基于卷积神经网络的人体动作识别方法

针对较小数据集识别时的过拟合和误差传递问题,提出了一种基于卷积神经网络的常见人体动作识别方法.该方法首先利用经典雷达信号处理方法对人体动作回波进行预处理,生成人体动作的时频图像;然后构建卷积神经网络(CNN),并以时频图作为CNN输入数据对网络参数进行训练;最后利用网络公开数据集对所提方法进行了实验验证.实验结果表明,构建的CNN能够准确识别4类不同的人体动作,准确率不低于97%.     

基于延时相关和FRFT的编队目标架次分辨方法

为较好满足窄带雷达的防空作战需求,提出了一种基于延时相关和分数阶傅里叶变换(FRFT)的空中编队目标架次分辨方法.该方法首先利用延时相关法粗略估计出回波信号的多普勒调频斜率,依据调频斜率和FRFT阶次的对应关系,获得最优变换阶次的粗略值;然后以FRFT后信号的熵值为最小化目标函数,提出一种精确搜索最优变换阶次算法,并以此最优变换阶次对回波信号进行FRFT,从而实现在分数阶多普勒域的目标架次分辨.仿真结果表明,本文所提方法具有较好的多普勒分辨性能,编队目标架次识别准确率较传统的短时傅里叶变换(STFT)、维格纳分布(WVD)分析方法有显著提高.     

一种天基预警雷达目标运动参数估计方法

天基预警雷达系统中,由于卫星平台和目标间存在高速径向运动,回波信号会产生距离徙动和多普勒走动,导致FFT相参积累增益降低,不利于微弱目标检测。为了提高检测性能,需要准确估计出目标的运动参数,并对回波信号进行运动补偿。首先建立了目标回波模型,分析了回波距离徙动和多普勒走动特性;其次利用Keystone变换校正回波距离徙动,并通过对多普勒模糊数的广义最大似然估计和MTD处理估计出目标的径向速度;然后对校正后的回波信号在方位向作延迟自相关处理,再利用FFT和Jacobson校正算法估计出目标的径向加速度;最后通过仿真实验验证了本文算法的有效性。     

天空双基地预警雷达长时间相参积累算法研究

天空双基地预警雷达体制中,信号传播距离远,回波信噪比低,且目标高速运动常导致回波越距离单元走动,从而影响目标检测性能。针对这一问题,将Keystone变换用于天空双基地预警雷达体制中,在建立空间几何模型的基础上,分析了回波越距离单元走动特性,应用Keystone变换校正距离单元走动,并进行解多普勒模糊处理和基于单元选大准则的数据处理。该方法可以用于多个不同距离和速度的目标距离走动校正和相参积累检测。仿真结果验证了该方法具有良好的多目标检测性能。