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。     

基于灰关联的红外目标识别方法

针对红外目标类型识别问题,提出了一种基于灰关联分析的红外目标识别算法.该算法在对红外图像进行边缘检测后,提取目标的奇异值特征作为关联参数,通过比较特征参数的灰关联值实现目标识别.该算法根据目标各个特征指标稳定性的不同,采用了一种灰关联加权系数的方法,仿真实验验证了该方法在红外目标识别问题上的有效性,并对目标旋转和平移有一定的适应能力.     

常规雷达飞机目标旋转部件调制特性的仿真模型与分析

主要推导固定翼飞机回波理论参数模型和旋转桨飞机回波理论参数模型并进行仿真,对两者进行比较,提取目标旋转部件的调制周期特征,有利于目标的识别与分类。     

改进高帽变换的红外目标增强和提取算法

红外图像增强及其目标提取是军事航空航天领域和国民经济发展的一项至关重要的技术。针对红外图像对比度低、特征信息不明确、杂波严重、信噪比低、视觉效果模糊的问题,对形态学中传统的高帽变换算法进行优化,提出了基于改进高帽变换的红外目标增强和提取算法。该算法通过引进判断值和加权系数,对高帽变换进行改进,对红外小目标进行增强,利用迭代算法对图像阈值进行处理,进而实现小目标的提取。实验结果表明,提出的算法可以很好地增强红外图像视觉效果,有效的提取红外小目标,方便后续的目标识别和目标跟踪等,应用前景广泛。     

雷达目标特征信息的分析及应用

目标特征信息反映了目标的固有特性,可用于目标的识别。阐述了如何在雷达数据处理系统中提取出反映目标特征信息的参量,并将其应用于工程中以提高航迹处理的效果。     

基于CNN的机器人视觉光谱图像目标识别技术

传统图像目标识别技术,分配目标特征点主方向的角度较大,导致目标识别精度较差。为此,提出基于CNN的机器人视觉光谱图像目标识别技术。将光谱图像转化为灰度图,对图像进行增强处理,选取线性均值滤波,去除图像脉冲噪声和高斯噪声,将Hessian矩阵模板应用于灰度图像,比较矩形区域内每个像素,获得局部极值点,初步确定目标轮廓和边沿的空间尺度,再对目标进行一层层卷积操作,迭代训练后提取细节特征,与模板图像特征进行匹配,识别目标类别。机器人抓取带有飞机目标的视觉光谱图像,进行对比实验,结果表明,此次设计技术相比传统技术,保证了目标识别效率,在此基础上,提取特征量与模板特征量更为接近,提高了图像目标的识别精度。     

无线传感网络协同概率多模识别方法

提出了一种无线传感网络协同概率多模目标识别方法。该方法采用小波分组提取待识别目标声音样本数据中的特征信息,并通过主分量分析对特征信息进行特征维数约简,使该方法在保留样本特征信息的基础上降低识别学习过程的计算量。在使用特征信息进行目标识别时,该方法采用了多模高斯分类过程算法,并通过权值可调的委员会决策进行无线多传感节点协作识别,获得全局目标识别结果。实验表明,所提出的方法能够适应复杂环境中的干扰因素,有效识别目标,具有较好的顽健性和识别准确度。     

低分辨雷达目标调制特征提取和分类识别方法

利用目标的发动机调制(JEM)效应,提取目标的谱线间隔、谱线宽度、谱线个数、幅度偏差系数、能量比、波形熵、中心矩等特征,形成特征向量后参与后续的综合决策。在低分辨雷达对飞机目标进行的目标分类识别试验中采集数据,进行了实测数据分析,实验结果表明提取的目标特征和分类效果方面的有效性。     

仿射不变三角形在红外目标识别中的应用

红外目标识别主要存在以下两个问题：一是红外成像比较模糊,难以提取不变特征;二是红外图像信息含量小,不易发掘有效的描述方法。针对上述问题,提出了一种基于曲率尺度空间(Curvature Scale Space,CSS)角点的仿射不变三角形的检测方法,并利用优选参数的多尺度自卷积(Multi-scale Autoconvolution,MSA)对提取的三角形区域进行描述,最后进行特征匹配实现红外目标识别。实验表明：与其他方法比较,在各种图像变换中,本文方法对红外目标的识别优势显著。     

一种新型RBF神经网络及其在舰船雷达目标识别中的应用

利用一种新型径向基（Radial Basis Function）神经网络对舰船雷达目标识别进行了探讨，通过从目标的雷达回波中提取特征信息，并进行适当处理来判断目标的类型已成为目标识别的一种重要方法。仿真结果表明，识别精度很高。     

基于FPGA的二维FFT算法在LFMCW雷达信号处理中的应用

线性调频连续波( LFMCW)检测运动目标存在一定难度,利用二维FFT处理技术对目标回波信号相位信息进行提取,可有效抑制固定杂波,实现对运动目标的检测。介绍了线性调频连续波( LFMCW)雷达信号进行多普勒处理的原理以及利用单片FPGA实现多普勒测速雷达信号处理的过程,详细说明了数据的缓存、实数序列FFT的快速算法以及希尔伯特变换等步骤的FPGA实现,最后测试结果表明二维FFT算法能很好的提取出目标的距离和速度。     

基于数学形态学的密集转发干扰抑制算法

基于数字射频存储器(Digital Radio Frequency Memory,DRFM)的干扰机在一个脉冲重复周期内通过重复转发截获的雷达发射信号形成密集假目标干扰,严重影响雷达对真实目标的检测和跟踪。针对这一问题,提出了一种基于数学形态学的密集假目标干扰抑制算法。该方法先用Otsu算法对脉压后的回波二值化处理,利用形态学中的开运算抑制密集干扰,对滤除干扰后的回波信号做动目标检测(Moving Target Detection,MTD)获取目标参数,实现了干扰环境下的目标检测。通过仿真和实测数据的处理,验证了该方法可以有效抑制密集假目标干扰,实现对目标的检测。     

基于邻域分析TDLMS滤波器的红外小目标检测

使用基本的TDLMS滤波器可以用来进行小目标检测,但是由于其结构和算法的限制,在进行目标检测的过 程中会产生一些困难.提出了一种基于邻域分析的TDLMS滤波器,改造了滤波器输入窗口结构,并加入了新的数 据处理模块,使其能够更多地获取和利用目标邻域内的信息,并获得更为显著的检测效果.实验证明了该算法的有 效性.     

SAR图像动目标特性分析及仿真

SAR动目标特性及原始回波的仿真研究是SAR研究领域的一个热点。文中分析了运动目标参数以及波长和多普勒带宽对运动目标成像的影响,提出了一种分别使用RTPC方法和改进2D FFT方法仿真动目标和场景目标的SAR原始回波信号合成方法。经过对多波段和对应不同多普勒带宽的运动点目标进行仿真和成像,所得结果和理论分析相符,验证了理论分析的正确性。通过对合成目标的仿真和成像,点目标在背景中的位置符合预定要求,而且其中动目标参数对成像造成的影响符合理论分析,验证了该方法的有效性。     

原发式动态目标综合检测系统设计

传统动态目标模拟器采用存储转发模式工作,具有接口复杂、造价偏高、稳定性差等问题。基于原发式设计思想,利用现行综合基带全数字化、大容量优势,在设计测控系统时,将飞行目标信号的动态特性模拟、遥测遥控及话音信息通过系统的传输特性模拟考虑进去,设计了一种原发模式的动、静态综合目标检测系统,既可以作为测控系统联调时验证系统性能指标的平台,也为设备日常操作训练提供了手段,还可以作为卫星地检设备使用。原发式动态目标综合检测系统可以模拟多个假定目标,静态距离模拟精度优于1.0 m,静态速度模拟精度优于1.0 mm/s,是检测测控系统性能的有效技术手段。     

一种基于PGF、BEMD和局部逆熵的新型红外小目标检测方法

对比红外小目标检测方法和其它目标检测方法,由于低信噪比、低对比度、小尺寸、缺乏目标的形状和纹理信息等多种因素,尤其是在复杂背景条件下,红外小目标的检测会更加的困难.在实践中,一种基于同组过滤器(Peer Group Fileter,PGF),二维经验模式分解(Bidimensional Empirical Mode Decomposition,BEMD)和局部逆熵(Local Inverse Entropy,LIE)的新型红外小目标检测方法被提出来,以解决前面所提到的问题.其中PGF被用来消除噪声和改善初始图像的信噪比;BEMD算法可以有效地估计背景并将背景从原始图像中移除;而LIE的主要作用是分解本征模态函数(Intrinsic Mode Function,IMF).实验结果表明,新的方法可以有效且准确地提取小目标.     

结合形态学和Canny算法的红外弱小目标检测

为了解决红外弱小目标精确自适应检测的问题,本文提出了一种基于Canny算法、top-hat算法和中值滤波算法结合的红外弱小目标检测方法。该方法不同于传统的Canny弱小目标检测方法,本方法先选定合适的窗口对图像进行中值滤波处理,在去除噪声的同时有效保持图像的边缘信息;再用形态学处理中的top-hat算法抑制复杂背景,去除云层;最后使用自适应Canny算法提取红外小目标的边缘信息精确定位目标的位置。实验结果证明了该方法的有效性和优越性,本文设计的组合算法能够精确定位小目标的位置,信噪比增益达到10倍以上,排除噪声以及云层的干扰作用较强,具有一定的自适应性。     

跟踪图像生成技术应用于光电设备模拟训练

针对光电设备在部队日常训练中缺乏合作目标的问题,提出了一种基于计算机处理的虚拟跟踪图像生成算法,该算法根据目标的理论弹道、目标类型、目标特征参数及目标的三视图,结合光电设备转台位置信息生成虚拟目标跟踪图像。该算法有效解决了在部队的日常训练中无合作目标的问题,在生成虚拟图像后,可让操作人员根据虚拟跟踪图像对设备进行操作,完成日常训练。同时,在算法的研究过程中充分考虑处理耗时,在经过算法优化后,虚拟跟踪图像生成算法的耗时在5~6ms左右,针对标准PAL制式的模拟图像25 Hz的周期,可完成对虚拟跟踪图像的生成。对虚拟图像进行判读,计算虚拟图像的目标位置精度为1″左右,满足部队日常训练使用要求。     

基于局部多尺度低秩分解的红外小目标检测算法

针对红外低秩块模型计算复杂度大,容易误判等不足,提出了一种更加有效的红外小目标局部多尺度低秩分解检测算法。该算法首先利用非下采样金字塔变换对红外小目标图像做多尺度分解;接着,将分解出的高频子带进行融合,通过融合后的高频信息提取出目标感兴趣区域;最后,利用红外小目标背景的非局部自相关性质对感兴趣区域进行分块,并对各块进行重新排列构成一个新的矩阵;最后,对该矩阵做低秩分解,提取出红外小目标。实验结果表明,与其他低秩分解类方法相比,所提出算法速度更快,提取效果更好,是一种性能优越的方法。