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。     

利用RCS序列估计空间目标尺寸的方法研究

目标RCS包含了丰富的目标信息,由目标RCS推求目标结构和尺寸信息却非常困难。针对这一问题,本文 先将空间目标简化为一椭球体,在此基础上提出了一种利用目标RCS序列估计目标长轴和短轴尺寸的方法。实测数据处 理结果表明,该方法能有效估计出目标的长轴和短轴尺寸,而且估计尺寸稳定性好,有利于空间目标的分类和识别。     

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。     

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。     

基于隐马尔科夫模型的RCS识别方法研究

雷达散射截面(RCS)时间序列由目标电磁散射特性和姿态运动特性共同决定,包含了雷达目标的材质、尺寸和结构等信息,是实现雷达目标识别的重要测量量.隐马尔科夫模型(HMM)是一种用参数表示的用于描述随机过程统计特性的概率模型,是一个无记忆的非平稳随机过程,具有很强的表征时变信号的能力,非常适合作为动态模式分类器,对具有不同变化特性的时变信号进行分类识别.文中利用HMM表征雷达目标RCS序列变化模式(规律),根据不同类别目标RCS序列变化模式的差异对雷达目标进行分类识别.实测数据验证结果表明,该算法具有较高的识别概率.     

基于中心矩特征的空间目标识别方法

目标的雷达散射截面（RCS）包含了丰富的目标类别信息，有效地利用目标RCS特征对空间目标的雷达识别具有重要的意义。该文利用空间目标回波的距离维信号来进行识别。中心矩特征具有平移不变性，是一种简单有效的波形特征提取算法。文中首先提取中心矩作为特征向量，再采用Fisher判据进一步进行特征压缩，最后利。用支撑矢量机（SVM）分类算法实现识别。基于实测数据的仿真实验结果表明，该方法具有较好的识别性能和推广能力。     

基于雷达散射特性的高分辨率SAR图像自动目标识别

高分辨率SAR的迅速发展为自动目标识别提供了可能,为了克服存储海量模板带来的计算复杂性,发展基于模型的目标识别现已成为新的国际研究热点.先由目标的真实三维模型依据电磁波散射理论计算雷达散射截面(RCS),利用宽带合成孔径技术得出目标散射特性的空间分辨率图像,进而基于模拟图像实现目标的CFAR检测.最后利用我国机载高分辨率SAR图像对该方法进行实验,验证了本文提出的基于雷达散射特性目标识别的有效性.     

一种外场动态全极化RCS测量标校方法

在外场条件下,获取动态目标全极化雷达截面(RCS)特性是电子对抗和目标隐身研究的需求.分析了目标RCS极化散射矩阵测量体制,研究了外场动态全极化RCS测量的标校方法,并在实际测量中对此方法进行了验证.该方法可为外场动态目标全极化RCS测量提供参考.     

美国导弹防御系统地基雷达目标测量与识别

地基雷达的探测与识别能力是整个弹道导弹防御系统识别能力的重要支撑.其主要是以多普勒频移成像和距离高分辨率能力实现对真假目标的识别,目标识别的方法包括基于RCS的识别方法、基于一维像的识别方法和基于二维像的识别方法,其中带宽外推目标识别技术使得宽带雷达成像技术取得了重大进展.在对地基雷达功能与实现过程、目标识别方法进行分析的基础上,从角位置测量、距离测量,径向速度测量三个方面对地基雷达探测与识别能力进行了分析.     

目标特性雷达数据处理及RCS解算过程

阐述了目标特性的含义 ;RCS测量原理 ;介绍了在多目标雷达的目标特性测量系统中 ,测量设备的组成 ;从软件上实现对记录的多目标数据进行的多目标数据分离 ;多目标的雷达测量数据和回波里的多目标特性数据融合 ;解算RCS的参数标定 ;最后 ,根据融合后的标准球数据和目标数据再用相对法求得目标的RCS值