常规雷达JEM特征分析与目标分类的研究

该文研究了常规雷达回波中喷气发动机调制(JEM)特征产生机理、提取方法及用于目标分类的效能,先从理论上分析了常规雷达飞机回波中JEM特征的产生机理,并比较了直升机、螺旋桨飞机和涡扇喷气机回波中JEM周期特征的差别。再讨论了实际回波中时域、频域、时频域方法分析和提取JEM周期特征的优劣,最后用AR双谱切片技术提取的JEM周期特征进行了目标分类和辨识实验,结果表明：JEM周期特征用于常规防空雷达飞机的分类是有效的,但又是有限的。     

复AR双谱及在常规雷达目标分类中的应用

根据飞机喷气发动机调制(JEM)特征产生机理和参数模型及常规雷达回波特点,本文采用复AR双谱技术分析了常规雷达回波中的JEM特征,揭示了回波中JEM频率和径向Doppler频率之间的耦合关系,并从双谱切片中提取了相对不变的JEM周期特征。提出了基于JEM周期特征的目标分类方法。实测数据分类实验表明:JEM周期特征用于常规雷达飞机目标分类是有效的。     

基于旋翼结构微多普勒特征的目标识别方法

根据飞机目标旋转部件周期运动对电磁波的调制特性,建立了旋翼目标回波信号的数学模型;在分析雷达回波谱特性基础上提取了表征目标姿态及旋翼调制信息的能量特征、对称性特征,并用双谱法获取旋转部件回波（JEM）周期调制特征;最后,提出了一种新的飞机目标自动辨识方法,仿真证实了该方法具有较高综合辨识能力和正确辨识率.     

防空雷达飞机目标调制周期特征的研究

基于飞机旋转部件对雷达电磁波调制机理,以及对调制参数模型和回波特点的分析理解,本文针对防空雷达,分析了几种飞机目标的调制周期特征,提出了几种调制周期特征分析和提取的方法.本文的主要贡献是揭示了防空雷达飞机回波复包络中的调制周期特征,分析了在不同飞机姿态、不同雷达工作状态下实际回波中调制周期特征的稳定性,并讨论了调制周期特征用于辨识螺旋桨飞机的可能性.实测数据分析结果表明:本文方法能从防空雷达螺旋桨飞机回波中提取调制周期特征,并用于螺旋桨飞机的辨识.     

基于时频图像处理的JEM分类识别方法

机载雷达探测飞机目标时,可通过提取JEM特征进行直升飞机、螺旋桨飞机、喷气式飞机分类识别,虽然其理论基础已相对成熟,但在机载杂波背景下对低SNR调制信号的检测与分类识别有待进一步提升,以改进工程化过程中分类识别的稳健性.文中在回顾JEM理论分析的基础上,分析了观测角度、叶片螺距、转子交调、RCS闪烁、雷达工作波形等因素...     

基于分数布朗特征的低分辨雷达目标分类

低分辨雷达目标的JEM效应不仅体现在对目标回波的频率调制上,还体现在幅度调制上,以上2种调试特征是互补的关系,综合运用2种调制特征将会改善低分辨雷达对飞机目标的分类与识别能力。分数布朗运动模型是一种可以用来描述自然界中随机分形的统计模型,文中提出将分数布朗运动模型用于反映回波幅度的不规则程度或起伏程度,以及回波幅度起伏的快慢,分别提取回波时域和频域的分数布朗分形维,再采用支持向量机分类器进行分类,很好地将直升机与民航机2类目标区分开来。实测数据表明,综合分类正确率大于85!。     

对空情报雷达自动辨识螺旋桨飞机

基于飞机旋转部件对雷达电磁波调制机理、调制参数模型以及回波特性，本文从实际对空情报雷达回波中提取了幅度、相位、周期3种调制特征，并分析讨论了3种调制特征物理意义及用于飞机分类与辨识的稳定性、有效性和局限性．在此基础上，提出了自动辨认特种军用螺旋桨飞机的文用方法一逐级最近邻特征综合分类法，并对实际回波进行了分类实验．分析与分类实验结果表明：3种调制特征具有相对不变性，对螺旋桨飞机的自动分类与辨识是有效的．     

常规雷达飞机目标旋转部件调制特性的仿真模型与分析

主要推导固定翼飞机回波理论参数模型和旋转桨飞机回波理论参数模型并进行仿真,对两者进行比较,提取目标旋转部件的调制周期特征,有利于目标的识别与分类。     

飞机回波FRFT域的多重分形特征与目标分类

低分辨雷达体制的限制和探测过程中背景杂波的影响,使得低分辨雷达飞机目标的分类识别较为困难。本文提出一种分数域多重分形方法,通过引入分数阶Fourier变换（FRFT）寻找飞机目标回波的最优FRFT域,并在最优分数阶FRFT域提取目标回波数据的多重分形特征,结合支持向量机进行飞机目标的分类识别。实验表明,FRFT可以增强飞机目标回波的多重分形特性;从最优FRFT域提取的多重分形特征具有较好的分类识别效果,FRFT域多重分形方法的飞机目标分类识别率要高于时域多重分形方法的飞机目标分类识别率;即使在低信噪比条件下,FRFT域多重分形方法仍可实现低分辨雷达飞机目标的粗分类。     

一种新的雷达目标HRRP识别方法

针对雷达目标回波的非平稳特性,推导了S变换及其快速实现算法,利用电磁场时域有限差分算法仿真了3种军用飞机的宽带散射信号,采用S变换对飞机目标的雷达回波进行时频分析,提取时频分布图的矩特征作为目标特征矢量,利用改进径向基函数神经网络对特征矢量进行训练和学习,最后对3种飞机作了分类识别,取得了很好的识别效果。     

目标特征与雷达识别需求关系原理

根据实际涡喷JEM特殊的多压气级的特点,推导出多压气级JEM的理论参数模型,并由实际分析得出JEM的周期调制特征,提出利用JEM的周期调制特征对空目标进行分类的设想。提出了基于微多普勒特征进行目标识别所需要的雷达参数原理,并举例分析了利用微多普勒周期特征进行目标分类所需的参数。     

地形特征对粒子滤波导航算法精度影响分析

地形导航是利用飞行器下方地形估计飞行器空间位置的导航方法。由于地形是强非线性模型,因此地形导航可以看作非线性状态估计问题,地形特征直接影响导航精度。在讨论粒子滤波导航算法基础上,重点研究了地形特征对后验概率密度和Cramer-Rao下界的影响,得出了地形梯度和相似度是影响粒子滤波导航算法精度的根本原因,为飞行区域选择、飞行路径规划提供了依据,具有较强的实用性。     

FEROM: Feature Extraction and Refinement for Opinion Mining

Opinion mining involves the analysis of customer opinions using product reviews and provides meaningful information including the polarity of the opinions. In opinion mining, feature extraction is important since the customers do not normally express their product opinions holistically but separately according to its individual features. However, previous research on feature‐based opinion mining has not had good results due to drawbacks, such as selecting a feature considering only syntactical grammar information or treating features with similar meanings as different. To solve these problems, this paper proposes an enhanced feature extraction and refinement method called FEROM that effectively extracts correct features from review data by exploiting both grammatical properties and semantic characteristics of feature words and refines the features by recognizing and merging similar ones. A series of experiments performed on actual online review data demonstrated that FEROM is highly effective at extracting and refining features for analyzing customer review data and eventually contributes to accurate and functional opinion mining.     

基于Gabor幅值特征和相位特征相融合的ISAR像目标识别

该文提出一种基于Gabor小波变换幅值特征和相位特征相融合的ISAR像目标识别算法。首先将ISAR像进行Gabor多尺度分析,对不同尺度、不同方向的Gabor幅值图像划分为若干矩形不重叠的子块,分别计算每个子块的直方图分布,将其联合起来作为Gabor的幅值特征;然后结合象限二进制编码和局部异或算子提取Gabor相位信息的局部相位模式,对得到的局部相位模式同样提取分块直方图特征;再把提取的幅值特征和相位特征相融合作为ISAR像最终的Gabor特征;最后在2统计量作为不相似度量计算的特征空间里,采用最近邻分类器完成5类目标的分类识别。通过使用Greco电磁软件仿真的5类目标的ISAR数据对该方法进行目标识别的验证,并与目前已有的几种Gabor特征提取方法进行了对比,结果表明,该方法是可行且有效的,能够明显地提高识别率。     

采用频闪成像技术的柔性气动外形运动物体SIFT特征跟踪(英文)

近年来,有关微型飞行器的结构动力学、材料气动弹性以及飞行控制方面的研究受到了高度的重视。为了提高飞行器的空气动力学检测能力,提出了一种基于频闪成像技术的柔性气动外形物体跟踪方法。利用尺度不变特征转换(SIFT)算法提取出的特征对于图像的尺度变换、旋转以及光照变化和局部图像变形等具有的不变特性,提出了一种利用感兴趣区域中SIFT特征对柔性气动外形运动物体进行探测与跟踪的方法。该方法在获取物体的状态、位置以及空间转换关系等方面表现出良好的性能,并且为同一场景中同一物体在不同位置之间的相互匹配提供了可靠保证。实验表明:在该实验系统中,基于频闪成像技术、利用SIFT特征作为柔性气动外形物体探测的方法具有一定的可行性。     

基于球向量机的QAR数据特征提取方法

飞行安全是飞行运输中的一个重要课题,对飞行纪录数据进行分析是判明飞行事故原因的重要依据,所以对飞行记录数据进行数据挖掘则成为一种有效的飞行监控技术。该文针对具有高维特征和大样本数据集的飞行纪录的飞行纪录数据学习问题,提出了一种新型的判别异常飞行事件的特征提取方法,并通过实验表明该方法对某一机型的飞行纪录数据取得了良好的实验结果。     

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%。