雷达目标一维距离象多分辨特征描述和快速匹配法研究

文中首先阐述了信号奇异性与小波变换模极大值的关系、含噪非平稳信号在小波变换下信号与噪声的不同特性;然后提出了可用于高距离分辨力雷达目标识别的一维距离象多分辨分解和目标结构特征的多分辨描述方法.根据目标结构特征的多分辨描述,定义了距离象的相异度概念,利用相异度可以实现目标的快速匹配识别.     

基于小波神经网络的毫米波雷达目标距离像识别

给出一种隐层由小波基组成的神经网络用于实现频率步进毫米波雷达目标一维距离像的识别。利用小波变换所具有的良好的时频分析特性，实现了输入输出之间映射关系的多分辨学习。介绍了小波神经网络的数学框架及其误差反向学习算法。详细描述了用小波神经网络进行识别的步骤。将所提出的小波神经网络用于频率步进毫米波雷达目标一维距离像的识别。实验结果表明该方法对目标距离像的识别是有效的。     

基于多重变换的一种雷达目标识别方法

利用多重变换，提出了一种雷达上述识别方法，将雷达回波信号与本振信号混频处理后采样，进行FFT，得到目标的一维距离像，计算其马氏距离，利用小波变换对马氏距离序列进行数据压缩，得到目标的特征向量，由相关识别法进行目标识别，由3类飞机模型测量数据的识别结果表明，该方法具有较高的识别率。     

基于小波多尺度检测特性的扩频序列捕获研究

根据小波分析的特点，将小波检测引入扩频序列捕获系统中，利用扩频码捕获时信号(调制信号)和未捕获时信号(高斯白噪声)的小波变换的不同特征，结合多分辨分析，设立小波变换阈值，正确识别捕获状态。并且，对这种利用小波检测的捕获方法进行了仿真实验，分析与实验表明这种方法具有一定的理论价值和实用价值。     

图象多通道小波分析的实现

小波变换是近年来兴起的一种时频城信号分析理论，是信号分析处理的一种强有力的新工具．本文根据小波变换的特点，在Mallat多分辨分析的基础上，将小波的“多通道”多分辨分析，推广到了“多通道”多分辨分析、讨论了多通道小波分析的理论和实现方法，并将这一理论应用到了图象处理，实现了图象的多通道小波分析．     

基于小波变换方法的红外动目标检测

红外目标的成像跟踪是一种新的制导技术，它是以人工智能、图像识别、计算机技术和高分辨率传感技术为基础的。图像识别，或称为目标识别的关键是目前边缘的准确提取即目标检测。本文介绍一种基于小波变换方法的目标检测。小波分析技术近几年来取得了突破性进展，它可以把信号分解成基本的建筑块，对不同频率成分的时域取样步长可调，是一种多尺度描述信号的方法，在空域和频域都便于定位，因此小波变换可以表征信号的局部奇异性。     

基于离散小波变换的低分辨雷达空间目标识别算法

针对低分辨率雷达体制下的空间目标识别问题,提出了基于离散小波变换的低分辨雷达空间目标识别算法。该算法首先对于空间目标的雷达回波信号进行离散小波变换,然后在时间-尺度平面上提取十个有效的统计特征,最后基于模糊分类来识别六类空间目标。计算机仿真实验表明,即使在较低的输入信噪比下,该算法依然对六类目标取得了比较好的识别效果。     

基于高分辨率雷达的一种目标识别方法

在小波变换和Mahalanobis距离的基础上,提出了一种雷达目标识别方法.首先,对雷达回波信号进行小波变换,得到目标散射中心在一维距离像中的位置和峰值,从而得到一组由位置和峰值构成的点列.然后计算这些点的Mahalanobis距离,得到目标识别的特征向量,由此进行目标识别.仿真实验结果表明:该方法具有较高目标识别能力和强抗干扰能力.     

基于双正交FDWT的雷达数据压缩和目标识别方法

本文由双正交共轭滤波器构造有限维内积空间的双正交多分辨分析和快速离散小波变换(FDWT),提出信号的对偶小波变换方法,并将其用于降低雷达数据存储量,提出双正交变换系数筛选方法以及基于压缩数据的小波域相关和最小距离分类方法。通过六种飞机目标的距离高分辨数据的分类实验,证明本文提出的变换、压缩和识别方法是有效的。     

采用时频分析方法进行多目标信号的分辨

对雷达多目标回波信号进行了分析，针对采用传统时域、频域分析方法不能正确全面地反映信号细节信息特点，针对试验获取的含有多目标信息的真实数据，采用魏格纳-维尔分布、短时傅里叶变换、小波变换等时频分析的方法对这砦数据进行了多目标分辨的时频分析和仿真比较，找到适合工程实现的多同标分辨时频方法，并给出了实测信号的时频仿真结果。     

基于双正交FDWT的雷达数据压缩和目标识别方法

本文由双正交共轭滤波器构造有限维内积空间的双正交多分辨分析和快速离散小波变换（ＦＤＷＴ），提出信号的对偶小波变换方法，并将其用于降低雷达数据存储量，提出双正交变换系数筛选方法以及基于压缩数据的小波域相关和最小距离分类方法，通过六 距离高分辩数据的分类实验，证明本文提出了的变换、压缩和识别方法是有效的。     

步进频率MMW雷达小波变换目标成像方法

提出一种改进的调制型高斯小波分析方法，探索了毫米波雷达步进频率信号小波变换当中小波尺度与目标距离的对应关系，可进行任意距离范围和步进的功率谱分析，并提出目标分阶段的成像方法。该方法与一般小波变换相比减少了运算量，同时获得较为精确的一维距离像，从而更有利于目标定位与跟踪。     

M带小波变换在图象中的应用

小波变换是近年来兴起的一种时频域信号分析理论，是信号分析处理的一种强有力的新工具，本文根据小波变换的特点，在Ｍａｌａｔ“二带”多分辨分析的基础上，论了分析信号的多带多分辨分析的理论和实现算法，并将这一理论和算法应用于图象处理，取得了满意效果。     

基于脉冲幅值序列算法的抗红外干扰方法研究

用红外干扰弹诱使导弹偏离真实目标依然是使用最广的干扰方法,当前使用的红外干扰弹的运行轨迹和红外辐射特征与目标非常类似,对常用的几种抗干扰算法构成了很大的挑战。针对脉冲幅值序列算法做了深入细致的研究,对功率谱分析法、传统正交小波变换法、时域分析法等多种方法进行了仿真和分析,并介绍了一种新方法——多尺度的离散平稳小波变换法,能够有效分辨开目标信号与红外干扰弹信号,改善了红外探测器的抗干扰能力和目标识别能力。     

利用小波变换识别脉内调制信号

利用小波变换的多分辨性质、基于信号和随机噪声在小波变换域中不同的模极大值系数特征，对于脉内调制这类渐近信号的连续小波变换进行了研究，并可行性 波变换来提取信号脉内调制特征，计算机仿真表明这种方法的有效性和可靠性。     

基于分数阶傅里叶变换的距离维超分辨方法

宽带雷达目标一维距离像是实现目标识别的重要依据,提高距离维的分辨率对提高目标识别概率非常重要。针对超宽带雷达运动目标回波,采用分数阶傅里叶变换算法(FrFT)搜索并补偿带宽内的多普勒差异,同时将距离维时延信息转换为频域信息,采用多重信号分类(MUSIC)超分辨算法,针对FrFT处理后的数据进行超分辨。该方法实现了距离维信息的超分辨,其性能较传统的脉冲压缩技术或"去斜"技术有显著提高,可以应用到目标识别与分类中,提高正确识别概率。采用计算机仿真验证了所给出算法的有效性。     

激光多普勒闪烁信号处理中的小波变换方法

文中讨论了小波变换应用于激光多普勒信号处理的方法。研究表明，通过对连续小波变换，可检测多谱勒闪烁信号频移，在尺度域上突出测量体积中多粒子多普勒闪烁叠加信号的特征，从而可很好地分辨测量体积的多粒子状态。     

基于小波包变换与RBF网络的大地目标辨识

利用正交小波包变换的高信号时频分辨特性引入小波包能量特征提取法，用于五类典型大地目标的特征提取和距离可分性测度计算。结果显示，小波包能量特征提取法提取的五类典型大地目标特征具有更好的可分性。将小波包能量特征提取法与径向基函数网络相结合，提出了一种大地目标辨识算法。仿真实验表明，对于分解层次m＝5，信噪比SNR≥0dB，五类典型大地目标能完全辨识。表明该大地目标辨识方法在一定条件下是可行的，具有强的抗噪声干扰能力。     

基于小波功率谱估计的空间目标RCS特性分析

随着空间技术的研究与发展，对空间目标的监测与识别显得越来越重要。在小波变换的基础上，详细讨论了小波功率谱估计的实现方法，并利用窄带雷达测量获得的空间目标RCS数据，利用Morlet小波对几个空间目标的RCS时间序列进行功率谱分析。并把傅里叶变换同小波变换进行结合，以实现对目标RCS的信号功率谱估计。分析结果反映了目标的某些重要的散射特性。     

采用DSP与小波变换实现声信号单目标识别

采用TMS320F2812数字信号处理器作为系统核心处理器件,辅以必要的外围电路实现声信号的采集、处理、特征提取及目标识别。根据典型目标声信号的特性,运用小波变换理论对其进行阈值滤波处理;利用小波分析能够反映信号时域和频域局部特性的优点,采用小波变换实现子空间能量特征提取;实现了声信号的快速处理与识别。将此系统应用于典型的车辆目标进行识别,取得了满意的识别效果。