷达目标识别的一维距离象多分辨分解和目标结构特征的多分辨描述方法.根据目标结构特征的多分辨描述,定义了距离象的相异度概念,利用相异度可以实现目标的快速匹配识别.     

混沌相位调制雷达信号的模糊函数

本文研究了一类混沌编码信号,利用混沌信号进行雷达信号的相位编码,并且计算了这类编码信号的模糊函数。理论和仿真结果表明,混沌编码信号的模糊函数十分逼近理想的图钉型,信号具有很高的时延和多普勒分辨力,揭示了混沌用于雷达信号处理的可能性和优越性。