基于一维距离像的目标识别方法

基于飞机目标高分辨一线距离像,给出了一种目标识别方法。首先,在研究了高分辨距离像的相关匹配算法后,给出了在单极化条件下的五种飞机目标回波的识别结果;而后,基于全极化高分辨雷达,提出了一种利用目标极化信息一维距离像的综合识别方法。实验结果表明,该方法具有高的识别率和强的抗干扰能力。     

一种改进的雷达高分辨距离像统计识别方法

基于雷达目标一维高分辨距离像的统计目标识别中,需解决两大问题:其一是如何处理距离像对姿态敏感和平移敏感,其二是如何准确地描述距离像的统计特征.直接将一维距离像用于目标识别通常很难取得好的识别效果.本文将高斯混合模型(GMM)应用到空中目标高分辨一维距离像统计建模中,提出了一种改进的高斯混合模型模糊聚类分析方法并用于目标识别.与传统的k-means聚类算法的实验结果比较表明,该方法是有效、稳健的,在低信噪比条件下具有较好的识别效果.     

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。      

数字变极化探测系统中的极化散射熵提取

人造目标多有尖锐的棱角和平坦的表面,而天然目标不是这样,这为利用极化技术探测和识别创造了条件。 极化信息可以显著提高雷达的目标检测、目标识别与抗干扰性能,在现代的制导、防空、反导等雷达系统中具有广 阔的应用前景。本文以地面目标为研究对象,基于数字变极化单脉冲探测系统,采用多种发射极化形式,利用虚拟 极化合成接收,得到全极化高分辨一维距离像,获得散射熵H 和平均散射角α 在距离像中的分布,可用于在地杂波 背景下的目标检测与识别。     

弹道目标宽带极化特征提取分析

针对弹道目标的极化高分辨一维距离像,研究宽带极化特征提取算法,分析所提取特征表征的目标散射特性及其在目标分类识别中的应用。通过弹道目标全极化高分辨一维距离像,构建极化散射矩阵,估计弹道目标的极化相干矩阵,再对其进行Cloude分解,提取H/α/A/P特征,依此对目标各散射中心的散射机理进行判定,同时分析各特征对于弹道目标可分性的强弱,利用SVM算法进行分类识别,同时考虑了信噪比对识别结果的影响,用仿真实验验证了算法的有效性。     

基于联合稀疏性的高分辨全极化雷达成像研究

针对频率步进体制高分辨全极化雷达,本文研究了基于稀疏信号表示的高分辨全极化雷达成像,并提出了一种基于极化平滑l₀范数算法的成像方法.算法中的联合稀疏性度量综合利用了目标在全极化下的散射特性,因而成像结果兼具全极化处理和稀疏优化算法的优点,不仅能以较少的观测回波获得高分辨距离像,还能全面准确反映目标全极化散射特性,有利于目标识别等进一步应用.仿真和暗室实测数据实验结果验证了本文方法的有效性.     

基于深度卷积神经网络的极化雷达目标识别

针对宽带多极化雷达,提出将高分辨一维距离像(high resolution range profile,HRRP)与极化信息相结合的算法,获得目标在4种极化组态下的一维距离像并将其组成极化距离矩阵.该算法对目标进行全方位的特征抽取与建模,以适应不同的姿态,有助于减少高分辨一维距离像方位敏感性带来的影响.然后提出了直接基于极化距离矩阵、Pauli分解和Freeman分解三种特征提取方式对极化距离矩阵进行目标特征的提取,并将获得的目标特征向量结合起来送入搭建的深度卷积神经网络进行训练学习.该方法不仅结合了不同的特征提取方式以对极化距离矩阵进行更全面的特征提取,而且深度卷积神经网络的运用又对目标特征向量进行了深层学习,仿真结果验证了该方法的有效性.     

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。     

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...     

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     

基于瞬态极化WVD相关的高分辨雷达目标识别

研究了毫米波高分辨极化雷达的目标识别问题,提出了瞬态极化Wigner-Ville分布(WVD)的概念,导出了瞬态极化WVD莫耶公式,证明了瞬态极化WVD时频域相关与极化信号时域相关的等价关系．在此基础上,提出了基于高分辨极化雷达目标回波瞬态极化WVD相关的目标识别方法,并利用五种飞机缩比模型外场测量数据进行了目标识别实验,实验结果表明该方法是一种有效的高分辨极化雷达目标识别方法。     

稀疏分解在雷达一维距离像中的应用

雷达一维距离像成像本质上是对雷达目标散射特性进行信号表示的过程,它以其获取的简单性及有效性,在雷达成像及目标识别方面得到了广泛的应用。针对雷达目标几何绕射参数化模型,利用稀疏分解方法,研究了高分辨一维距离像的重构及特征提取问题。以此可以避免奈奎斯特采样定理的弊端,以更贴近信号本质特征的方法处理雷达回波信号。通过匹配追踪算法,寻找最佳匹配原子的位置,以此估计雷达目标散射点参数。实验结果表明该方法在信号重构及特征提取方面的有效性。     

运动目标循环移位舍弃像拼接算法

雷达目标一维高分辨距离像拼接是一维高分辨距离像用于雷达目标识别的前提。当目标运动时,距离像发生循环移位,采用传统的目标抽取算法如同距离舍弃法和同距离选大法将导致目标抽取结果产生像缺损。分析了目标运动对步进频率一维高分辨距离像的影响,提出了可避免抽取损失的循环移位舍弃像拼接算法。该算法基于幅度最强像修正抽取范围,将抽取范围与距离像同步移动,克服了目标运动对传统的距离像拼接算法的影响,同时避免了精确运动补偿计算量大的问题,具有工程应用价值。仿真实验验证了该算法的有效性。     

雷达目标一维距离像的特征分析

针对一维距离像对姿态角敏感和回波时延的问题．对雷达目标一维距离像的特征进行了分析，结合散射点回波功率的特征提取与傅里叶变换．提出了一种雷达目标识别的方法。     

基于多重支持向量模型的雷达目标识别器设计

在如今日益复杂的地面战场环境下,雷达目标识别技术的需求愈加迫切。高分辨一维距离像(High Resolution Range Profile,HRRP)具有可提供目标在雷达视线上的结构信息的特点,使得其在雷达地面目标识别领域受到了广泛的关注与研究。为实现基于 HRRP 的雷达目标识别实用化,本文构建了一种基于多重支持向量模型的雷达目标识别器。本方法通过对目标特征空间的区域分割、特征区域描述与子分类超平面构建,得到更为精细化的目标特征空间描述,同时达到目标鉴别与分类的联合处理。此外,本方法基于支持向量模型,内存需求少、计算复杂度低, 适合目标识别系统的实际工程应用。通过基于实测数据的对比实验,证明了本文所提方法在目标识别性能与实时性两方面均具有较大的优势。     

宽带毫米波雷达目标时延神经网络识别新方法

基于一维距离像和神经网络研究宽带毫米波雷达目标识别问题,研究了用于雷达距离像序列识别的时延神经网络模型及其学习算法,并提出了基于距离像序列的宽带雷达目标时延神经网络识别方法,还利用三种飞机缩比模型的暗室测量数据,研究了时延神经网络分类器中时延单元数目对分类精度的影响以及分类器的分类性能。实验结果表明：本方法具有良好的应用前景。     

基于OFDM信号的二维全极化信息提取

目标高分辨和全极化信息在遥感成像、目标分类、识别等领域具有重要应用。基于全极化OFDM信号模型,研究了用于获取运动目标二维全极化散射特征的新方法。建立了全极化 OFDM接收信号模型,提出了信号频域采样的二维极化 MUSIC算法,用于提取目标散射中心的全极化高分辨信息;利用某目标模型的暗室测量数据进行仿真试验,验证了该信号相关处理算法的有效性。该研究成果可为新体制宽带成像雷达系统研制提供参考。