基于TSB-HMM模型的雷达高分辨距离像目标识别方法

针对雷达高分辨距离像(HRRP)的识别问题,该文提出了一种基于时域特征的截断Stick-Breaking过程隐马尔可夫模型(TSB-HMM),并建立了基于TSB-HMM模型的分层识别算法,利用TSB-HMM模型结合时域特征和功率谱特征对HRRP进行分层识别。实测数据的实验结果表明,该方法是一种有效的雷达HRRP识别方法,分层识别的算法可极大提高目标的平均识别率。特别是在训练样本数极少的情况下,TSB-HMM 模型仍能获得较好的识别性能。     

一种利用强度信息的雷达HRRP自动目标识别方法

 针对雷达高分辨距离像(HRRP)的幅度敏感性,现有HRRP雷达自动目标识别(RATR)方法一般简单地能量归一化.本文借鉴切空间距离的思想,提出一种利用HRRP回波强度信息提高识别精度的方法,实测数据仿真试验证明与传统方法相比,该方法可提高识别率约5个百分点.     

基于灰色关联和不确定推理的HRRP 目标识别

由于HRRP 固有的信息有损压缩,利用单帧HRRP 样本进行目标识别时, 存在经典算法识别率较低而改进后的算法一般复杂度较高的问题。为获得更加稳健、可信的识别效果,文中基于MYCIN 模型,引入灰色关联算子,构造了不确定因子,提出了一种基于HRRP 序列的雷达目标识别方法。基于五种飞机模型高分辨距离像数据的仿真实验表明:与单样本的识别算法相比,所提出的算法具有识别精度高、稳定性好、抗干扰能力强等优点,具有较好的工程应用前景。     

GA优化的稀疏分解在雷达目标识别中的应用

特征提取是雷达目标识别系统中很关键的环节,获得一种稳健的目标特征尤为重要。可以利用稀疏分解的方法把雷达高分辨距离像(HRRP)表示在一个超完备Gabor时频字典上,进而提取字典原子的特征参数作为特征向量进行识别;针对匹配追踪算法计算量大的问题,利用遗传算法搜索能力强收敛速度快的优点对OMP算法进行改进。通过对雷达高分辨距离像(HRRP)的识别实验表明,采用Gabor原子提取的特征参数作为特征向量对雷达目标的分类效果比较好。同时,基于GA改进的OMP算法大大降低了参数寻优的计算量。     

雷达高分辨距离像目标识别研究进展

雷达高分辨距离像(HRRP)包含了目标的结构信息,在雷达目标识别领域有良好的应用前景.该文详细讨论了基于HRRP的雷达自动目标识别的关键技术及研究现状,包括雷达HRRP的特性、预处理方法、特征提取方法及分类器设计方法等.最后讨论了雷达HRRP识别的研究方向.     

基于一维卷积神经网络的HRRP雷达目标分类方法

雷达一维高分辨距离像(high resolution range profile, HRRP)信号能够反映目标的结构信息,且具有易于获取的优势,因此利用雷达HRRP回波信号对目标进行分类识别获得了广泛的关注。传统的分类识别方法大多基于提取人工设计的特征然后利用分类器进行分类。然而人工设计提取的特征依赖于专家的先验知识,且人工设计的特征在识别性能上已经趋于平稳。本文将神经网络引入HRRP分类识别中,提出一种基于一维卷积神经网络的HRRP雷达目标分类识别方法。所提方法根据HRRP数据的形式,采取一维的神经网络算子构成一维卷积神经网络。且在网络主体采用一种纺锤形状的残差结构,该结构能够在提取深层抽象特征的同时有效减轻梯度消失和梯度爆炸问题。所提方法在多个数据集上相比于传统对比方法取得了更好的分类识别性能。     

宽带雷达一维高分辨距离像识别研究

对一维高分辨率距离像（HRRP）进行预处理,解决高分辨距离像姿态、平移和幅度敏感性问题。对HRRP进行了目标子空间提取,基于子空间使用最大相关系数法对目标进行识别。实验结果表明,基于子空间法的目标识别具有较好的识别结果和较快的处理速度。     

基于NUFFT的调频步进频高分辨成像与目标识别算法

雷达自动目标识别技术是发展未来智能化武器系统需首先突破的关键技术。相比于2维SAR图像目标识别,基于高分辨距离像(HRRP)目标识别具有数据维度低、对雷达系统计算量和存储量的要求低和成像算法简单的优点。HRRP成像是目标识别中的前导和关键步骤,其速度和成像结果的质量好坏直接决定了目标识别的实时性和准确性。文中探讨了一种新的HRRP成像算法非均匀傅里叶变换(NUFFT)算法,推导并给出了用NUFFT进行调频步进信号的回波模拟和高分辨成像的数学公式。同时通过分析成像算法各步骤的计算量,对4种成像算法的计算量进行了对比分析,并仿真了两类地面目标成像与目标识别的结果。理论分析及仿真验证都表明,该文算法的计算复杂度相对于其它算法均有不同程度的改善,可以有效地应用于雷达目标识别中。      

一种利用目标雷达高分辨距离像幅度起伏特性的特征提取新方法

为了松弛高分辨距离像(HRRP)的方位敏感性,传统的雷达HRRP目标识别方法大都采用目标在一定方位角域内的平均像作为方位模板.实际上,距离像的幅度起伏特性也包含了一定的目标特征信息.本文基于散射点模型理论,提出了一种利用距离像幅度起伏特性的特征提取新方法.新方法提取的加权距离像特征反映了各个距离单元内目标散射点的分布情况,可以更好地描述目标散射特性.基于外场实测数据的识别实验结果表明,新的特征提取方法可以大幅度地提高识别性能.     

强地杂波下基于压缩感知的稀疏子脉冲高分辨雷达成像方法

针对稀疏雷达孔径数据处理与成像问题,本文提出了一种强地杂波背景下基于压缩感知（CS）的线性调频步进信号（SFCS）稀疏子脉冲高分辨雷达成像方法。在对稀疏回波数据解线调时,采用填零一次相消技术剔除地杂波,对粗分辨距离像序列二次采样后获得高信杂比的目标高分辨回波信号;再利用该信号的频域稀疏特性,结合各脉冲簇中随机丢失不同子脉冲的情况,构造相应的部分傅里叶基矩阵实现雷达数据的稀疏化表征,然后利用正交匹配追踪（OMP）算法对目标高分辨距离像（HRRP）进行重构处理,实现对目标的高分辨成像。仿真结果验证了本文方法的有效性。      

中段目标高分辨距离像姿态敏感性分析

高分辨距离像获取简单且能够提供目标部分几何结构信息,在导弹目标识别中有着重要的应用。针对高分辨距离像姿态敏感性问题,采用基于逆合成孔径雷达(ISAR)像提取导弹目标的二维散射中心分布,具体分析各姿态下散射中心在距离分辨单元内的分布情况,计算高分辨距离像(HRRP)突变时各散射中心之间的相位关系。结合HRRP的数学模型,解析了突变现象的产生原因,得知距离分辨单元内散射中心点之间的干涉会导致HRRP严重的姿态敏感,并经过实验分析了距离分辨单元内散射中心对HRRP的具体影响。     

反导预警雷达目标特征识别方法

目标识别是弹道导弹防御的关键环节,同时也是防御系统最具挑战性的核心技术难题。从弹道导弹飞行中段和再入段雷达探测的需求出发,论述了目前国内外对弹道导弹雷达探测特征:雷达散射截面积(RCS)、一维距离像(HRRP)、逆合成孔径成像(ISAR)、极化特性等目标特征提取和识别方法,并讨论了基于上述特征的目标识别方法的优缺点。在此基础上,分析了未来弹道导弹目标特征识别技术的研究方向,为今后相关研究提供有益的思路。     

雷达高分辨距离像模板自动生成算法

模板的完备性直接决定了基于高分辨距离像的雷达目标识别系统的分类性能;在外场试验中限于目标姿态、环境等因素难以获得准确标定的目标立体角范围内全姿态模板数据。针对一维距离像识别的工程实用化需求,本文基于数据驱动思想,提出了新的一维距离像聚类模板自动生成算法。与传统方法相比,本文方法在提高工程可行性的同时提高了识别性能。为满足实验需要,本文提出了新的基于MSTAR图像的高分辨距离像反演算法,得到更精确的反演数据。基于该数据的实验结果表明算法解决了模板生成姿态角依赖性问题,提高了识别性能。      

基于粗糙集和傅里叶-梅林变换的HRRP识别

一种有效的高分辨雷达距离像识别方法需要有效处理距离像表现出的不精确性和不确定性,这种不精确性和不确定性可用粗糙集理论描述。文中提出一种基于粗糙集理论和傅里叶-梅林变换的高分辨雷达距离像识别新方法。粗糙集理论能够挖掘目标类别相关信息,同时最大限度去除冗余信息;傅里叶-梅林变换具有时移与尺度伸缩不变性,能够克服距离单元的平移、伸缩给识别带来的困难。实验表明,该方法具有强大的特征压缩能力,所设计识别系统具有良好的识别率。     

基于GAN的雷达HRRP数据增强方法

在雷达自动目标识别(RATR)中,数据驱动方法是强有力的工具之一.然而数据驱动方法的性能十分依赖数据集的质量,数据增强方法通过扩充数据集,能够提升数据驱动模型在现有数据集上的识别率.本文提出了用于高分辨距离像(HRRP)数据生成的一维基础生成对抗网络(BGAN)结构和条件生成对抗网络(CGAN)结构,并利用生成的人工样...     

基于高分辨一维距离像及其特征的空间目标识别效果分析

目标高分辨一维距离像(High Resolution Range Profile, HRRP)中包含了丰富的目标尺寸、结构等目标特征,是进行空间目标身份识别的有效途径。但由于卫星宽带雷达实测数据获取难度大,前期相关研究多集中于基于HRRP的目标识别算法,结论也多是基于仿真数据和少量类别(几类)的前提下得到的,与工程应用实际情况有较大差距,工程指导意义有限。为解决这一问题,基于地基雷达获取的30类卫星目标的大量一维距离像实测数据,从识别正确率的角度对目标HRRP及其特征(组合)的可分性和在空间目标个体识别中的应用效果进行了量化分析,分析结果可为后续基于HRRP的空间目标个体识别技术研究和工程应用提供可靠依据。     

基于参数化统计模型的雷达HRRP目标识别方法综述

现代战争日趋信息化和智能化,雷达自动目标识别技术(RATR)在国家安全防卫和战略预警等军事应用方面发挥着更加重要的作用。高分辨距离像(HRRP)反映了目标散射点沿雷达视线方向的分布情况,包含了目标丰富的结构信息,对目标识别十分有价值,已成为RATR领域的研究热点。参数化统计建模旨在构建参数化数学模型表征观测数据的分布特性,是估计数据概率分布和挖掘数据隐含信息的重要手段。基于参数化统计模型的雷达HRRP目标识别就是在对HRRP参数化统计建模的基础上,直接利用估计的概率分布进行统计识别或将获取的隐含信息输入分类器进行识别。由于模型具有可融入一定的先验知识、扩展灵活、提供待求参数的不确定性评价以及能结合贝叶斯理论实现自动定阶等优势,基于参数化统计模型的HRRP识别方法整体识别性能优于其他方法,是目前HRRP识别的重点研究方向。该文从浅层和深层参数化统计建模两方面,对近15年的雷达HRRP目标识别方法进行了归纳总结,并分析了各类方法的特点和存在的问题,最后对基于HRRP参数化统计建模的雷达目标识别发展方向进行了展望。