基于时域双谱特征的雷达目标识别

雷达目标高分辨一雏距离像(High range resolution profile,HRRP)是目标散射回波在雷达径向上的投影,具有非高斯、非线性特点.文中从双谱概念出发引入时域双谱概念.分析了HRRP的时域双谱特征.为提高识别性能,定义了Fisher类可分离度函数,以类间可分离度最大化作为特征提取准则,提取一些特征双谱作为HRRP的特征向量.采用基于子空间变换的独立分量分析(Principle component analysis,PCA)和线性判别分析(Linear discriminant analysis,LDA)的特征提取方法进行了对比实验.结果表明,本文方法用于雷达目标高分辨一维距离像识别具有良好的抗喙性能和较高识别率.     

双基地雷达前向散射地表杂波统计特性分析

本文通过对杂波实测数据的处理,利用高斯分布模型、指数分布模型、幂指数分布模型及高阶AR等分布模型,得到了双基地雷达前向散射地表杂波概率分布和功率谱分布的数学模型;并从统计理论上解析地推导了杂波统计模型对目标检测性能的影响.基于估计的概率分布、功率谱分布数学模型及广义匹配滤波理论,实现了前向散射地表杂波的有效抑制与目标运动参数的精确估计,并利用实测数据进行了验证.     

基于移动散射点模型的雷达回波仿真及分析

针对中段目标宽带雷达回波信号难于获取的问题,进一步研究了目标雷达视线角和中段目标姿态的建模方法,给出了基于移动散射点模型的散射中心位置计算公式,然后基于几何绕射理论计算了各散射中心的散射强度,最后对雷达一维距离像进行归一化处理,提取了散射点的相对距离特征,得到了散射点相对距离变化的特征序列.实验结果显示,对雷达一维距离像进行特征提取,可以得到中段目标的姿态信息,为中段目标识别奠定基础.     

天波雷达海杂波功率谱建模与仿真

海杂波功率谱建模,是定量研究天波雷达海杂波频域特性从而为评估天波雷达对海探测性能提供理论依据的前提和难点.传统的基于产生机理的Barrick海杂波模型没有考虑天波传播环境影响,且只能获得海杂波后向散射系数值,无法获得天波雷达海杂波功率谱值和准确的变化规律.为解决上述问题,引入电离层展宽、电离层吸收损耗和洋流影响计算模型,建立了要素完整的天波雷达海杂波功率谱数学模型.根据上述模型,利用matlab软件仿真分析了不同条件下海杂波功率谱的变化特性.仿真结果表明,所建模型可获得与定性分析一致的结论,能够较好地近似实测数据,证明了模型的有效性.     

基于PCA-LDA-SVM的多普勒雷达车型识别算法

车辆检测和车型识别是智能交通系统(Intelligent transportation system,ITS)中的一个重要方面,而目标识别是低分辨率雷达领域的一个难点.该文提出一种用多普勒雷达进行车型识别的方法,把车辆建模成包含多个散射中心的目标体,散射中心与雷达的距离与频谱能量有关,因此同一目标的频谱变化反映了该目标长高等轮廓特征.然后将有效的频谱特征结合主成分分析(Principal component and analysis,PCA)和线性判别分析(Linear discriminant analysis,LDA)进行降维,再利用支持向量机(Support vector machine,SVM)等分类器实现分型.文章对不同识别算法交叉验证的实验结果进行比较,表明基于PCA-LDA-SVM的车型识别算法效果理想,有广泛的应用前景.     

一种高轨空间目标宽带一维像特征提取方法

由于受到发射机功率和天线孔径的限制,地基空间目标探测雷达一般采用脉冲积累增程技术对高轨空间目标进行探测.针对脉冲积累条件下,空间目标的雷达散射截面(RCS)特性和轨道特性在目标识别和身份确认等方面存在的缺陷,提出了一种基于分段相参处理的高轨空间目标宽带一维像特征提取方法,利用模拟同步轨道目标数据,成功获取了高分辨率宽带一维距离像.实验结果表明,不同目标的宽带一维像具有显著差异性,而同一目标不同时刻具有明显一致性.该技术可为高轨空间目标尺寸估计、个体确认和状态判别提供有力支撑.     

超宽带探地雷达目标回波信号特征提取与材质识别

基于探地雷达信号传输机理,建立了超宽带探地雷达宽带回波模型,揭示了多谱分量对目标回波信号特征提取与材质识别的影响。超宽带探地雷达由于回波信号信息丰富的特点,特征向量的选取成为目标识别的关键。利用子波变换在宽相关处理中的应用,对回波信号进行滤波和典型数据提取。提取纵向和横向典型数据用于目标形状识别;提取回波道数据进行Welch功率谱分析,用于目标材质识别。     

基于特征融合的被动声纳目标识别

在被动声纳目标的分类识别中,不同的特征提取方法提取的特征反映了噪声信号不同的特性,一般情况下,很难做出某种方法优劣的判断.如何把这些不同的特征提取方法提取的特征矢量融合起来,对被动声纳目标分类识别非常有意义.在应用数据融合的方法对基于倒谱的特征提取方法、基于局域判别基的特征提取方法和基于听觉响度特征提取方法提取的特征矢量进行融合.提出了基于正态分布的概率密度函数的确定基本概率赋值的方法,利用三种特征提取方法对水声目标噪声信号进行特征提取,对提取的特征矢量进行融合,并进行分类实验,结果表明,特征融合使分类过程中的不确定性样本数减少,从而相应地提高目标分类的正确概率.     

基于散射中心的雷达目标SVM识别方法

为减少经典目标识别算法中的计算量与模板存储量,本文将雷达目标散射中心作为目标识别的特征,通过支持向量机(SVM)方法分类目标.首先,采用基于传播算子的多重信号特征法(PM-MUSIC)提取雷达目标散射中心参数;其次,计算散射中心的中心矩以建立统一标准的识别特征,并采用SVM方法对目标进行分类.最后,通过仿真实验比较了该...     

舰船辐射噪声功率谱特征提取及系统实现

舰船辐射噪声特征提取是水下被动声探测装置进行目标识别、分类的关键技术;针对于此,研究了基于功率谱的连续谱、线谱特征实时提取技术和工程实现;该技术以分段拟合为基础,首先提取功率谱中的连续谱特征,再从原始功率谱中减去连续谱得到线谱分布,然后进行线谱特征提取;在此摹础上,详细介绍了舰船噪声功率谱特征提取的软、硬件系统设计和实现技术;系统经过实验验证,能有效提取不同类型目标的特征,系统性能良好,可满足新一代水下智能被动探测的要求.