基于双谱特征的超宽带雷达人体目标识别

为了在人体微多普勒特征不明显条件下识别静态人体目标及人体姿态,提出了一种结合双谱对角线起伏特性与目标强散射点分布特征进行人体目标识别的方法。首先,通过分析静态人体目标双谱,提取双谱对角线起伏特性作为分类特征,降低了双谱数据的维数,减少了双谱特征冗余。然后,结合目标强散射点分布特征从不同角度描述目标,并构造用于目标识别的特征向量。最后,用支持向量机实现目标识别。仿真和实测结果均表明,双谱对角线起伏特性与目标强散射点分布特征融合的方法可以有效识别出静态人体目标并且实现人体姿态识别。     

雷达目标识别技术

雷达目标识别作为雷达技术发展的必然，成为现代雷达技术重要的研究方向之一。虽然雷达目标识别技术的有一定的进展，但还没有到完全解决问题的阶段，仅仅是广泛进行研究物一开端。本文对上前几种主要的雷达目标识别技术作了阐述，期望对雷达目标识别技术的研究概貌有一个清晰的认识。     

基于极化谱的飞机目标识别

本文基于宽带极化雷达体制背景，将动力学理论用于目标的极化散射特性分析。通过定义一种新的极化谱概念。研究了目标特征信号处理及目标识别等问题。     

基于零相位谱的雷达目标识别

在基于高分辨雷达距离像的目标识别中，相位信息起着重要作用。文中对用于全景图像对齐的零相位表示法进行了改进，得到一种称为零相位谱的平移不变特征，它保留了除线性相位以外的所有相位信息，并进一步提取其低频部分作为识别特征，基于仿真数据的试验表明，与频谱幅度特征相比其识别性能有了较大提高。     

基于互相关方法的多静止人体目标生物雷达检测与识别

文中基于互相关方法,对多静止人体的呼吸心跳生物雷达检测与识别进行了研究,并在呼吸心跳正弦模型基础对其进行了改进,构建出的尖脉冲数学模型,能够与真实人体呼吸心跳相符;分析呼吸心跳频率提取方法及信号预处理算法原理,在雷达回波信号的作用下对其进行一次时频分析,获取函数能将呼吸心跳速度随时间变化情况反应出来.速度曲线频谱处于不...     

雷达目标识别技术

雷达目标识别作为雷达技术发展的必然,成为现代雷达技术重要的研究方向之一。虽然雷达目标识别技术的研究有一定的进展,但还没有到完全解决问题的阶段,仅仅是广泛进行研究的开端。本文对目前几种主要的雷达目标识别技术作了阐述,期望对雷达目标识别技术的研究概貌有一个清晰的认识。     

雷达目标识别技术述评

首先对雷达目标识别研究领域已经取得的成果和存在的问题进行简单的回顾。然后结合对空警戒雷达,阐明低分辨雷达目标识别研究的具体思路。     

基于AR模型参数双谱估计的雷达目标识别

本文利用双谱分析方法，提出用非高期ＡＲ模型对雷在波信号进行参数化双谱估计，通过对实测飞机目标回波数据分析，合理地选择目标特征构成特征矢量，取得了较好的识别结果。     

雷达目标识别技术综述

雷达目标识别技术是集传感器、目标、环境为一体的一项复杂的系统工程,是现代雷达技术的重要发展方向之一。文中总结了目标特性的研究现状,针对不同的识别对象,如弹道导弹、空中目标、海上目标和地面等目标,对现有的识别方法进行了梳理,并分析了雷达目标识别技术的发展方向。     

雷达目标分类/识别技术

分析了雷达目标识别的特点、分类及方法,介绍了雷达目标识别的发展及国外现状,着重研究雷达目标的特征及特征的提取,提出了未来雷达目标识别需要研究的的课题。     

一种基于贝叶斯网络的雷达目标识别方法

利用目标的运动速度、幅度等信息,结合模糊数学的相关知识,通过贝叶斯网络实现对战斗机、民航机和巡航导弹三类雷达目标的识别.识别结果表明,这种方法识别效果好,工程上容易实现.     

基于PCA和DCT的雷达人体动作识别

无载波超宽带雷达人体动作识别系统的关键优势在于无载波超宽带雷达具有极高的分辨率,能够捕获人体的细微动作变化,并且对于室内复杂环境具有很强的抗干扰能力。但是由于无载波超宽带雷达信号不含载波信息,本身能量集中于极窄的波形内,并且发射信号与回波相关性弱,因此传统的提取信号特征的方法不再适用。针对这一问题,首次搭建无载波超宽带雷达人体动作识别系统,并提出一种新颖的基于主成分分析法（PCA）和离散余弦变换（DCT）相结合的无载波超宽带雷达人体动作识别方法,同时利用改进的网格搜索算法优化支持向量机的参数并验证该方法的优越性。最后,基于实测数据在Matlab平台上进行仿真,对实测的10种不同类型的人体动作进行分类识别,实验结果显示,该方法具有很高的识别率,针对不同的方案识别率均能达到99%以上,对小训练样本具有很强的鲁棒性。     

基于无载波超宽带雷达的小样本人体动作识别

随着雷达硬件平台尺寸越来越小、成本越来越低,室内基于雷达的人体动作识别应用已经成为现实,能够在具有简单架构的低成本设备中实现.无载波超宽带雷达具有极高的分辨力,能够捕获人体细微动作变化并且对室内复杂环境具有很强的抗干扰能力.与基于视频人体动作识别研究相比,超宽带雷达还具有穿透家具、墙体以及保护个人隐私等优点.针对雷达回波信号利用传统时频分析方法实现人体动作识别比较耗时、实时性不好的缺陷,引入机器学习方法对不同类型人体动作进行分类识别.引入机器学习方法用于超宽带雷达人体动作识别最大难点是只有少量可用的超宽带雷达实测数据样本,针对该问题提出基于主成分分析法（PCA）和离散余弦变换（DCT）相结合的人体动作特征提取方法,并利用改进网格搜索算法优化的支持向量机在小样本数据下对人体动作进行识别,最后根据实测数据采取三种不同方案进行仿真实验,结果表明即使在训练数据样本只有5组的条件下,基于PCA和DCT相结合特征提取方法在不同类型人体动作的平均识别率均能达到96%以上.     

基于GFMM神经网络的雷达目标识别方法

新型的无师训练（General Fuzzy Min—Max，GFMM）神经网络是一种具备无师训练聚类识别能力的新型神经网络，它继承了原有GFMM网络的特点，在网络的拓扑结构和算法方面进行了较大的改进，增加了能够进行自适应在线学习的能力。基于无师训练GFMM神经网络的雷达目标识别方法完整地实现了雷达目标特征学习和识别的一体化过程。在某型对海警戒雷达舰船目标识别仿真应用实验中的结果表明：文中的方法优于其他传统的神经网络目标识别方法，在雷达目标识别方面具有良好的适用性。     

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。     

基于EMD的无载波超宽带雷达目标检测算法

雷达系统的检测能力与回波采样数据中所包含的目标信号的数据量有紧密联系。无载波超宽带雷达体制下,发射脉冲可以由无载波高斯型信号表示,具有周期内持续时间极短、平均功率极低的特点。所以低信噪比就成为了影响其检测性能的重点问题之一。无载波超宽带雷达体制下的回波目标检测不能够继续沿用经典的频域相关接收的检测理论,由于受到系统信号的时域瞬态特性的影响,利用经验模态分解(EMD)算法对原始回波作初步去噪,同时重构目标信号;再通过包络对齐,完成多个回波的非相干积累。仿真结果验证了这种方法的可行性。     

基于微多普勒效应的雷达目标识别算法

对微多普勒信号进行了建模仿真分析，提出了基于微多普勒信息的雷达目标识别算法。利用改进的经验模型分解方法来提取微多普勒特征，使用相关匹配算法构造分类器。仿真结果验证了该目标识别算法的正确性和可行性。     

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...