一种基于飞机目标CFD图的目标特征提取算法研究

随着雷达目标微多普勒现象的发现,目标的微动特性在雷达自动目标识别中逐渐受到了广泛的关注。微动目标回波中包含了精细的目标微多普勒特征信息,因此,可以从其中推断出目标特有的独立特征。而基于目标微动回波时频图的特征更是因为其信息量充足的特点,成为了一种新兴有效的目标分类特征。文中主要研究了飞机目标的韵律频率图(Cadence Frequency Diagram,CFD)特征分类算法,详细叙述了算法的具体步骤。仿真分析了CFD特征在飞机目标分类中的特点和优势,并且研究了相关参数对CFD特征的影响。  

基于时频图的飞机目标特征提取算法

研究了两种基于时频分析的飞机目标特征提取算法。首先，介绍利用短时傅里叶变换获得目标二维时频图信息，然后，分析飞机目标回波时频图的图像熵特征和平均时频谱特征，给出了这两种特征的提取算法，仿真得到利用这些特征对三类飞机的分类识别结果，分析了其目标分类识别性能以及适用情况。在研究时频图平均时频谱特征提取算法时，发现单独使用此特征在飞机目标分类识别中存在的问题，加入基于平均时频谱的方差特征，综合两种特征实现了对三类飞机目标的的分类识别。仿真结果表明，这两种特征的目标识别正确率都能达到94％以上。  

低信噪比条件下直升机微动特征提取方法

直升机旋翼转动产生的微多普勒调制能够反映其微动特性，准确估计出目标的叶片数量、旋翼长度和转动频率对直升机的识别具有重要意义。本文针对窄带脉冲体制雷达，提出一种低信噪比条件下的旋翼直升机微动特征快速高精度提取方法，推导了微动特征参数之间的内在联系，在时频域通过对时频图幅值进行积累获取目标闪烁参数，并将其作为先验信息对稀疏字典进行降维处理，降低正交匹配追踪算法的运算量，提高了微动特征参数的估计精度，在低信噪比条件下具有较好的鲁棒性，仿真和实验结果验证了方法的有效性。