一种基于小波变换的毫米波雷达目标识别方法

在分析毫米波雷达目标散射特性的基础上,提出一种基于小波变换的毫米波雷达目标识别方法。这种方法既保留了小波多分辨分析理论在分析高分辨雷达回波信号中的优点,又克服了小波变换没有时移不变性的缺点;同时对小波特征作了抗噪处理。目标识别对比实验获得了满意的结果,证实了这一方法的可行性。     

基于BP神经网络的雷达目标识别算法研究

雷达目标特性复杂多样,而且容易受到电磁、地物、天气等因素的干扰和影响,使其在距离、仰角、方位的测量精度降低,制约了雷达对目标的识别,BP(Back propagation)神经网络具有学习功能,能够十分有效的提高雷达识别系统的效率.     

高分辨雷达目标的模糊识别方法

毫米波高分辨雷达能够获得扩展目标的一维距离剖面像,从中可提取目标多散射结构特征,用于目标识别。但目标距离像随观测角变化给目标识别带来困难,本文基于模糊模式识别理论,提出了对目标姿态扇不角敏感的高分辨毫米波距离象模糊特征提取和目标识别方法,大大提高了毫米波雷达的目标识别率。     

基于时频分析的雷达目标识别算法

以渔船、军舰、直升飞机和固定翼飞机为研究对象,提出基于时频分析的小波变换目标分类识别算法,并利用外场采集数据进行仿真试验验证。结果表明,该算法能对舰船及飞机类目标进行有效的分类识别。     

海上目标雷达回波图像识别系统

针对海上目标雷达自动识别存在方法单一技术受限、识别率不高,难以满足作战应用要求等问题,提出人工判别技术与先进的人工智能技术相结合的方法。通过剖析雷达回波显像特征,提炼人工判别海上目标的知识和经验,综合基于知识的模式识别技术、图像处理技术、自动分类识别技术,构建海上目标雷达回波图像自动识别系统。结果表明,该方法能较大幅度地提高海上雷达目标识别率和作战效率。     

地面侦察雷达目标威胁度评估方法研究

根据目标状态参数和身份识别结果,对目标的威胁度进行评估是地面侦察雷达急需解决的问题。基于地面侦察雷达的目标属性集,利用隶属度函数、专家知识和贝叶斯网络构建了地面侦察雷达动态威胁度贝叶斯评估模型。经仿真验证,目标威胁度评估数据变化特征符合人的推理过程,对于多功能相控阵雷达,可根据目标威胁度自适应调度波束实现对目标的跟踪。     

基于作战辅助决策系统的目标威胁评估排序模型

为提高防空武器系统对付多目标的能力,建立了基于辅助决策系统的目标威胁判断排序模型。首先简述了其理论概念,然后介绍了威胁判断排序的辅助决策系统模型,并建立了知识库,分析了空中目标威胁的因素。该模型具有较好的人机交互功能和自学习功能,可自动获取或修改知识库中的知识,能够智能地确定目标的威胁程度,为指挥员进行作战指挥提供了有效的决策工具。     

基于灰色关联决策的空袭目标威胁评估模型研究

空袭目标威胁评估是一个多属性决策问题.基于灰色关联决策理论,建立了空袭目标威胁评估模型与排序算法.该方法能充分利用主观信息和客观信息,避免求取属性权重估计值的计算,使得空袭目标威胁评估易于编程计算,快捷方便,具有较好的实用价值.     

正交离散子波变换在毫米波雷达目标识别中的应用

该文详细阐述了子波变换的基本原理及快速算法,着重研究其在毫米波非相干雷达目标识别中的应用。模拟结果表明,本文提出的方法运算简便,数据压缩能力强,提取的特征稳定,目标分类效果好。     

基于神经网络的坦克目标特征提取及分类方法研究

该文着重研究应用神经网络来进行毫米波探测器坦克目标特征提取与分类问题，提出了一种基于多层前馈神经网络的特征提取方法和一种基于Ｋｏｈｏｎｅｎ网络组的特征分类方法。并利用毫米波辐射计输出波形数据对本文提出的有关方法进行检验，结果表明本文提出的方法是切实可行的，其提取的特征具有良好的稳定性，且分类的精度很高。     

一种核主分量分析重构的雷达目标识别方法

针对雷达目标高分辨距离像(High-Resolution Range Profile,HRRP)识别中等角域划分造成的目标散射特性失配问题,提出一种基于核主分量分析重构的雷达目标识别方法。该方法在等角域划分下利用核主分量分析提取每个角域内HRRP的特征子空间,再将测试样本投影到各角域特征子空间中进行重构,最后通过计算最小重构误差来判别测试样本的类别。基于5种飞机目标的仿真实验表明,核主分量分析重构方法可以松弛角域划分范围,降低角域划分的精度要求,相比主分量分析重构方法和最大相关系数模板匹配法有效提高了识别性能。     

一种基于犹豫模糊决策的战术目标分析方法

针对作战中如何利用模糊信息进行指挥决策的问题,提出一种基于犹豫模糊决策的战术目标分析方法。 根据目标信息和人工分析特点,利用多个分析人员的知识经验进行判断,将犹豫模糊决策的相关方法引入目标分析 中,采用模糊多属性决策的相关算法分析确定战术目标的性质类型,得出最佳分析结果。计算结果表明：该方法可 为战场态势分析决策提供依据,同时也为目标决策辅助系统的开发提供良好的算法支撑。     

基于卡尔曼滤波的无源雷达目标跟踪分析

提出了一种基于卡尔曼滤波的无源雷达目标跟踪方法.利用无源雷达所测得的运动目标的二维不全信息, 根据卡尔曼滤波迭代估算出目标的位置.简要对无源雷达组网中的信息转换和航迹融合问题进行了讨论.对目标的仿真结果表明, 该算法具有良好的跟踪性能.     

基于Gabor原子变换和支持向量机的毫米波雷达目标识别方法

为提高毫米波雷达目标识别能力,提出一种基于Gabor原子变换和支持向量机(SVM)的雷达目标识别方法。该方法充分利用了Gabor原子变换在信号表示方面的有效性以及SVM在分类方面的优越性,首先将雷达回波信号进行Gabor原子变换,获得信号的特征量,然后利用SVM网络进行分类识别。实验结果表明：该方法可行且具有较高的识别率。     

基于通道参数估计的多输入多输出雷达定位

针对统计MIMO雷达定位精度和目标分辨力不高的现状,提出基于收发通道参数估计的高精度MI-MO雷达定位方法。与传统做法不同,该方法采用共轭信号延迟发射模式,处理回波数据时首先估计MIMO雷达虚拟通道的系数,再利用估计结果修正目标参数估计模型,对目标实施定位。理论分析和仿真结果均表明:该方法极大地提高了统计MIMO雷达的定位精度和目标分辨能力,充分开发了大间距配置MIMO雷达参数估计的潜能。     

系统目标毁伤效果评估问题研究

分析了系统目标毁伤效果评估的特点与要求,提出解决系统目标毁伤评估的工程应用方法。采用损伤树技术分析目标功能结构,并确定关键子目标;将目标系统分解成一系列典型目标,并按典型目标方法选取毁伤效果指标;用指数法解决子目标物理毁伤程度与效能衰减程度间的量化关系;最后,根据系统目标功能结构特点,求取目标系统的整体效能。以航空母舰舰载机作战保障系统为例构建了常规导弹打击下的毁伤评估模型。     

基于雷达高分辨距离像序列识别的研究综述

为了解雷达目标更多的详细信息,对基于高分辨距离像(high resolution range profile,HRRP)序列的目标 识别方法进行分析。对隐马尔可夫模型(hidden Markov model,HMM)、卷积神经网络(convolutional neural network, CNN)、循环神经网络(recurrent neural network,RNN)和长短期记忆网络(long short-term memory,LSTM)等面向序 列识别的分类器进行阐述和讨论,分析不同分类器用于HRRP 目标识别的发展历程,指出不同识别方法的优缺点及 适用性条件。结果表明,该研究可为不同识别场景下应用合适的分类器提供一些思路。     

基于最大隶属度的目标识别

对地空导弹将要拦截的目标进行识别,其主要思想是在综合多个因素的基础上给出待识别目标相对于已有目标集中各目标的隶属程度,通过隶属度排序,决定目标的种类,以便于为防空作战决策提供科学依据.最后通过实例说明该模型的合理性和有效性.