多视角微多普勒融合的进动目标特征提取

微动特征是弹道目标识别的重要特征之一。针对锥体目标模型,提出了一种基于多视角窄带雷达网的微动参数提取方法。在详细分析锥体目标等效散射中心微多普勒变化规律的基础上,利用各散射中心之间的微多普勒相关性,结合频率补偿的方法,实现了回波多普勒谱中各散射中心对应的微多普勒曲线的匹配识别。在此基础上,构建多视角联合方程组,提取出锥体目标的进动角、底面半径、锥体高度等参数。仿真结果证明了该方法的有效性与适应性。      

基于微多普勒特征的目标微动参数估计

本文首先建立了锥体目标微动模型,分析了其微多普勒特征,从理论上预测了多普勒谱宽与微动参数和目标几何参数的线性关系,然后由目标雷达回波模型,利用数值解的方法验证了多普勒谱宽与微动参数的线性关系,由此提出了一种新的锥体目标雷达特征提取和参数估计的方法.最后使用软件对目标进行电磁散射建模,并利用静态建模数据完成准动态的建模,使用仿真数据估计微动和目标几何参数,最后通过仿真结果证明本文提出的方法的效果.     

空间锥体目标的平动补偿与微动特征提取方法

微动特征对空间锥体目标识别与参数估计等有着重要意义,而目标的平动会破坏微多普勒谱的结构,影响微动特征的提取.针对这一问题,提出了一种基于时变自回归(Time-Varying Autoregressive,TVAR)模型的平动补偿与微动特征提取方法.算法首先分析了锥体目标的散射特性,在此基础上推导了微动和平动引起的回波瞬时频率的变化规律;利用TVAR模型估计目标回波的瞬时频率,并对估计结果作解模糊和重新关联处理,从而获得回波的瞬时频率分量;最后,对瞬时频率分量包络进行多项式拟合,利用拟合结果补偿目标平动,进而提取出微动特征.基于电磁计算数据的实验验证了所提算法的有效性及精确性.     

基于动态字典的卡车目标微动参数估计方法

车轮旋转产生的微多普勒是轮式车辆独特的特征.卡车类目标微动参数提取,可为地面车辆目标的分类识别提供重要依据.（1）对窄带雷达信号下的卡车目标进行回波建模,推导了车身非旋转散射点多普勒和轮毂旋转散射点微多普勒的数学表达式;（2）利用旋转点的微动参数构造相应的字典库进行匹配分解,建立了噪声条件下微动参数提取的凸优化模型;（3）针对采用过完备字典方法进行参数提取时,维数过大带来的计算和存储负担问题,进一步推导出关于微动参数集的凸函数,构造出更小规模的动态字典,通过对字典的动态调整和最小二乘准则下的迭代逼近,较快实现了卡车目标微动参数的准确估计;（4）仿真验证了方法的有效性和稳健性.     

基于复图像OMP分解的宽带雷达微动特征提取方法

针对宽带雷达中目标微动散射点发生越距离单元走动和方位欠采样条件下的微动特征提取问题,该文提出了一种基于复图像正交匹配追踪 (OMP)分解的微动特征提取新方法。该方法利用目标距离-慢时间像的幅度和相位信息,构造复图像空间的微多普勒信号原子集,将向量空间的OMP 算法拓展到复图像空间,实现了距离-慢时间平面上目标微动特征的提取。仿真实验表明该方法能够有效提取微动散射点发生越距离单元走动条件下的微动特征,并且可以实现方位欠采样时的微动特征提取。      

非刚体目标运动建模与宽带雷达回波仿真

空间非刚体运动目标产生的微多普勒特征为空间目标物理特性反演提供重要的依据,为空间轨道、弹道目标识别提供了新的手段。根据空间非刚体目标的运动特点,建立了目标微动数学模型,并基于典型的宽带雷达波形（LFM）推导了微动对回波的调制形式,分析了微多普勒的特点,最后利用仿真实验验证了该模型的有效性。     

基于分布式组网雷达的弹道目标三维进动特征提取

弹道目标微动特征提取是当前研究的一个热点,但在单基雷达中,由于视角限制,仅能提取目标在雷达视线方向上的微动分量,难以获得目标的真实三维微动参数.本文基于分布式组网雷达,利用组网雷达的多视角特性,提出了有翼弹道目标三维进动特征提取方法.首先基于目标锥顶散射点的微多普勒特征参数实现了目标空间三维锥旋矢量的重构,在此基础上,通过分析锥底边缘散射点的进动特征与微多普勒曲线的关系,提取了目标的进动周期、自旋周期、进动角、锥底半径、自旋轴与锥旋轴的交点位置等特征,并实现了目标长度的估计.仿真实验验证了算法的有效性,并进一步利用仿真实验分析了算法的鲁棒性.     

基于四元数矩阵奇异值的目标特征提取与识别

在弹道中段,目标的微动差异是识别弹头和诱饵的有效特征.但目标微动特征参数的提取往往受到目标平动补偿精度、雷达装备工作状态和环境等因素的限制,进而导致目标识别率降低.首先建立了基于四元数的弹头与诱饵微动模型,将目标的微多普勒时频像视为彩色图像,并将彩色图像用四元数矩阵模型描述.根据奇异值向量的稳定性和旋转不变性,提出了基于四元数矩阵奇异值分解和支持向量机的弹道目标微多普勒特征提取与分类识别方法.仿真结果表明:四元数矩阵奇异值构成的特征向量比基于Hu矩的特征向量更加有效;提高信噪比,有助于提高分类器的目标识别率;目标径向速度估计误差的增大,会降低分类器的目标识别率;增大雷达的脉冲重复频率可以明显提高目标的正确识别率.     

基于卷积神经网络的海上微动目标检测与分类方法

该文利用深度学习的高维特征泛化学习能力,将卷积神经网络(CNN)用于海上目标微多普勒的检测和分类。首先,在海面微动目标模型的基础上,在实测海杂波背景中分别构建4种类型微动信号的2维时频图,并作为训练和测试数据集;然后,分别采用LeNet, AlexNet和GoogLeNet 3种CNN模型进行二元检测和多种微动类型分类,并进行比较,研究信杂比对检测和分类性能的影响。最后,与传统的支持向量机方法进行比较,结果表明,所提方法能够智能学习微动特征,具有更好的检测和分类性能,可为杂波背景下的雷达动目标检测和识别提供新的技术途径。      

基于微多普勒分析的弹道目标识别技术研究

目标微动产生的微多普勒特征,通常被认为是目标独有的特征,可用于确定目标的性质,实现对目标的检测、识别与分类。文中在对微动目标微多普勒分析的基础上,建立了导弹与诱饵的数学模型,采用短时傅里叶变换的方法对回波信号进行微多普勒特征提取,仿真分析了导弹与诱饵的微多普勒特征,通过研究其时频分布特点的差异成功的识别出了真假目标,从而为弹道导弹与重诱饵的识别提供了一个新的有效方法。     

太赫兹双频雷达目标微动特征提取仿真

基于双频太赫兹回旋管设计了双频太赫兹雷达,针对振动、转动、翻滚运动目标建立了包含微多普勒信息的目标回波模型,采用时频分析方法开展了微动特征仿真计算.通过仿真结果可以看出,0.11 THz雷达和0.22 THz雷达对于振动、旋转、翻滚的微动特征都有厘米级的探测能力.在较强噪声条件下,通过自功率谱时频分析,可以抑制噪声,提...     

一种基于飞机目标CFD图的目标特征提取算法研究

随着雷达目标微多普勒现象的发现,目标的微动特性在雷达自动目标识别中逐渐受到了广泛的关注。微动目标回波中包含了精细的目标微多普勒特征信息,因此,可以从其中推断出目标特有的独立特征。而基于目标微动回波时频图的特征更是因为其信息量充足的特点,成为了一种新兴有效的目标分类特征。文中主要研究了飞机目标的韵律频率图(Cadence Frequency Diagram,CFD)特征分类算法,详细叙述了算法的具体步骤。仿真分析了CFD特征在飞机目标分类中的特点和优势,并且研究了相关参数对CFD特征的影响。     

一种基于全极化回波的微多普勒增强算法

极化信息的有效利用可提高目标特征提取和识别的精度.针对微动目标的微多普勒提取问题,在介绍传统微多普勒提取算法的基础上,建立了微动目标的全极化回波模型,提出了一种基于全极化信息的微多普勒提取算法.该方法以时频图像的对比度作为目标函数,通过寻找一组最优极化矢量提高时频图像质量.仿真数据实验表明,本文方法比传统时频变换方法得到的时频图像的对比度更高.真实数据实验发现,本文方法得到的图像对比度高达2.56,而传统时频变换方法得到的图像对比度在0.88到1.66之间.实验结果证明了本文方法的有效性和相比传统方法的优势.     

基于双通道GoogLeNet网络的旋翼无人机分类

针对利用雷达微多普勒效应的旋翼无人机识别问题,提出了一种基于双通道GoogLeNet网络的分类识别方法。首先对旋翼无人机的回波信号进行短时傅里叶变换（Short-Time Fourier Transform,STFT）从而获得信号时频谱,对时频谱沿时间轴进行傅里叶变换得到节奏速度图（Cadence-Velocity Diagram,CVD）。然后将时频图和CVD作为双通道GoogLeNet网络的输入进行特征提取用以获得回波信号的时频域和节奏速度域的特征,最后将所获得的特征输入到Softmax分类器中进而实现旋翼无人机的分类识别。基于实际雷达数据的实验结果表明,所提旋翼无人机分类方法准确率可达到98.9%。     

外辐射源雷达直升机旋翼参数估计方法

外辐射源雷达是一种基于第三方非合作照射源的新体制雷达系统,在微多普勒效应目标分类和识别方面具有独特的优势,而其特点也决定了微多普勒效应参数估计方法需要具有良好的抗噪性能且计算量要小。针对上述问题,该文依据外辐射源雷达直升机旋翼微动信号模型,提出了利用时频域中回波闪烁特征进行直升机旋翼参数估计的新思路。通过对时频图中正负频率轴数据的幅值分别进行累加,提取出回波闪烁参数,同时,依据微动信号内在特性构建字典矩阵,利用正交匹配追踪算法实现了叶片长度、叶片数量、旋翼转速等参数的估计,相比常规Hough变换参数估计方法,该文方法更准确,更迅速。仿真和实测证明了该文方法的有效性。      

雷达目标旋转部件的微Doppler效应

目标的微动特征与目标属性密切相关,可作为目标识别的重要特征。对旋转部件,该文建立了具有空域时变特性的点散射模型。基于此模型,分析了由目标的旋转部件引起的微Doppler效应,对含有旋转部件的目标回波的时频特性进行了理论推导,并利用外场实测数据,得到了雷达目标回波的时频图,与理论推导的结果十分吻合,验证了理论推导的正确性。在此基础上,提出了一种基于短时傅里叶变换的目标微动参数提取方法,利用实测数据对目标的微运动参数提取进行了尝试,得到了很好的结果,为PD雷达的目标特征提取与识别提供了理论指导。     

一站固定式双基FMCW SAR地面振动目标检测与特征提取

地面目标的微小运动是目标本身独有的特性,可用于目标的分类与识别。论文对一站固定式双基FMCWSAR地面振动目标检测与特征提取方法展开研究,采用相位中心偏置天线(DPCA)技术进行杂波抑制,进而检测出地面振动目标。对回波信号分析表明,经DPCA杂波抑制后回波信号中存在一个随慢时间变化的包络项,称为慢时间包络(STE),该项将影响振动目标微多普勒(m-D)时频曲线的能量分布,导致无法获取完整的振动目标m-D时频曲线;进一步地,利用STE项与振动特征之间的关系,可实现振动目标的特征提取。仿真实验验证了理论分析结果及特征提取方法的有效性。      

高速目标雷达微多普勒特征提取

目标组成部件的机械振动或旋转(微运动动力学)会在目标的雷达回波上产生频率调制,人们将由振动或旋转产生的调制称为微多普勒现象。微多普勒特征可以被认为是运动物体的独特现象,能够提供用于目标分类识别的附加信息。文中关注高速目标的微多普勒特征提取,讨论了高速带来的距离走动补偿、平动多普勒位移校正、雷达信号条件和微多普勒特征提取方法,仿真了一种高速目标微多普勒分析方法,仿真结果验证了该方法的有效性。