基于微多普勒特征的目标微动参数估计

本文首先建立了锥体目标微动模型,分析了其微多普勒特征,从理论上预测了多普勒谱宽与微动参数和目标几何参数的线性关系,然后由目标雷达回波模型,利用数值解的方法验证了多普勒谱宽与微动参数的线性关系,由此提出了一种新的锥体目标雷达特征提取和参数估计的方法.最后使用软件对目标进行电磁散射建模,并利用静态建模数据完成准动态的建模,使用仿真数据估计微动和目标几何参数,最后通过仿真结果证明本文提出的方法的效果.     

基于微多普勒特征的人体步态参数估计

基于雷达的人体微动研究是近年发展起来的新技术,通过信号处理手段可获取人体走动时手和腿的摆动激励的多普勒频移,用于人体步态探测与识别。本文首先分析了人体行走对雷达波的调制,介绍了一套用于人体运动特性测量的X波段连续波雷达系统及测量实验,并对人体行走实测数据中微多普勒特征进行分析,然后深入研究了P.van Dorp等人提出的基于微多普勒特征的人体行走实测数据特征提取和参数估计的方法,并将之应用于本雷达系统的测量结果中,最后给出了仿真结果。      

鸟类目标微多普勒分析及参数估计

鸟类扑动的翅膀产生的微多普勒包含了目标的尺寸与微动特征信息,可用于鸟类目标参数估计,对探鸟雷达目标识别具有重要意义。首先建立鸟类目标雷达回波模型,推导了鸟翅膀散射点的微多普勒数学表达式,并通过计算回波的自相关函数估计目标扑翼频率;然后对微多普勒表达式进行泰勒级数展开,利用展开系数与扑翼幅度之间的关系得到扑翼幅度的估计值;最后根据半翼展与微多普勒谱宽之间的关系得到半翼展的估计值。仿真实验证明了所提方法的有效性和抗噪性：对扑翼幅度大于30??、半翼展大于0.3 m的目标,在信噪比高于0 dB的噪声环境下估计精度高。     

基于微多普勒特征的空中目标识别

分析了直升机目标回波信号的微多普勒频谱，基于直升机目标和固定翼飞机目标多普勒频谱的差别，提出了两种微多普勒特征用于识别直升机目标和固定翼飞机目标，其中一种利用了直升机回波信号正负多普勒频谱能量的不对称性，另一种模式特征利用了机身回波信号能量与旋翼回波信号能量的对比，使用仿真数据和试验测试录制的数据的计算结果表明该方法具有很好的识别效果。     

基于窄带微多普勒调制的锥体目标参数估计

当雷达对锥体目标发射窄带信号时,进动调制会使回波中包含的散射中心瞬时频率发生周期性变化,这种变化可以反映出目标几何尺寸与结构特性,针对此该文提出一种基于窄带微多普勒调制的空间锥体目标参数估计方法。首先对目标散射特性进行分析,推导进动引起的目标散射中心瞬时频率变化公式;然后利用时变自回归模型估计散射中心瞬时频率,并对估计结果进行重新关联以消除其中出现的关联错误;最后根据锥顶和锥底散射中心瞬时频率变化性质,结合目标弹道估计得到目标几何尺寸参数及微动参数。基于电磁计算数据的实验结果验证了该文所提方法的有效性和精确性。     

基于微多普勒的微动点目标参数估计

给出了基于微多普勒的点目标参数估计一般方法,以时频分析和变采样率滤波为工具,系统地研究了点目标微多普勒提取,给出了几种典型的微动点目标参数估计方法,包括二阶运动、三阶运动、阻尼运动、正弦振动和复合运动,仿真结果证明了该方法的有效性。     

基于生物特征的身份识别技术

生物特征识别技术是通过对人体各器官的特征以及差异明显行为动作进行分析研究来实现身份识别的一种手段。通过对各种不同的生物特征识别方法的优势和不足进行介绍和分析，并针对不同的应用领域提出了相应的生物特征组合的识别方法。     

基于微多普勒特征的真假目标雷达识别研究

真假目标识别是弹道导弹防御系统的主要技术瓶颈之一,在一定程度上决定了反导系统的成败.微多普勒是目标的一种新的"唯一"雷达特征,"唯一"是指不同的微运动会产生不同的微多普勒.基于弹头和诱饵微动特性的差异,提取相应的微多普勒特征可用于识别真假目标.在介绍弹头和诱饵运动特性的基础上,引入微多普勒概念,建立了弹头和诱饵的微动模型,并分别用矩阵法和代数法推导了其微多普勒的理论公式.理论计算与仿真实验的结果吻合良好,表明本文数学模型和理论推导的正确性;以微多普勒带宽、周期以及时频面上的变化规律为特征,可以区分真假目标.     

基于微多普勒特征的空间锥体目标识别

空间锥体目标在大气层外飞行过程中存在不同的微动,目标的微动为进动,诱饵的微动为摆动或自旋.根据真假目标的微动差异,提出了低分辨雷达的目标识别方法.在多散射中心信号模型下分析了真假目标的微多普勒特性,指出目标回波信号微多普勒谱与其进动参数密切相关,而诱饵回波信号微多普勒谱与其摆动＼自旋频率密切相关.应用低分辨雷达多次回波...     

基于微多普勒信号分离和SqueezeNet的人体身份识别

针对基于雷达传感器的人体身份识别问题,本文提出一种基于微多普勒信号分离和SqueezeNet的人体身份识别方法。首先利用雷达对人体行走的步态进行探测并收集回波数据,回波数据经过预处理得到微多普勒时频谱图;其次用阈值法对时频谱图进行微多普勒信号分离从而得到四肢的时频谱图;最后将其输入到SqueezeNet网络,采用Softmax分类器来实现人体身份识别。实验结果表明,经过微多普勒信号分离后人体身份识别准确率提高5.25%, SqueezeNet网络与其他网络相比,在网络性能上具有准确率高、网络参数少、测试时间短等优势。     

基于微多普勒的圆锥弹头进动与结构参数估计

微动特征是弹道中段目标雷达识别的有效特征之一。该文首先推导了圆锥弹头的锥顶散射中心和锥底平面上两个滑动散射中心的微多普勒表达式,与由几何绕射理论得到微多普勒时频曲线进行对比,发现锥顶散射中心的微多普勒时频曲线有细小差异,其他两个散射中心的很吻合。通过分析这3个表达式发现3个散射中心的微多普勒具有3种相关性。针对这3种相关性论文提出了在不同入射角下提取微多普勒时频曲线的离散点进行进动和结构参数估计的方法,并进行了仿真实验提取了进动和结构6个参数,且估计效果较好。     

基于贝塞尔函数基信号分解的微动群目标特征提取方法

微动特征提取是群目标分辨的有效手段,以往针对孤立目标的特征提取技术不再适用。针对此该文提出了一种基于信号分解的微动群目标特征提取方法。首先通过分析微动信号的正弦调频(SFM)形式,推导了SFM信号相位项在k-分辨率贝塞尔函数基上的分解结果;然后根据回波分解结果中微动频率与函数基的一一对应关系进行频率粗略估计,并针对误差产生原因给出了精确的微动频率估计方法;最后在离散信号相位解模糊的基础上,完成各子目标的微动频率提取。仿真实验验证了算法的有效性,且与正弦调频傅里叶变换(SFMFT)算法和平均幅度差函数(AMDF)算法相比具有更高精度。     

WAS-GMTI模式下基于Relax算法的杂波抑制和参数估计方法

该文提出一种基于Relax算法的杂波抑制和参数估计方法。该方法适用于多通道广域监视GMTI系统。在分析广域监视模式回波组成的基础上,结合Relax算法,设计了进行杂波抑制的迭代方法。相对于降维空时自适应处理(STAP),该方法不需要估计杂波加噪声的协方差矩阵,因此可以在非均匀杂波环境下取得较优的杂波抑制效果。该文同时指出,在杂波抑制的基础上,针对存在动目标的距离-多普勒单元继续进行迭代,可实现动目标参数的精确估计。仿真结果验证了上述方法的有效性。     

基于时频集中度指标的多旋翼无人机微动特征参数估计方法

无人机旋翼转动产生的微多普勒调制能够反映此类目标的微动特性,准确估计无人机旋翼长度、转动频率对于无人机的检测与识别具有重要意义。该文针对调频连续波体制雷达,提出一种基于时频集中度指标(CTF)的多旋翼无人机微动特征参数估计方法,推导了无人机旋翼微动特征参数与微多普勒分量信号参数之间的映射关系,在时频旋转域基于时频集中度指标,提高了各微动分量的区分度,相比于传统方法,提高了多分量微多普勒信号的参数估计精度,在低信噪比环境下也具有很好的鲁棒性。通过仿真和实际场景实验验证了方法的有效性。

     

基于多普勒与微多普勒联合利用的弱小目标检测与估计方法

近年来,无人机(UAVs)等低慢小目标对现有低空空域管理带来了巨大挑战。这类目标由于其飞行高度低、飞行速度慢及雷达散射截面(RCS)面积小,导致其回波信噪比(SNR)低,传统基于目标多普勒信息的检测估计方法检测概率低,参数估计不准确。对于无人机类低慢小目标的检测估计,除了可以利用目标径向运动产生的多普勒信息外,还可以利用目标微动部件产生的微多普勒信息,通过有效聚集因微动而分散在多个多普勒单元格内的能量,可望实现目标信噪比的提升。该文针对旋翼类低慢小目标,充分挖掘目标回波中蕴含的多普勒信息和微多普勒信息,在随机集框架下对旋翼无人机目标的多普勒和微多普勒信息进行联合建模,提出一种基于(CBMeMBer)滤波器的多普勒和微多普勒联合检测估计方法,利用贝叶斯估计实现了目标多普勒信息和微多普勒信息的有效积累和融合利用,可以提高雷达低慢小目标的检测估计性能。仿真试验表明,该方法可实现对旋翼无人机目标的稳定检测与状态估计,相比于仅利用目标多普勒信息的传统检测方法,检测灵敏度提高了2 dB。     

基于Radon-Gabor变换的多分量LFM信号检测与参数估计

该文针对多分量线性调频(LFM)信号,首先提出一种新的变换RadonGabor变换;然后阐述了用RadonGabor变换对LFM信号进行检测和参数估计的基本原理,并结合逐次消去(Clean)技术提出了基于RadonGabor变换的多分量LFM信号检测和参数估计实用算法。计算机仿真结果表明了该算法的有效性。     

用慢时间域积分法实现雷达目标微多普勒信息的提取

在ISAR成像中,某些雷达目标的部件存在旋转运动,会对回波信息引入微多普勒,从而导致成像质量下降,严重时甚至无法实现成像。本文提出一种基于对慢时间积分的简易方法,成功实现了微多普勒信息与目标主体信息的分离,获得了较为清晰的目标主体像;通过对微多普勒信息的分析,同时也能获得旋转部件的一些运动信息,如旋转半径、旋转频率等。文章最后的仿真结果证明了本文方法的有效性,并简单验证了不同信噪比条件下其微多普勒谱的提取性能。     

Improved Parameter Estimation for Chirp Signals Based on Cyclostationarity

The problem of concern here is parameter estimation of chirp signals in the presence of multiplicative and additive noise. An improved cyclostationarity based algorithm is proposed to estimate the phase parameters. The novelty of the proposed algorithm lies in the iterative estimation of the second-order parameters. The main characteristics of the method include reduction in error propagation effect, increase in estimation accuracy, and operation over a wider range of phase parameter values. Simulation results demonstrate that the proposed algorithm has better performance than the conventional cyclostationary estimation method.     

基于自相关-倒谱联合分析的无人机旋翼转动频率估计方法

准确估计无人机旋翼转动频率对于无人机的检测与识别具有重要意义。该文针对调频连续波雷达的无人机目标回波模型,提出一种自相关-倒谱联合分析的无人机旋翼转动频率估计方法,推导了无人机旋翼转动频率与雷达回波倒谱输出中周期性时延的映射关系,通过加权均衡能够更有效地估计多旋翼无人机旋翼转动频率,弥补了传统方法的不足。通过仿真和实际场景实验验证了方法的有效性。