基于一维像序列的弹道中段目标进动特征提取

鉴于进动周期、进动角等微动参数的提取有助于解决弹道中段弹头、诱饵的识别问题,以中段旋转对称锥体弹头为研究对象,建立了锥体目标进动模型,分析了目标进动对一维距离像的影响,推导了散射点的投影距离变化公式.在此基础上,给出了一种进动周期估计方法,并提出了一种利用锥体目标一维距离像长度变化来估计进动角的方法.该方法可在弹头结构尺寸未知的条件下实现对进动角的提取.仿真结果表明：所提方法有效、稳定,其处理过程简单.     

组网雷达弹道目标三维进动特征提取

针对单部雷达观测目标存在视角局限性的问题,提出了一种基于组网雷达的弹道目标三维进动特征提取法.首先,雷达网中各雷达分别从弹道目标的时间距离像信号中求得强散射点径向距离变化线性和信号,通过频谱分析估计出目标的自旋、锥旋频率以及进动角;然后,组网雷达通过系数加权法对各雷达得到的上述参数进行融合处理以提高参数精度;最后,根据雷达观测视角与微多普勒信号之间的关系,通过构造多元非线性方程组,进一步精确求解目标的三维进动参数.仿真实验证明,该方法既有效地提高了参数的估计精度,又得到进动目标的三维微动参数.     

一种进动锥体目标的EM参数估计方法

为分离进动锥体散射点回波、反演锥体的尺寸和进动角等参数,提出了一种EM算法分离散射点微多普勒并进行微动参数估计的方法.该方法由进动锥体回波的类正弦调频模型,经过时频平面检测后,采用EM算法迭代地估计多分量正弦信号的参数和分离散射点的时频观测值,在此基础上再进行锥底散射点多普勒半周期叠加、估计锥体目标尺寸和微动参数.仿真结果表明,在弱散射点信噪比大于2 dB时,可估计出目标的尺寸和进动角等参数,从而验证了该方法的有效性.     

基于ConvLSTM的空间进动锥体目标HRRP序列预测

宽带雷达对空间进动锥体目标进行持续探测能够形成高分辨距离像（high resolution range profile,HRRP）序列。HRRP序列携带空间进动锥体目标的空间几何信息和运动规律等信息,是进行目标关联跟踪和分类识别的重要依据,因此研究空间进动锥体目标的HRRP序列预测具有重要意义。卷积长短时记忆（ConvLSTM）网络将CNN和LSTM二者的特点有效结合,能够充分挖掘HRRP序列的空间和时间特性,完成对HRRP的预测。本文基于空间锥体目标的进动模型建立了多种尺寸、运动速度和运动方向等不同参数的HRRP序列数据集,并利用此数据集根据HRRP特性设计实现了适用于空间进动椎体目标HRRP预测的ConvLSTM网络模型。为了测试本文设计的ConvLSTM网络预测效果,将ConvLSTM网络与二维卷积神经网络模型进行预测效果对比分析。仿真实验结果表明,ConvLSTM网络预测结果与物理光学法计算得到的HRRP一致性高,皮尔逊相关系数高达0.973 1,平均绝对误差低至0.033 4,相较于二维卷积神经网络预测结果更加准确。证明本文设计的ConvLSTM网络模型能够有效提取HRRP序列的时间和空间特征,实现对HRRP序列的高精度预测。     

基于电磁散射数据的进动目标微多普勒仿真与分析

以旋转对称锥柱体弹头为研究对象,建立了目标进动模型,推导了不同类型散射中心的微多普勒理论公式,给出了一种基于静态电磁散射数据仿真进动目标微多普勒的方案．最后,对进动目标的微多普勒进行了仿真实验,验证了理论分析和仿真方案的正确性,实验结果表明基于电磁散射数据仿真的微多普勒可以反映目标较为真实的散射机理,为后续弹道目标特征的有效提取与识别奠定了基础．     

基于自适应混合高斯模型全方位视觉目标检测

针对全方位视觉传感器视野范围大的特点,提出一种基于自适应混合高斯模型的全方位视觉目标检测系统.该系统通过Hough变换检测全方位图像的中心,基于图像中心对全方位图像进行展开.对展开后的图像利用混合高斯模型进行背景建模,并自适应地更新背景模型,通过前景分割可以有效地分割出运动目标.在图像展开及混合高斯建模时,通过调整系统的采样频率可以较好地改善目标检测的实时性.实验结果表明,该系统可以在复杂环境中有效地检测运动目标,具有较强的准确性和鲁棒性.     

一种基于分数阶Fourier 变换的改进星载SAR 动目标检测方法

方位向回波Doppler参数估计是星载SAR地面运动目标检测的关键。文章对合成孔径时间内动目标与卫星相对运动引起的Doppler参数变化进行了分析,然后针对分数阶Fourier变换在Doppler参数估计上的应用进行了改进,最后通过仿真验证此方法的有效性。     

一种非均匀环境下多通道SAR动目标检测算法

针对非均匀环境中SAR-GMTI动目标检测性能下降的问题,提出了一种新的动目标检测算法。该算法首先通过广义内积（GIP）来修正杂波的协方差矩阵,从而达到抑制均匀杂波的目的,然后利用恒虚警（CFAR）检测技术提取动目标及强干扰目标,最后根据杂波抑制剩余信号的多普勒中心来剔除强干扰目标。理论分析及实验结果表明,该方法不仅能够很好地抑制均匀杂波,且能剔除强干扰目标,适用于强干扰存在的非均匀环境。     

临近空间慢速平台SAR地面动目标检测与成像

临近空间慢速平台SAR具有生存能力强、持续工作时间长、机动性能好等特点。该文提出了一种临近空间慢速平台SAR地面动目标检测与成像方法。由于平台运动速度较慢,地面静止杂波多普勒展宽较窄,有利于将地面杂波与动目标回波进行分离。首先利用多普勒滤波器实现地面动目标回波与静止杂波的分离,提取出动目标回波;然后将一阶Keystone变换与变分辨多普勒调频率估计方法相结合,在动目标速度未知的情况下完成距离走动校正和距离弯曲校正,解决了动目标回波距离徙动校正难的问题。利用估计出的多普勒调频率设计出方位压缩函数进行方位聚焦,从而完成动目标的检测与成像。该方法不仅适用于地面慢速运动目标,同时也适用于快速运动目标。计算机仿真验证了该方法的有效性。     

基于模糊神经网络的目标识别

提出了一种用于常规雷达目标识别的模糊神经网络．先将目标回波用树状小波变换进行特征抽取，然后用该网络进行识别．最后，给出了５类空中目标的识别实验结果     

基于不变性特征的水下目标特征提取

针对水下成像环境的特殊性和复杂性,分析了在离散状态下比例因子对不变矩特征的影响,构造了基于区域矩的仿射变换不变量,以克服水下不确定因素给目标识别带来的困难,为了验证所提取特征的有效性,对球体、椭球体、三棱柱和四棱柱4类水下目标进行了特征提取试验．仿真试验结果表明,该方法在对简单背景水下图像的特征提取上能够取得较好的效果,可有效地克服水下图像灰度分布不均和环境不确定因素的干扰,实现了对水下目标的区分．     

基于ViBe算法运动特征的关键帧提取算法

针对视频关键帧提取算法中运动类视频运动目标特征不易提取所造成的错选和漏选问题,提出一种基于背景建模(visual background extractor, ViBe)算法的前景运动目标特征提取的关键帧提取算法。通过ViBe算法对视频序列进行前景目标检测,提取前景运动目标的尺度不变特征变换(scale invariant feature transform, SIFT)特征,并对相邻帧之间的特征数据进行特征点匹配,根据定义的公式计算视频帧的相似度,然后根据提出的关键帧判别方法输出视频的关键帧。试验结果表明,该算法能较好的解决运动类视频关键帧提取中出现的漏选和错选问题,与基于SIFT分布直方图的算法相比,其查准率和查全率的综合指标F₁值有较好提高。因此该算法对于判别运动类视频中包含关键动作的关键帧具有较好的检测效果。     

基于KSVD和PCA的SAR图像目标特征提取

提出一种基于核的奇异值分解(KSVD)与主成分分析(PCA)相结合的SAR图像目标的组合特征提取方法。该方法首先利用核的奇异值分解得到图像非线性的代数特征,然后进一步经过PCA变换得到图像的最终分类特征。实验中,将本文提出的KSVD+PCA两步特征提取方法与PCA、SVD、KPCA、KSVD方法分别结合简单、快速的最近邻分类器在MSTAR坦克数据上进行了比较,实验结果表明,KSVD+PCA方法不仅有效地提高了目标的正确识别率,而且大大降低了对目标方位的敏感度,在目标方位信息未知的情况下,识别率可达到95.75%,是一种有效的SAR图像目标特征提取方法。     

基于YOLO神经网络的雷达目标成像识别评估研究

针对复杂地面背景环境下的武器装备精确探测识别需求,采用Lee增强滤波、对比度自适应直方图均衡化和能量归一化等图像预处理方法,提高SAR图像质量;通过引入两个可学习的参数和采用基于非极大值抑制(NMS)方法构建了优化的YOLO神经网络目标识别方法,对基于轮廓、纹理等特征的地面目标SAR图像自动识别进行了实验.实验结果表明...     

合成孔径雷达目标特征提取新方法

为了能从雷达回波中快速有效地提取目标几何电磁特征,提出一种稳健而快速的属性散射中心模型特征参数提取方法．通过结合实际合成孔径雷达的应用条件,对属性散射中心模型简化,并利用简化模型构造基函数,继而采用RELAX算法对目标属性散射中心逐个估计与提取．通过引入快速傅里叶算法有效地提高了参数估计效率,并对属性参数的最大搜索间隔和搜索范围进行了理论推导．仿真和实测数据实验证明,这种算法对于目标的属性参数估计较为精确且对噪声不敏感,与传统参数估计方法相比,有效提高了运算效率．     

一种基于神经网络提取图像特征的图像检索方法

脉冲耦合神经网络是新一代的人工神经网络,具有优良的自适应图像分割和自适应图像特征提取能力。本文有机的运用自适应图像分割和自适应图像特征提取,提出了一种新的图像特征———空间自适应类直方图,它既包含了图像的空间位置特征,又包含了图像的灰度特征。最后,我们把空间自适应类直方图与传统的基于共生矩阵的图像纹理特征组合作为图像的特征应用于图像检索。大量实验表明本文方法的有效性。     

Linear feature detection based on ridgelet

Linear feature detection is a foremost problem in image processing and pattern recognition. An image is composed of a number of points, lines and planes. Effective detections of these com-ponents play an important role in simplifying feature model in pattern recognition and pattern match. Wavelets[1—3] perform very well for objects with point singularities in one and two dimen-sions and are shown to be optimal basis for representing discontinuous functions in one dimension and functions with …     

Method for discrimination of false targets in multistation radar systems based on the deep neural network

For the existing jamming discrimination methods for multistation radar systems,only the single feature of target echo space correlation is utilized as the metric,which leads to insufficient comprehensiveness of feature extraction,so that effectiveness and universality are insufficient for the discrimination algorithm.In this paper,an identification method in multistatic radar systems based on the deep neural network is proposed.This method combines the characteristics of multistatic radar systems cooperative detection technology,which has many available resources and strong scheduling ability in space,time and frequency domain,with the strong model learning and feature representation ability in the process of information processing on the deep neural network,so that it can effectively apply to the field of anti-deception jamming.Full use is made of unknown information about echo data to obtain more multi-dimensional,more comprehensive,more complete and deeper feature differences besides correlation,so as to achieve a better jamming discrimination effect.Simulation results show that the proposed method can effectively reduce the influence of noise and pulse number on the jamming discrimination performance.At the same time,the limitation of the target echo correlation coefficient on anti-jamming technology under nonideal conditions is alleviated,which broadens the boundary conditions of the application process.