基于一维像序列的进动目标尺寸估计研究

利用高分辨距离像估计目标尺寸是弹道导弹中段防御雷达目标特征提取和识别的重要途径.该文提出了一种在目标进动条件下,利用多幅高分辨一维距离像进行中段弹道目标真实长度估计的方法.推导了目标1维高分辨距离像长度与弹道目标真实长度、进动参数之间的函数关系,建立了1维距离像长度的观测模型,采用最大似然估计法实现了目标长度的估计.最后给出了基于仿真数据和某弹头实测数据条件下的尺寸估计仿真结果,验证了所提方法的有效性.     

一种改进的高分辨雷达随机脉冲串检测方法

由于高分辨雷达的分辨率远小于目标尺寸，使得目标呈多散射中心，回波能量沿时间分布，从而降低了峰值幅度，增加了目标检测难度。因此文中基于一维距离像提出了一种新的高分辨雷达检测方法，该检测方法将一维距离像看作随机脉冲串，利用一维像强散射点的位置信息和幅度信息联合进行检测，自适应地估计目标一维距离像长度，提高了高分辨雷达检测性能。     

基于多普勒谱特征分析的舰船长度估计

当前,各国越来越重视发展和保护本国的海洋权益,利用宽带雷达获取舰船目标的高分辨距离像并进行舰船类型识别逐步成为研究热点。船长是舰船的重要特征信息,对于判定舰船的类型和威胁等级具有重要意义。由于海杂波的时变和复杂性,利用信噪比门限方法确定距离像中舰船目标的边界并估计船长是不稳健的。从舰船类大刚体目标与海表面的运动特征差异出发,详细阐述了基于高分辨距离像多普勒谱分析的舰船长度估计方法,对不含目标距离单元和含目标距离单元多普勒谱的特征差异进行分析。提出分别利用多普勒谱的归一化波形熵特征和距离滑窗内距离单元的多普勒中心频率的均方差特征判定距离单元中目标的有无,实验结果证明了所提方法的有效性。     

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     

子波高分辨谱估计方法及其在毫米波雷达目标一维距离成像中的应用

文中研究了一种子波谱估计方法。将该方法用于实际的毫米波雷达目标一维距离成像背景之下,在信号采样频率、采样数据长度相同时,可以获得像分辨率高于相同条件下FFT方法的一维距离像,从而可以对一维距离像进行高分辨地分析,在实际应用中具有一定的意义。     

双基地ISAR高分辨距离像联合稀疏反演方法北大核心CSCD

双基地雷达是分布式雷达系统的基本构成单元,文中推导了双基地逆合成孔径雷达构型下的回波信号模型,从理论上证明了目标的高分辨距离像具有联合稀疏特性。为了解决双基地夹角使距离分辨率恶化的问题,文中提出一种基于双曲正切混合范数的联合稀疏反演算法,通过合理的参数设置可促进高分辨距离像的联合稀疏,能较好地消除双基地夹角对距离分辨率的影响,在较低信噪比的条件下获得比传统稀疏反演算法更好的反演性能。仿真结果验证了文中方法的有效性。     

一种基于多特征提取的雷达目标识别方法研究

直接利用雷达高分辨一维距离像或是提取一维像单一特征进行目标识别难以取得理想效果.为了更好地反映雷达目标本身的物理特性,提高雷达目标识别率,对雷达目标高分辨一维距离像的频谱幅度、能量聚集区长度、散射中心数目和中心矩特征进行提取并构成多特征向量,描述雷达目标高分辨一维距离像频域、能量等物理特性,采用主成分分析方法进行特征维...     

子波高分辨谱估计方法及其在毫米波雷达目标一维距离成像中的 …

文中研究了一种子波谱估计方法,将该方法用于实际的毫米波雷达目标一维距离成像背景之下,在信号采样频率,采样数据长度相同时,可以获得像分辨率高于相同条件下ＦＦＴ方法的一维距离像,从而可以对一维距离像进行高分辨地分析,在实际应用中具有一定的意义。     

基于高分辨距离像的分布式协同识别方法

宽带高分辨图像是复杂突防场景下真假弹头识别最有效的特征之一。针对单部雷达无法有效估计目标真实尺寸问题,提出了基于分布式宽带雷达的高分辨一维像协同识别方法。通过多部宽带雷达协同测量,获取弹道目标同一时刻多视角下的高分辨一维距离像,利用多个视角的径向尺寸协同估计目标真实尺寸。仿真分析了典型突防场景下,双站最小二乘估计和递推最小二乘序贯协同尺寸估计方法的有效性。     

多视角距离像序列弹道目标的进动参数估计

进动参数是中段目标识别的重要特征来源,该文以锥形弹头为研究对象,分析了进动参数、目标结构参数对一维距离像上目标长度的影响,建立了高分辨雷达多视角观测模型。在此基础上,提出了一种基于多视角时间-距离像对进动特征及结构特征进行联合估计的算法,并对其CRB进行了推导。该算法利用多部高分辨雷达所观测的目标投影长度变化信息实现了无先验信息下进动参数与目标结构参数的高精度估计。仿真结果验证了所提算法的有效性。      

基于半参数化概率密度估计的雷达目标识别

该文针对雷达目标高分辨距离像(High-Resolution Range Profile, HRRP)识别中距离单元回波幅值统计建模所面临的概率密度模型选择问题,提出一种基于半参数化概率密度估计的雷达目标识别方法。半参数化概率密度估计从参数化概率密度估计出发,有效利用了高分辨距离像各距离单元幅值近似服从Gamma分布的经验知识,并且通过非参数化修正因子对Gamma模型进行修正,达到参数化方法和非参数化方法优缺互补的目的。基于5种飞机模型高分辨距离像数据的仿真实验证明了该文方法的有效性。     

最大间隔核优化的雷达目标高分辨距离像识别新方法

基于目标高分辨率距离像的雷达自动目标识别技术在军事和民用上都有巨大的应用价值。但是由于雷达目标高分辨距离像的姿态敏感性以及高特征维数,造成了其非线性可分性。针对此问题,本文提出了一种基于最大间隔核优化的雷达目标高分辨距离像识别方法。本方法首先采用了最大间隔准则算法来优化数据依赖核函数,然后利用支持向量机分类器实现了雷达目标高分辨距离像识别,最后进行了基于5种战斗机目标高分辨距离像的实验仿真。实验结果表明了基于最大间隔核优化的目标识别算法对于SVM分类器可以有效实现核函数优化,从而能够提高目标识别性能。      

一种基于高分辨距离像的目标长度特征提取算法

讨论了基于高分辨距离像（HRRP）的目标长度特征提取原理。在分析影响长度特征估计主要因素的基础上,结合距离像降噪、非相干平均、自适应阈值选取、突变误差消除和长度平滑等处理,给出了基于HRRP的长度特征提取实用算法。雷达实测数据的处理结果表明,该算法能实时获得目标的投影长度,具有良好的鲁棒性和估计精度。     

雷达目标识别发展回顾与实现中的关键理论

雷达目标识别作为智能化武器发展的关键技术,在未来信息化条件下联合作战中发挥着极为重要的作用.阐明了雷达目标识别研究的科学意义,回顾了该领域的发展过程及已取得的研究成果,分析了基于高分辨雷达一维距离像目标识别研究的具体思路,在此基础上,重点讨论了几种一维距离像的特征提取方法、分类识别方法及如何克服方位角变化对距离像的影响等雷达目标识别实现中的关键理论,对这些理论的深入研究将极大地促进雷达目标识别技术的发展.     

全极化高分辨雷达距离像统计识别方法

在全极化、高分辨雷达体制背景下,提出一种将极化信息与高分辨距离像相结合的雷达目标统计识别方法。采用物理统计非高斯模型对全极化高分辨距离像建模,用模型参数分别表征具有较强散射强度分辨单元的多少和强弱,将全极化下的模型参数直接作为特征矢量,并采用Parzen窗法估计模型参数的概率分布密度,用贝叶斯分类器进行分类识别。对实测的导弹类目标识别结果表明,该方法能有效克服距离像特征依赖于方位信息的缺点,达到令人满意的识别结果。     

基于一维距离像的雷达目标识别研究进展

现代高分辨雷达为雷达目标识别提供了新的途径,相应的高分辨一维距离像具有易获取和处理的特点,同时还能够揭示出目标径向结构的分布特性,因而在目标识别领域具有良好的应用前景.文中分析了基于一维距离像的雷达目标识别研究现状,包括一维距离像的模型、距离像特性分析、特征提取方法以及分类器的设计方法等,并且指出了高分辨一维距离像目标识别今后的研究方向.     

混合因子模型在雷达目标识别中的应用

高分辨一维距离像是雷达自动目标识别的重要特征之一,它对目标姿态变化很敏感,只有通过进一步处理才能够实现有效的目标识别。针对距离像的这种姿态敏感性,本文提出了一种基于混合因子建模的雷达目标识别框架,它通过对从各个姿态角下获得的目标一维距离像出发构建目标的距离像概率生成模型,然后利用该模型通过比较条件概率大小的方法判别目标类属。对5类飞机数据的实验结果表明该框架对任意姿态角距离像的目标识别有很好性能。     

高分辨距离像识别中支持向量机分类技术研究

核函数参数对支持向量机分类器性能有很大影响。首先定性分析了核函数参数对分类器分类边界的影响,然后基于高分辨距离像比较了各种泛化误差估计方法性能,得到了适合高分辨距离像识别的泛化误差估计方法,最后基于该方法优化支持向量机分类器参数实现了对4类目标的分类识别,通过识别混淆矩阵、识别ROC曲线验证了有效性。     

基于卷积神经网络的雷达目标HRRP分类识别方法

卷积神经网络通过卷积和池化操作提取图像在各个层次上的特征进而对目标进行有效识别,是深度学习网络中应用最广泛的一种。文中围绕一维距离像雷达导引头自动目标识别,开展基于卷积神经网络的目标高分辨距离像分类识别方法研究。首先,基于空中目标一维距离像姿态敏感性仿真生成近似平行交会条件下不同类型目标的高分辨距离像数据集;其次,构建一种一维卷积神经网络结构对目标高分辨距离像进行分类识别;作为比较,针对同类高分辨距离像数据集,分析了主成分分析-支持向量机方法的目标分类识别效果。结果表明:基于卷积神经网络的目标分类识别算法有更好的识别能力,对高分辨距离像的姿态敏感性具有较强的适应性。     

基于一维距离像稀疏表达的无源假目标识别

为了解决敌方释放箔条干扰我方防空反击任务或者敌方舰船设置角反射器阵列干扰我方对海目标打击任务中的雷达抗干扰问题,提出了一种基于雷达一维距离像的稀疏表达的无源假目标识别的方法。首先,分别利用大量关注目标和无源欺骗干扰的雷达一维距离像数据进行稀疏字典学习,分别得到目标和干扰的稀疏字典;然后利用两种稀疏字典分别对未知的雷达一维距离像信号进行稀疏表达;最后分别计算两种稀疏字典对未知信号稀疏表达的重构误差,利用重构误差比值识别目标和干扰类别。仿真结果表明,在目标与无源假目标干扰的回波不混叠、目标与干扰噪声比3 dB条件下,识别无源假目标欺骗干扰的准确率超过90%,证明了该方法抗无源假目标干扰的有效性。