分数阶Fourier域低分辨雷达飞机回波的分形特性分析与目标分类

常规低分辨雷达体制下的目标分类与辨识是雷达目标识别领域的一个研究难点。研究表明,地、海、空等雷达杂波具有分形特性,不同类型目标会对回波分形特性产生不同的影响,但在强杂波背景下,回波的分形特性更多地表现为杂波的特性。作为一种非平稳信号分析工具,分数阶Fourier变换可以有效地获取目标回波信号的细节特征并充分抑制杂波,且具有快速算法。为此,论文立足于分形及其相关理论,拟从分数阶Fourier域对常规雷达飞机目标回波的分形特性进行分析,估计和分析其分形参数,并对分数阶Fourier域回波分形特征在飞机目标分类中的应用进行探讨。研究结果表明,在最优变换阶数下,分数阶Fourier域飞机目标回波具有显著的分形特性,且充分反映了目标的特性,分形测度分析可以揭示回波的动力学演化机制,且最优变换域回波分形特征可以有效用于飞机目标的分类和识别。     

基于多重分形的雷达目标的模糊检测

利用多重分形的概念对海杂波和舰船雷达目标回波进行了分析,并提取出其多重分 形特征用于舰船目标检测.实验表明,广义维数谱具有良好的可分性和稳定性.在检测中,将 待查信号分为两类:海杂波目标和舰船目标,将广义维数谱作为特征矢量,计算其相对于两 类目标的隶属度并作出判断.多组检测实验证明了该方法的有效性和实用性.     

一种对空目标分类识别的设计方法

针对空中目标旋转部件对雷达回波有调制作用的机理,它利用回波时域幅度调制信息的幅度偏差系数作为调制特征,首先利用仿真数据分析了固定翼飞机目标和直升机飞机目标的差异,随后提出了一种最近邻分类器的设计方法,最后利用实测数据对目标进行分类,取得了较高的识别率.该分类器算法复杂度低,计算量小,识别率高,可以用这种方法对两类目标进行分类识别.     

螺旋桨飞机调制周期特征的WVD分析法

螺旋桨飞机是一种常用的军事飞机,用现役雷达识别螺旋桨飞机具有重要的军事意义.大量的研究表明:螺旋桨飞机目标回波的调制周期特征是识别螺旋桨飞机的一种有效特征.为此,根据调制特性参数模型,针对防空雷达回波,提出用Wigner-Ville分布(WVD)来分析螺旋桨飞机目标回波中的调制周期特征,并与时域和频域的分析结果做了比较.在不同条件下仿真分析螺旋桨飞机调制周期特征的基础上,用WVD对两种螺旋桨飞机实际回波中的调制周期特征进行了分析.仿真与实际雷达回波分析表明:用WVD分析防空雷达螺旋桨飞机目标旋转部件的调制周期特征是正确和有效的.     

微下击暴流的三维建模与预警仿真研究

风切变是一种特殊的大气现象,对飞机的飞行形成干扰,会对飞机飞行安全造成很大的危害.为解决上述问题,提出一种三维特征风场建模的方法来仿真微下击暴流.利用流体的数学特征,建立模型,进行风切变雷达回波的仿真,通过对危险因子的判定达到对风切变现象的勘测和预警.风场建模方法以典型微下击暴流为目标,根据流体数学模型,建立了以速度场为特征,风场特征可调的微下击暴流风场,并对所建立的风场进行了分类.随后进行雷达回波信号仿真,结果表明所仿真的风场的确具有风切变特征,并可通过信号处理方法进行危险因子的判决分析,用来完成机载雷达对于风切变预警,并证明特征风场的正确性和有效性.为进一步的风切变信号处理方法提供了基础,有助于提高飞机飞行的安全系数.     

海杂波的多重分形特性分析

通过对实测海杂波数据进行多重分形测度分析，判定海杂波信号具有多重分形特性。本文进一步提取表征海杂波复杂特性的多重分形参数，研究了不同条件下海杂波多重分形特性的变化特点，探讨了基于多重分形特性的雷达目标检测方法的可行性，并给出了实验结果。本文的研究为基于多重分形特性的海杂波建模与仿真、雷达目标检测提供了依据。     

非线性模拟电路故障诊断的小波领袖多重分形分析方法

针对非线性模拟电路故障的复杂性和非线性,提出一种基于小波领袖多重分形分析和支持向量机的故障诊断方法.首先,采用小波领袖方法对从测试节点采集的信号进行多重分形分析,并将提取的多重分形谱特征构成特征集;然后将特征集输入支持向量机,利用支持向量机的分类功能对电路的模式状态作出决策;最后,视频放大器电路故障诊断实验验证了该方法的有效性.     

非线性模拟电路故障诊断的MF-DFA方法

针对非线性模拟电路故障的复杂性和非线性,提出一种基于多重分形消除趋势波动分析和支持向量机的故障诊断方法.应用多重分形消除趋势波动分析方法处理信号,提取能够精细表征信号能量分布的奇异状况和几何特征分布概率的多重分形特征;将提取的多重分形特征作为支持向量机的输入样本,利用支持向量机的分类功能对电路工作模式作出故障决策.通过对Duffing混沌电路的模拟仿真实验,证明了该方法的有效性.     

雷达辐射源信号的多重分形特性研究

分形维数可以描述信号的复杂程度.但是单个分形维数描述信号是不够的,故对不同调制雷达辐射源信号的多重分形特性进行研究.通过仿真六种常见脉内调制雷达辐射源信号,并计算它们在不同情况下的多重分形广义维数,结果发现多重分形广义维数时噪声不敏感,同时,同一种调制方式下调制参数对广义维数的影响也不大.因此.多重分形广义维数可以作为雷达辐射源信号脉内调制方式识别的分类特征.     

基于多维特征及BP网络的高分辨雷达目标识别

高分辨雷达目标的识别性能取决于目标特征的提取以及分类器的设计。为解决雷达高分辨距离像（HRRP）的方位、平移和幅度敏感性问题,采用了序贯预处理方法,有效提高了HRRP的信噪比。通过提取能较好反映雷达目标散射点回波特性的多维特征向量,设计BP神经网络作为分类器,提出了一种基于目标多维特征向量以及BP神经网络的高分辨雷达目标识别方法。利用在微波暗室测量获得的三种国产飞机模型回波数据进行目标识别处理,实验结果表明,提出的方法能有效地完成三种目标识别任务,在虚警率低于3%的情况下正确识别率优于95%。     

基于模糊函数多域特征融合与集成学习的雷达辐射源信号识别

针对复杂电磁环境下雷达辐射源信号识别方法中存在的抗噪性能差、识别准确率低等问题,提出一种融合模糊函数多域投影特征的集成深度学习识别方法.首先,对信号的模糊函数进行高斯平滑处理,从多域视角出发选取合适角度对模糊函数进行二维投影以构建特征数据集;然后,构建一种基于多域特征融合的两阶段识别分类方法,使用多个密集连接网络DenseNet 121作为初级分类器分别对3类特征数据集进行训练学习,得到初级分类结果;最后,通过Stacking策略对初级分类结果进行融合学习,得到最终类别信息.实验结果表明,所提出方法在信噪比为0 dB时对6类典型雷达信号的整体平均识别率均保持在97.24%以上,即使是在-4 dB环境中,识别率也稳定在87.16%以上,验证了所提出方法的有效性和可行性,具有一定的工程价值.     

多分类器融合实现机型识别

针对空战目标识别中机型识别这一问题,提出了基于多分类器融合的识别方法。该方法以战术性能参数为输入,便于满足空战的实时性要求。通过广泛收集数据,得到机型识别的分类特征,选取分类特征的子集作为单分类器的特征,用BP网络设计单分类器,然后选用性能优良的和规则进行分类器融合,求得最终的决策。实验结果表明,多分类器融合的识别性能明显优于参与融合的分类器,也优于相同输入的单分类器。该方法的另一特点是能够进行缺省推理,因而有较强的抗干扰能力,适合真实战场环境的需要。     

Cyber security methods for aerial vehicle networks: taxonomy,challenges and solution

Aerial vehicle networks (AVNs) compose a large number of heterogeneous aerial nodes, such as unmanned aerial vehicles, aircrafts and helicopters. The main characteristics of these networks are the high mobility of aerial nodes and the dynamic network topology. AVNs represent attractive targets for attackers due to the fact that aerial nodes could be connected to an untrusted network and hence lead the attackers to launch lethal threats, e.g., aircraft crash. Therefore, the security of AVNs is mandatory. In this article, we examine the challenges of cyber detection methods to secure AVNs and review exiting security schemes proposed in the current literature. Furthermore, we propose a security framework to protect an aircraft (SFA) against malicious behaviors that target aircrafts communication systems. Numerical results show that SFA achieves a high accuracy detection and prediction rates as compared to the current intrusion detection for aircrafts communication system.     

基于核方法的雷达目标一维距离像识别

由于雷达目标及其所处环境的复杂性,导致不同目标之间的关系往往是非线性的.研究基于核的非线性方法,并将其应用于雷达目标一维距离像识别.核Fisher判别分析(KFDA)是一种抽取非线性特征的最有效方法之一,但它往往会面临小样本问题.针对此问题,给出一种null-KFDA方法,对距离像进行特征提取.然后,采用一种新的核非线性分类器——KNR(kernel-based nonlinear representor),对所提取的特征进行分类.对3种飞机的实测距离像进行实验,结果验证了null-KFDA的有效性.此外,与非线性支持向量机(SVM)和径向基函数神经网络(RBFNN)相比,KNR分类器具有更优的识别性能.     

Robust radar target classifier using artificial neural networks

In this paper an artificial neural network (ANN) based radar target classifier is presented, and its performance is compared with that of a conventional minimum distance classifier. Radar returns from realistic aircraft are synthesized using a thin wire time domain electromagnetic code. The time varying backscattered electric field from each target is processed using both a conventional scheme and an ANN-based scheme for classification purposes. It is found that a multilayer feedforward ANN, trained using a backpropagation learning algorithm, provides a higher percentage of successful classification than the conventional scheme. The performance of the ANN is found to be particularly attractive in an environment of low signal-to-noise ratio. The performance of both methods are also compared when a preemphasis filter is used to enhance the contributions from the high frequency poles in the target response.     

Pattern recognition with moment invariants: A comparative study and new results

Moment invariants have been proposed as pattern sensitive features in classification and recognition applications. In this paper, the authors present a comprehensive study of the effectiveness of different moment invariants in pattern recognition applications by considering two sets of data: handwritten numerals and aircrafts.

The authors also present a detailed study of Zernike and pseudo Zernike moment invariants including a new procedure for deriving the moment invariants. In addition, the authors introduce a new normalization scheme that reduces the large dynamic range of these invariants as well as implicit redundancies in these invariants.

Based on a comprehensive study with both handwritten numerals and aircraft data, the authors show that the new method of deriving Zernike moment invariants along with the new normalization scheme yield the best overall performance even when the data are degraded by additive noise.     

基于FPGA 的AFDX 软硬件协同设计

随着目前民用大型飞机的国家战略实施,针对大飞机航电系统中骨干网络AFDX,提出一种基于FPGA的AFDX端点卡。该方案基于软硬件协同设计的思想,设计出一种新型的基于PCIE接口或基于SoPC的AFDX端点卡。基于FPGA的AFDX端点卡成果可直接应用在军用大型运输机、直升机、战斗机、机场地面维护系统等平台上,可以提升军用计算机的高安全、高可靠性能。为各类武器平台电子设备的开发提供相关标准和规范,可以缩短系统开发周期,降低系统开发成本。     

基于参数可变遗传算法的多普勒雷达目标识别方法

目标识别是防空信息处理中的一个重要环节,而对空中目标类型的识别还没有成熟的理论。通过对高分辨雷达回波信号的分析,在遗传算法的基础上,提出一种高分辨雷达目标识别方法,由此进行目标识别。仿真实验结果表明,该方法具有高的识别率和强的抗干扰能力。