基于雷达距离象序列的循环神经网络飞机目标识别

本文应用雷达目标瞬态高分辨距离象序列来识别目标，提出了一种基于距离象序列的实时循环神经网络分类方法，并进行了三类飞机目标的分类实验研究，结果表明，该方法可以得到高的识别率。     

基于神经网络的雷达目标识别

本文讨论了基于径向基函数网络(RBFN)的雷达目标识別问题。在分析了一维距离象特点的基础上,提出了采用非相关幅度平均一维距离象以获取稳定模式这一有效方法。在指出传统经验公式局限性后,给出了一种基于训练样本空间分布来估计高斯核函数形状参数的方法。用微波暗室试验数据进行转台成象并对一维距离象三种模式进行识别分类的结果表明,本文所提出的方法用于研究雷达目标识别是有效的。     

宽带毫米波雷达目标时延神经网络识别新方法

基于一维距离像和神经网络研究宽带毫米波雷达目标识别问题,研究了用于雷达距离像序列识别的时延神经网络模型及其学习算法,并提出了基于距离像序列的宽带雷达目标时延神经网络识别方法.还利用三种飞机缩比模型的暗室测量数据,研究了时延神经网络分类器中时延单元数目对分类精度的影响以及分类器的分类性能.实验结果表明 本方法具有良好的应用前景.     

基于神经网络的雷达目标识别

本文讨论了基于径向基函数网络（ＲＢＦＮ）的雷达目标识别问题，在分析了一维距离象特点的基础上，提出了采用非相关幅度平均一维距离象以获取稳定模式这一有效方法，在指出传统经验公式局限性后，给出了一种基于训练样本空间分布来估计高斯函数形状参数的方法，用微波暗室试验数据进行转台成象并对一维距离象三种模式进行识别分类的结果表明，本文所提出的方法用于研究雷达目标识别是有效的。     

宽带毫米波雷达目标时延神经网络识别新方法

基于一维距离像和神经网络研究宽带毫米波雷达目标识别问题,研究了用于雷达距离像序列识别的时延神经网络模型及其学习算法,并提出了基于距离像序列的宽带雷达目标时延神经网络识别方法,还利用三种飞机缩比模型的暗室测量数据,研究了时延神经网络分类器中时延单元数目对分类精度的影响以及分类器的分类性能。实验结果表明：本方法具有良好的应用前景。     

基于注意力机制和双向GRU模型的雷达HRRP目标识别

针对雷达高分辨距离像(HRRP)目标识别问题,传统方法只考虑样本的包络信息而忽略了距离单元间的时序相关性,该文提出了一种基于注意力机制的双向自循环神经网络模型。该模型将时域的HRRP数据通过滑窗分为正反两个序列,并将其分别通过两个相互独立的GRU网络进行特征提取,然后将同时刻提取到的特征进行拼接,从而利用了距离像双向的时序信息。考虑到不同时刻的序列对目标分类的重要性不同,通过注意力机制自适应地对各时刻隐层特征赋予不同的权值,最后根据加权求和后的隐层特征进行目标的识别与分类。实测数据实验结果表明,该文所提方法可以有效完成高分辨距离像的目标识别问题,并且在数据发生一定的时序偏移情况下,仍然可以准确找到目标区域。      

基于距离像序列的空间目标识别算法

提出了基于距离像序列的空间目标识别算法,首先对距离像序列进行小波消噪,然后应用RELAX算法提取出目标强散射中心的位置和幅度,根据高于幅度门限的强散射中心的位置来确定目标径向长度,最后根据目标径向长度序列的均值和标准差对三轴稳定卫星、自旋稳定卫星和碎片进行分类识别。计算机仿真结果表明,该算法取得了比较好的识别效果。     

基于时间序列最大后验概率雷达目标识别

首次讨论了高分辨率雷达一维距离像的特点，提出了获取较稳定低维特征矢量的方法，指出不同时刻获得的矢量集为多维时间序列．将ＶａｓｓｉｌｉｏｓＰｅｔｒｉｄｉｓ等提出的用于时间序列分类分割算法推广到多维时间序列空间，并对实测的一维距离像进行了识别．初步的模拟结果表明，该方法在雷达目标识别领域具有良好的应用前景．     

雷达目标一维距离象多分辨特征描述和快速匹配法研究

文中首先阐述了信号奇异性与小波变换模极大值的关系、含噪非平稳信号在小波变换下信号与噪声的不同特性;然后提出了可用于高距离分辨力雷达目标识别的一维距离象多分辨分解和目标结构特征的多分辨描述方法.根据目标结构特征的多分辨描述,定义了距离象的相异度概念,利用相异度可以实现目标的快速匹配识别.     

基于动态RCS的典型飞机目标识别

工程上常用静态雷达散射截面（RCS）统计特性进行目标识别,但其可分测度小,正确识别率较低。文中在精确获取目标动态RCS序列的基础上,提出了一种基于离散小波能量的特征提取方法,对典型飞机目标进行分类识别。首先,根据空气动力学和运动学方程设定五种典型飞机目标的飞行航迹并解算其实时飞行坐标,从而获取时变的雷达视线姿态角;其次,应用多层快速多极子电磁计算方法仿真各型目标的动态RCS数据;然后,再基于动态RCS序列,计算其位置、分布等统计特征,并进行小波分解和重构,提取各型目标的统计特征和小波能量特征;最后,采用基于距离的类间距离判据,比较两种特征量的分类识别效果。仿真计算结果表明：相对传统的统计特征,离散小波能量特征能完整地体现目标的特征,且可分性测度更大,识别效果更为理想。     

基于Relax散射点特征提取的舰船目标识别方法

针对基于高分辨距离像(HRRP)的舰船目标识别问题,提出了一种基于Relax散射点特征提取和设计了基于散射中心最近邻模糊分类器的目标识别方法.首先对数据进行预处理,然后基于Relax算法提取出散射中心,最后通过最近邻模糊分类器进行识别匹配.通过仿真4类军民船目标的数据进行测试,验证结果表明该方法在舰船目标识别领城具有很...     

防空雷达飞机回波的扩展分形特性分析与目标分类研究

低分辨雷达飞机回波的扩展分形特性提供了对目标回波在不同尺度下的粗糙度的精细描述,为防空雷达飞机目标的分类和识别提供了一种新的途径。该文在介绍扩展分形理论的基础上,首先利用扩展分形分析手段,对从某VHF波段防空警戒雷达上录取的飞机目标回波数据的扩展分形特性进行了分析,然后从模式识别的角度出发,提出了基于扩展分形特征的防空雷达飞机目标分类方法,最后采用不同类型飞机目标的实测回波数据进行分类识别实验,对该方法的性能进行了对比和分析。分类识别实验的结果表明,广义Hurst指数等扩展分形特征参数可以作为飞机目标分类和识别的有效特征,所提出的方法具有良好的分类识别性能,是一种有效的目标分类方法。      

基于一维距离像的目标识别方法

基于飞机目标高分辨一线距离像,给出了一种目标识别方法。首先,在研究了高分辨距离像的相关匹配算法后,给出了在单极化条件下的五种飞机目标回波的识别结果;而后,基于全极化高分辨雷达,提出了一种利用目标极化信息一维距离像的综合识别方法。实验结果表明,该方法具有高的识别率和强的抗干扰能力。     

机载雷达海面舰船目标ISAR成像技术研究

利用ISAR/SAR技术获得海面舰船目标的二维像是实现舰船目标分类识别的重要手段.文中研究了高海情条件下的机载雷达舰船目标ISAR成像方法,包括基于迭代相关的包络对齐、改进的"秩一"自聚焦相位补偿及利用"clean"技术的多分量调幅-调频信号参数估计的瞬时成像方法.实测数据成像结果证明了算法的可行性.     

基于双视角距离像序列的空间锥体目标参数估计方法

空间锥体目标在自由段是典型的微动目标。该文研究了基于双视角距离像的空间锥体目标参数估计方法,估计的目标参数包括进动参数和结构参数。首先分析了雷达俯仰角在空间锥体目标自由段的变化情况,并且利用建立的目标进动模型,得到了目标散射中心在雷达视线(RLOS)上的投影方程。然后基于双视角下的距离像序列推导出目标参数的解析解,并引入弹道信息来解决半锥角的估计对信噪比(SNR)要求较高的问题。最后利用电磁计算数据验证了方法的有效性。     

非线性正则子空间法雷达目标一维距离像识别

雷达目标识别中,目标一维距离像的分布常表现出明显的非线性和复杂性时,经典的线性子空间方法的识别性能会有所下降.为此,本文提出非线性正则子空间法,通过对一维距离像进行非线性变换,使在原有空间线性不可分的一维距离像模式在高维空间有望具有线性可分性,从而提高目标的识别性能.对实测飞机数据的实验结果表明了该方法的有效性.     

基于一维距离像的飞机目标识别

针对基于多散射中心模型回波的一维距离像(High Resolution Range Profile, HRRP)难以真实反映复杂目标散射特性的问题,研究了基于电磁散射模型回波的生成方法和HRRP 宽带特征提取方法。首先应用等效电磁流法(Method of Equivalent Currents, MEC)棱边修正的物理光学(Physical Optics, PO)算法解算飞机目标动静态电磁散射特性;其次基于目标散射场数据,生成目标回波、仿真HRRP 序列,提取目标宽带特征信息;最后求解了目标在设定航迹下的平均识别率,量化分析了信噪比对目标识别率的影响。理论分析与仿真结果表明:当信噪比(Signal to Noise Ratio, SNR)大于5 dB 时,基于电磁散射建模的平均识别率相对基于传统的多散射中心模型提升了20%。     

基于高阶累积量的红外图像时域检测

提出了一种基于高阶累积量的红外图像序列中运动弱小目标时域检测的新方法,该方法定义了观测数据的三阶累积量,并在时间剖面上,通过快速运动目标与缓慢变化的背景像素的灰度特征差异,实现对弱小目标的检测.利用实测数据进行了仿真,实验结果表明了该方法的有效性.     

基于分数阶傅里叶变换的窄带雷达飞机目标回波特征提取方法

该文研究了常规窄带雷达体制下,利用分数阶傅里叶变换扩展特征域,从而解决直升机、螺旋桨飞机和喷气式飞机3类飞机目标回波分类中的特征提取问题。在现代战场中,直升机、螺旋桨飞机和喷气式飞机具有不同的机动性能,并各自承担着重要的任务。因此,实现这3类飞机的分类具有重大的意义。该文针对3类飞机目标分类的传统特征数目少,包含信息量有限,导致分类性能不够好的问题,基于现有的特征提取方法引入分数阶傅里叶变换(Fractional Fourier Transform, FrFT),在经过FrFT后的分数域提取3类飞机目标回波的分数阶特征,弥补传统特征的不足。并利用线性相关向量机(Relevance Vector Machine, RVM)的特征选择功能对提取的分数阶特征进行特征选择并分类。基于仿真和实测数据的实验结果证明该文提出的分数阶特征的分类性能较传统时域、多普勒域特征有较大提升。