基于多普勒频谱特性的雷达目标分类识别研究

目标特征提取是雷达目标识别过程中至关重要的一步，而所提取的特征是否稳定有效则直接决定了提取特征的质量。本文中的炸点、风轮机与气象杂波目标都具有多普勒频谱展宽的特点。在回波预处理过程中提取目标回波频谱，在此基础上，提取目标相对RCS、频谱熵值与频谱标准差三类特征，最后以支持向量机(SVM)对三类目标实现分类识别。基于实测数据的分类识别结果表明，本文中的三类特征对各类目标的分类都具有有效性。     

Study and simulation of vibrating target's motion states based on Doppler lidar

激光雷达微多普勒效应在对目标探测、识别中测量精度高、抗干扰能力强,比传统微波雷达拥有更高的空间分辨率和灵敏度.本文基于激光探测,从理论上分析了振动物体在行进过程中产生的多普勒和微多普勒效应.建立典型运动模型,通过目标信号的频移图和频谱图可以很好地观测物体运动状态、分析振动特性.最后,在simulink下进行过程仿真并验证其有效性,对目标的识别和运动特性提取起到积极的作用.     

激光测速雷达下振动目标运动状态分析与仿真

激光雷达微多普勒效应在对目标探测、识别中测量精度高、抗干扰能力强,比传统微波雷达拥有更高的空间分辨率和灵敏度。本文基于激光探测,从理论上分析了振动物体在行进过程中产生的多普勒和微多普勒效应。建立典型运动模型,通过目标信号的频移图和频谱图可以很好地观测物体运动状态、分析振动特性。最后,在simulink下进行过程仿真并验证其有效性,对目标的识别和运动特性提取起到积极的作用。     

基于时频谱图和CNN的雷达空中目标识别方法

传统雷达空中目标识别方法容易受到杂波和有效特征难挖掘等因素影响,其识别准确率难以满足实际雷达系统的目标识别需求。为了改善雷达对空中目标的识别性能,提出一种基于时频谱图和卷积神经网络(convolutional neural network, CNN)的空中目标识别方法。该方法首先提取雷达目标检测点迹所在距离单元的多脉冲回波数据,然后通过杂波抑制和基于CLEAN算法的雷达目标机身分量消除,得到以目标微多普勒分量为主的时域回波数据,接着通过短时傅里叶变换得到目标微多普勒时频谱图,最后利用时频谱图对设计的卷积神经网络进行训练和测试,实现喷气式飞机、直升机、螺旋桨飞机三类典型空中目标的识别。实测雷达数据测试结果表明,所提方法对三类飞机目标的识别准确率高于传统方法。所提方法避免了传统人工提取微动统计特征,消除了杂波与机身分量的影响,提高了雷达对空中目标识别的性能。     

弹道导弹目标微多普勒特征提取

真假目标识别是弹道导弹防御系统的主要技术瓶颈之一,它在一定程度上决定了反导系统的成败.基于弹头和诱饵微动特性的差异,提取相应的微多普勒特征可用来识别真假目标.文中在介绍弹头和诱饵运动特性的基础上,引入了微多普勒概念,建立了弹头和诱饵的微动模型,并对其微多普勒进行了理论推导.通过仿真从雷达回波中提取出弹头和诱饵微多普勒的频谱特征和时频谱特征,从而为真假目标的识别提供了新的依据.     

毫米波超近程LFMCW雷达运动目标参数估计

毫米波超近程线性调频连续波(LFMCW)雷达运动目标参数估计新方法,可以在加速度运动目标环境中有效估计出目标的加速度、速度和距离参数。该方法能够对加速度运动目标多普勒信号进行加速度补偿,解决目标多普勒频谱畸变现象和LFMCW雷达固有的距离速度耦合现象,达到改善加速度运动目标的检测性能和提高参数估计精度目的,且算法稳健,运算量小。算法通过仿真分析,评估了加速度运动补偿前后的效果,证明了算法的有效性。该方法可用于针对毫米波超近程LFMCW雷达信号处理快速、准确的参数估计。     

弹道导弹目标回波信号建模与雷达特征分析

介绍了弹道导弹运动目标特征提取和雷达识别的研究概况,针对锥顶不动、进动角固定的匀速进动锥形弹头目标,对其典型运动进行建模,给出了回波的解析表达式,利用数值解的方法,对回波信号进行了频谱分析和时频分析,提取了频谱调制特征和微RCS特征,使用Wigner-Ville分布峰值检测法,提取了回波信号的微多普勒特征,给出了使用雷达微动特征识别弹道导弹弹头的途径.最后给出了回波信号时频分布、微多普勒、多普勒谱和微RCS的仿真结果,证明了理论分析的正确性.     

Radon-Wigner变换法加速目标多普勒回波提取

目标加速运动会使雷达回波多普勒频谱展宽,导致傅里叶频谱分析方法信噪比下降、分辨率降低。为此给出了基于Radon-Wigner变换(RWT)的加速目标脉冲多普勒回波提取方法。论述了加速机动目标的脉冲多普勒雷达回波模型和傅里叶变换频谱分析方法,给出了基于RWT的雷达多普勒二次相位信号提取方法。对傅里叶变换和RWT方法进行了仿真比较,表明RWT具有较强的输出信噪比和速度加速度分辨能力。     

机载毫米波脉冲多普勒雷达旋翼目标识别技术研究

旋翼目标是机载毫米波脉冲多普勒雷达低空与地面目标中的首要识别对象,由于其回波频谱展宽与波长成近似反比关系,使其在毫米波段呈现低信杂比、弱特征现象。本文首先在分析毫米波雷达旋翼目标特性的基础上,针对旋翼识别难题,对雷达系统前端的波束驻留时间、脉冲重复周期、杂波抑制性能、相参积累脉冲数、频综器相位噪声谱密度等参数设计提出了新的要求;之后,设计了专用目标识别软件平台,并给出了面向工程应用的专用目标识别软件总体结构,提出了利用噪声归一化的频谱数据预处理技术、识别结果积累策略以及多普勒频谱层析图分析等信号处理方法;最后,利用实测数据提取特定的特征对目标进行识别分类,并对部分中间结果进行了详细分析,实验结果验证了本文方法的有效性,对旋翼和固定翼目标具有良好的分类识别性能。      

超视距雷达海杂波与干扰信号的多域特征与海杂波检测

针对超视距(OTH)雷达接收信号成分复杂的问题,该文提出基于多域组图的信号分析方法,讨论海杂波、瞬态干扰和射频干扰的多域特征.运用时域、频域、距离域、重复周期和多普勒5域,组合为6种2维矩阵图,提出雷达接收数据的"五域六图"(5D6M)方法.通过五域六图,各种接收信号成分在多个域得以分离,海杂波和干扰在不同域的特征得以体现,清晰展示海杂波的频谱和多普勒谱特性、瞬态干扰的大功率和短时性以及射频干扰的窄带与多普勒特性.基于五域六图的信号特性分析,能够为雷达信号分析与处理提供很好的帮助.该文以海杂波为例,设计了基于频域-多普勒域的海杂波多普勒单元检测的新方法.     

超视距雷达海杂波与干扰信号的多域特征与海杂波检测

针对超视距(OTH)雷达接收信号成分复杂的问题,该文提出基于多域组图的信号分析方法,讨论海杂波、瞬态干扰和射频干扰的多域特征。运用时域、频域、距离域、重复周期和多普勒5域,组合为6种2维矩阵图,提出雷达接收数据的“五域六图”(5D6M)方法。通过五域六图,各种接收信号成分在多个域得以分离,海杂波和干扰在不同域的特征得以体现,清晰展示海杂波的频谱和多普勒谱特性、瞬态干扰的大功率和短时性以及射频干扰的窄带与多普勒特性。基于五域六图的信号特性分析,能够为雷达信号分析与处理提供很好的帮助。该文以海杂波为例,设计了基于频域-多普勒域的海杂波多普勒单元检测的新方法。     

基于JEM效应的一种雷达目标识别方法

根据ＪＥＭ（喷气发动机调制）效应和雷达目标回波谱经特点,本文提出了一种雷达目标识别方法。此方法是利用小波变换,得到雷达目标回波信号的频率调频指数,对信号进行相位补偿,然后滤掉信号中的机身频谱和多普勒频谱,再进行相位补偿,用ＦＦＴ（快速傅立叶变换）就可以得到目标的调制谱,由此实现目标识别。由实测数据进行分机处理,证明利用目标的调制谱识别目标,认识效果很好。     

微小目标图像多普勒频谱识别研究

为提高雷达对微小目标的识别精准度，基于深度信念网络对微小目标图像多普勒频谱识别方法展开研究。首先利用深度信念网络挖掘微小目标图像中的深层抽象特征，然后将对目标图像的多普勒频谱识别转换为对强杂波环境下微弱周期信号的识别，从而提高目标图像的信噪比。基于挖掘到的深层次特征，将目标图像周期信号转换为小频率信号，从而完成识别。仿真结果表明：该方法受强杂波影响较小，使得PSD图中峰值更加清晰明了，可在短时间内获得理想的识别结果，且优化了图像信噪比，从而实现了对微小目标的精准识别。     

弹道导弹微动特征参数随雷达回波信噪比的变化特性

雷达目标识别是弹道导弹防御系统中的关键技术,利用导弹目标产生的雷达微多普勒频率进行目标判定是先进的目标识别方法之一。在进行弹道导弹的微动特征参数提取时,雷达回波的信噪比将会对其有不同程度的影响,严重时可能无法实现参数提取。在建立弹道导弹弹头运动模型和基于时频分析法的微多普勒特征参数提取方法的基础上,通过不同雷达回波信噪比下弹道导弹微多普勒特征参数提取的仿真,获得了微动特征参数随信噪比的变化特性。仿真结果表明:基于微多普勒的弹道导弹微动特征参数提取效果随着雷达信噪比而提高;只要雷达信噪比大于5,则都可较好地实现微动特征参数的有效提取。     

基于高分辨距离像的空中目标长度提取方法

雷达采用宽频带信号后,从目标接收到的不再是“点冶回波,而是沿距离分布开的高分辨距离像。目标高分辨距离像包含一定的目标信息,如目标的长度、几何结构等,为雷达目标识别提供了较好的基础。基于长度是代表目标固有的特征信息之一,文中提出一种基于高分辨距离像的飞机目标长度提取方法,并经外场实验验证了该方法的有效性     

PD雷达信号检测-PDID

针对PD雷达中、高重频模式下重频稳定或组变，但组内重频稳定的特征，参照PD雷达接收机的信号处理方法，提出脉冲多普勒识别算法。分析了该算法在提高接收系统灵敏度和在分选识别方面的优越性。对算法进行了计算机仿真和实验验证。     

基于Hough变换的伪码调相信号检测算法

由于伪码调相信号目标多普勒频率的连续展宽特性,在进行弹道测量时,回波目标在时频图中以“直线”形式出现,传统的基于点检测的恒虚警检测算法会产生大量的虚警。鉴于此,根据伪码调相信号目标多普勒频谱特性,提出了一种基于Hough变换直线检测的目标检测方法。该方法在传统的Hough变换基础上进行了优化,根据回波目标的“直线”特性实现目标检测。将两种算法同时对实测数据进行处理,对比结果表明,基于Hough变换的目标检测算法能够准确地分辨目标并提取目标信息。     

目标识别

目标识别(target identification)指雷达对搜索空域中已检测到的目标正确地进行识别的方法或处理。合作目标的识别依靠二次大战中开发的敌我识别(IFF)技术，即在我方和友方的每一架飞机上，装有转发机，搜索雷达通过IFF发射机发射信号对目标进行询问，目标上的转发机在规定频率上以编码信号响应，IFF系统接收该响应并用可视符号进行显示。目前世界上大多数空军都采用IFF系统，所有的商用航线均采用其于IFF概念的信标跟踪系统，即所谓的二次雷达(参见二次雷达)。非合作目标识别于雷达和目标之间没有任何通信的情况。在这里，雷达和其操作员通过将可检测目标的参数，例如速度、高度和目标信号特征，诸如幅度、相位、频谱、调制方式等同已知(存库的)目标类型的上述参数进行相关比较来进行识别。非合作目标识别的成功在很大程度上取决于雷达的复杂程度，信号处理系统的先进性和目标有效观测时间的长短。     

双基地多载频FMCW雷达目标加速度和速度估计方法

双基地多载频FMCW雷达采用稀布阵发射多载频FMCW(Frequency Modulated Continuous Wave)信号,阵列接收目标回波。受速度和加速度的调制,机动目标回波多普勒频谱展宽,导致雷达检测性能下降。该文分析了双基地多载频FMCW雷达的信号模型,提出将多项相位变换和相位差法结合来实现目标加速度和速度高精度估计的方法。分析了该方法在不同数据分段情况下的性能。仿真结果表明,该方法能够以较小的运算量对目标加速度和速度进行高精度估计。     

某型侦察雷达时频图伪彩色处理和动态显示

目前国内战场侦察雷达没有目标识别功能，判断目标类型是通过操作手分辨目标多普勒声音信号来实现的。然而，目标多普勒声音信号受噪声干扰大，操作手对目标尤其是对多目标进行判别非常困难，需要进行大量训练。为了提高目标类型的判断效果，采用伪彩色时频图方法进行目标判别，取得良好的效果。分析了某型战场侦察雷达视频回波特性，并对其进行了一系列处理，得到时频信息，用Matlab中Colormap建立伪彩色列表，以VisualC^#为平台，采用GDI＋方式对时频信息进行处理，实现了伪彩色绘图和位图的动态显示。