意大利RIS-2K探地雷达数据解密及其快速可视化方法

RIS-2K探地雷达数据结构一直不公开,给利用RIS-2K雷达实测数据带来了极大的困难。为此,对RIS-2K探地雷达数据进行了分析与多方测试,基本摸清其数据结构,并编程实现了对RIS-2K探地雷达数据的读取。在常规可视化方法基础上,应用GPU并行技术实现了RIS-2K探地雷达数据快速可视化,有效解决了常规可视化速度慢及界面冻结问题,满足了对实测探地雷达资料进行实时处理解释工作的需要。试验结果证明了该方法的正确性和有效性。     

探地雷达回波信号数据的采集方法研究

提出了一种对探地雷达回波信号数据的采集方法，讨论了数据采集过程中各种工作参数间的关系，同时对数据的成象原理也作了简单的说明。了解探地雷达的数据采集和采集参数间的相互关系，对设计、制造探地雷达具有重要参考价值。     

基于USB接口的探地雷达数据采集系统

结合USB接口和探地雷达数据采集的特点,设计了一种基于USB接口的探地雷达数据采集系统.从硬件设计、设备驱动程序设计和应用软件设计3个方面对系统进行了全面阐述,并通过实验验证了系统采集数据的准确性和高效性.系统选用FTDI公司的USB芯片FT245BM,为探地雷达设备与PC机之间构筑了一条高速双向传输通路,从而实现了雷达数据准确、高速的采集和传输,为探地雷达信号处理和实时显示奠定了基础.     

基于探地雷达的煤岩界面探测数据解释方法

针对现有煤岩界面识别方法缺乏对煤岩层特性的研究、无法对数据进行较好解释的问题,结合基于探地雷达的煤岩界面探测模型,提出了一种煤岩界面探测数据解释方法,即采用一种改进的最大类间方差法,在二维灰度直方图下对探地雷达探测的煤岩图像进行阈值化分割,从而实现煤岩界面识别。通过仿真实验研究了探地雷达天线频率对可探测煤层厚度的影响,结果表明随着天线频率增大,理论可探测最大煤层厚度减小;采用LTD-2100型探地雷达,设置400 MHz天线频率进行现场测试,结果表明基于探地雷达的煤岩界面探测数据解释方法可提高煤岩界面识别准确性。     

基于最优化方法的地下圆柱目标定位与识别

地下管道、空洞等圆柱形目标的定位和识别是探地雷达走向实用的一个亟待解决的问题.提出了一种在频域运用最大似然估计进行圆柱目标定位和识别的方法.在一阶Born近似下建立了各孔径点处回波信号和目标的位置参数和电磁参数之间的关系,将目标的未知参数估计问题归结为全局搜索-目标函数极值的最优化问题.通过对仿真数据和实测数据的处理,结果显示该方法可以精确估计出目标的位置参数和电磁参数,有效地进行圆柱目标的定位和识别.     

基于经验模态分解的探地雷达信号去噪处理

探地雷达作为一种先进的地球物理探测方法,具有探测效率高、操作简单、采样迅速、无损伤探测、探测分辨率高等优点。探地雷达的信号的去噪问题已成为一个公认的技术难题。本文用经验模态分解的方法对探地雷达信号进行信号去噪处理,并取得了良好的效果。     

探地雷达探测煤岩界面的方法与试验

介绍了探地雷达探测煤岩界面的原理,探讨了利用探地雷达技术进行煤岩界面探测的可行性与实用性,经理论分析,证明200MHz~1GHz的雷达天线可实现绝大多数的煤岩界面探测;采用LTD-2100探地雷达在郭庄煤矿进行了相关试验,结果表明,400 MHz雷达天线可实现气煤-砂岩界面的探测,且误差较小。     

探地雷达图像目标检测算法研究

探地雷达是一种针对地下目标的无损探测设备,在地下无损探测研究方面具有很强的实用性;探地雷达图像处理过程中有关回波信号双曲线提取以及顶点识别具有非常重要的意义;针对该内容,文中提出使用均值滤波和平均法的探地雷达杂波抑制算法,基于高斯-拉普拉斯算子的双曲线提取算法,以及基于对称度曲线法的顶点识别算法,并通过与相关算法的对比实验,说明了所提算法的可行性;文中所提算法对探地雷达图像预处理与探测目标识别具有一定参考价值。     

基于DTW距离的探地雷达数据可视化

提出一种基于动态时间弯曲算法距离度量的探地雷达数据可视化方法,利用动态时间弯曲算法在时间轴方向上伸缩的优越性,结合可指定类数的聚类算法对探地雷达数据进行聚类和可视化分析。可用于实测的探地雷达数据集,实验结果表明,相对于传统的聚类算法,本文算法能得到更好的聚类结果。     

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。     

一种基于蚁群聚类算法的雷达辐射源识别方法

提出了基于蚁群聚类算法的雷达辐射源识别方法。该方法采用雷达辐射源特征参数建立模型,对雷达辐射源样本进行识别,仿真结果接近90%。实验表明,蚁群聚类算法识别雷达辐射源的方法具有一定的可行性。     

Ground penetrating abilities of a new coherent radio wave and microwave imaging spectrometer

The early use of synthetic aperture radar (SAR) and lidar systems from aircraft and space shuttles revealed the ability of the signals to penetrate the ground surface. Atomic dielectric resonance (ADR) technology was developed as an improvement over SAR and ground penetrating radar (GPR) to achieve deeper penetration of the Earth's subsurface through the creation and use of a novel type of coherent beam. When pulsed electromagnetic radio waves pass through a material, they generate measurable responses in terms of energy, frequency, and phase relationships. A deployment of the ADR equipment in a field study of a measured section of Dinantian sediments in a disused quarry at Cults, Fife, Scotland, has confirmed the ability of the method to distinguish the lithologic type and their respective thickness ranging from limestones through sandstones, siltstones, seatearths, and coals. Borehole data were used to corroborate the ADR imaging spectrometer. The signal penetrated more deeply into the ground than the 20 m height of the exposed rock section, and it showed good correlation with records from two nearby boreholes that extend to lower levels. Reliable lithological recognition at ground penetration of more than 90 m had been achieved. ADR was also deployed over deeper borehole sites in the Limestone Coal Formation at Higham and Lathones, Fife, Scotland. Here the signal was shown to penetrate the subsurface to depths of 225 and 580 m, respectively. A subsequent field deployment of ADR at Cousland, Midlothian, Scotland, demonstrated subsurface penetration in the Lower Limestone Formation by ADR to 700 m – as confirmed from nearby boreholes.     

基于参数可变遗传算法的多普勒雷达目标识别方法

目标识别是防空信息处理中的一个重要环节,而对空中目标类型的识别还没有成熟的理论。通过对高分辨雷达回波信号的分析,在遗传算法的基础上,提出一种高分辨雷达目标识别方法,由此进行目标识别。仿真实验结果表明,该方法具有高的识别率和强的抗干扰能力。     

基于粗糙集定权法的雷达信号模糊模式识别

信号识别是侦察系统信号处理的目的,是整个雷达对抗信号处理中关键性的一个环节.为解决雷达信号的智能识别问题,研究了将粗糙集和模糊模式识别法紧密结合的雷达信号识别模型,即先用粗糙集属性重要性定义了雷达信号各特征参数的识别权重,再结合模糊模式识别的方法对雷达信号进行匹配识别.该方法既充分运用了原始数据又体现出雷达信号自身的特点,通过实例验证并分析了此法的实用性和有效性.     

一种雷达辐射源识别模型研究

复杂电磁环境下雷达辐射源识别问题是当前急需解决的难题。针对雷达辐射源识别中不确定信息影响,改进数据库比对识别法,通过融合BAM神经网络（NN）和模糊推理（FR）,建立基于NN-FR的雷达辐射源识别模型,以达到缩短识别时间,提高识别效率的目的,为复杂电磁环境下识别雷达辐射源探索新的方法。     

D-S证据理论在探地雷达目标识别中的应用

为解决探地雷达的目标识别问题,提出了一种基于雷达扫描数据、实地探测情况、历史信息和已有水文地质信息,并利用D-S证据理论这一具有解决多数据源不确定信息推理和融合特点的理论对目标进行综合识别的方法.实现了探地雷达目标在不确定条件下获得较高可信度的识别.试验结果验证了该理论在探地雷达目标识别上的有效性和可行性.     

Missile target automatic recognition from its decoys based on image time-series

As the development of the technology for radar target recognition, missile target automatic recognition has received considerable attention in recent years. Missile target, compared with the plane target, is hard to recognize for its smallness, feebleness and maneuver. In this paper, a new recognition method based on radar image time-series, which can significantly reduce the recognition time and classification error, is proposed. The image time-series are produced by range instantaneous Doppler imaging algorithm firstly, and then cross-range scaling of the images is processed. In particular, the inertia ratio, extracted from the obtained image time-series, is introduced to distinguish the missile from decoys. Furthermore, the effectiveness of this method is demonstrated by application to simulated data and it has been shown that this method has the potential to be used in a number of real-time applications.     

Radar emitter recognition based on cyclostationary signatures and sequential iterative least-square estimation

Radar emitter recognition plays an important role in electronic warfare (EW). Specific radar emitter recognition is the state-of-art technology of emitter recognition, which can recognize the different radar devices of the same type. It is a composite task that involves radar signal interception, modulation recognition, features extraction and classification. In this paper, first we study the unintentional modulation on pulse (UMOP) features of radar emitter. Then the iterative least-square method is introduced for estimation of the UMOP features. Because of the discriminatory capability and abundant information of cyclostationary signatures, the zero frequency slice of cyclic spectrum is used for specific radar emitter recognition. Based on these, the sequential iterative least-square (SILS) algorithm is proposed for the online recognition of radar emitters. Finally experiments on three simulation radars and eight actual intercepted radars with the same type verify the correctness and validity of the proposed method.     

KDDA在高分辨雷达目标识别中的应用

文章研究了核直接判别分析(kernel direct discriminant analysis ,KDDA)在高分辨雷达目标特征提取与识别中的应用.KDDA算法是传统的LDA算法与核方法的结合,文中讨论了KDDA算法原理,首先将KDDA应用于雷达目标距离像特征提取,求取更易于分类的核投影向量,然后采用支持向量机进行分类,提出了基于核直接判别分析的高分辨雷达目标特征提取与识别方法.用四类目标数据进行了实验,实验结果表明,该方法能够提高目标识别性能.     

基于自动机器学习流程优化的雷达辐射源信号识别

针对雷达辐射源信号识别课题中复杂的参数配置问题,从机器学习参数优化的研究入手,发现了一种基于树结构的机器学习流程优化方法,该方法利用遗传编程生成基于树结构的机器学习流程,并对其结构和参数进行进化,得到表现最佳的带参数的机器学习流程。该流程可以包括特征处理和建模的任意组合,实现对原始数据集的学习和识别。并与人工参数配制的一对一支持向量机在两种不同维度的雷达信号特征集上进行对比识别,相比之下,该方法无须繁琐的参数配置,最高准确率提高超过6%,证明该方法得到的基于树结构的机器学习流程有着明显的优势。