离散余弦(正弦)变换在雷达目标识别中的应用

在基于雷达高分辨距离像（HRRP）的目标识别中,平移敏感性的消除及特征维数的压缩在实际应用中有着重要意义。本文首先利用零相位表示法获取平移不变的HRRP,然后引入离散余弦变换（DCT）和离散正弦变换（DST）进行特征压缩,提取低频DCT（DST）系数作为识别特征;并利用幂变换法降低了分类器的识别性能对特征维数的敏感性。基于实测数据的试验结果验证了结论的正确性。     

基于卷积神经网络的雷达目标HRRP分类识别方法

卷积神经网络通过卷积和池化操作提取图像在各个层次上的特征进而对目标进行有效识别,是深度学习网络中应用最广泛的一种。文中围绕一维距离像雷达导引头自动目标识别,开展基于卷积神经网络的目标高分辨距离像分类识别方法研究。首先,基于空中目标一维距离像姿态敏感性仿真生成近似平行交会条件下不同类型目标的高分辨距离像数据集;其次,构建一种一维卷积神经网络结构对目标高分辨距离像进行分类识别;作为比较,针对同类高分辨距离像数据集,分析了主成分分析-支持向量机方法的目标分类识别效果。结果表明:基于卷积神经网络的目标分类识别算法有更好的识别能力,对高分辨距离像的姿态敏感性具有较强的适应性。     

基于平均模板的HRRP自动目标识别

给出了一种结合幂变换的高分辨率距离像（High Resolution Range Profile,简称HRRP）的预处理新方法，根据时域－频域能量等价性，利用功率平均形成一种频域平均模板。基于美国MSTAR（Moving and Stationary Target Acquisition and Recognition)实测数据的实验结果证明了新方法的有效性。     

幂变换在一维距离像目标识别中的作用分析

幂变换是一种一维距离像非线性预处理方法,服从任意概率分布的随机变量经幂变换后更接近于高斯分布,为选用基于高斯分布的分类器提供了方便,因此对提高识别率有一定的作用。文中分析了在应用中为得到好的识别效果幂变换系数如何取值的问题。取不同的幂变换系数对多批飞机在不同噪声环境下的距离像进行幂变换,然后用径向基函数分类器进行分类。根据实测数据处理后的结果分析,为了提高识别率,应根据信号的信噪比选择幂变换系数对距离像进行预处理。     

基于中心矩特征的雷达HRRP自动目标识别

针对雷达高分辨距离像(HRRP)的方位敏感性和平移敏感性，对一定角域内的HRRP非相干平均，提取具有平移不变性的中心矩作为特征向量，采用Karhunen-Loeve变换进一步进行特征压缩，建立相应的支撑矢量机（SVM）分类算法，与基于原始距离像特征的最大似然(ML)方法和基于中心矩特征的ML方法识别结果比较，该方法在减少计算量的同时具有较高的识别率，具有良好的推广能力。     

基于中心矩特征的雷达HRRP自动目标识别

针对雷达高分辨距离像(HRRP)的方位敏感性和平移敏感性,对一定角域内的HRRP非相干平均,提取具有平移不变性的中心矩作为特征向量,采用Karhunen-Loeve变换进一步进行特征压缩,建立相应的支撑矢量机(SVM)分类算法.与基于原始距离像特征的最大似然(ML)方法和基于中心矩特征的ML方法识别结果比较,该方法在减少计算量的同时具有较高的识别率,具有良好的推广能力.     

基于小波变换的锥体类弹头目标HRRP特征稳定性研究

在分析锥体类弹头目标的高分辨距离像（HRRP）强散射点越距离单元走动的基础上，通过小波多尺度分解，平滑了HRRP中强峰值的位移和幅度的起伏，使得HRRP的相似性在较大方位角范围内得到稳定和提高。通过仿真和实测数据，使用最大相关匹配法，得到了较高的识别率和相关性。     

一种基于Gabor变换的HRRP目标识别方法

从模式分类角度讨论了基于高分辨距离像的舰船目标识别问题,提出了一种基于Gabor变换的HRRP目标识别方法。通过对数据进行Gabor变换去除噪声,利用基于小波包分解能量的方法得到信号在不同频带的能量分布特性,最终通过支持向量机进行识别。通过对6类目标实测数据的分析,验证结果表明,该方法在舰船目标识别领域具有良好的应用前景。     

高分辨率雷达信号参数对目标识别的影响

采用模板匹配分类器,对具有大、中、小3个尺寸级别的9类目标进行基于高分辨率雷达距离像(HRRP)的识别仿真试验,系统地研究了识别概率-信噪比-雷达带宽/载频之间的三维变化关系,分析了雷达信号参数对目标识别的影响,得到了有价值的研究结论。     

MUSIC超分辨距离像在雷达目标识别中的问题

基于Li和Wang提出的提高距离分辨率有利于提高距离像的姿态稳定性这一结论，不少研究者利用超分辨距离像进行目标识别。文中从高分辨雷达目标的简单散射点模型理论出发，分析了距离像的分辨率与目标姿态敏感性的关系，并且结合仿真实验，详细分析了MUSIC超分辨距离像用于目标识别时对目标姿态、散射点个数、信噪比的敏感性等问题。     

基于Hough变换的低分辨率雷达目标识别

针对低分辨率雷达目标的识别问题,提出了一种基于Hough变换的特征提取方法.通过对Hough变换后参数空间进行特征定义来描述参数空间灰度图像的纹理分布特点,进而描述图像空间目标的形状特征.文中利用该方法结合径向基函数神经网络对低分辨率雷达船只目标轮廓像进行特征提取并识别,取得了较高的识别率.     

基于HRRP极点矢量的特征提取方法研究

针对雷达高分辨距离像(HRRP)的方位敏感性,对一定方位角内的HRRP进行相干平均.利用矩阵束方法对平均HRRP提取极点矢量,并综合利用极点矢量的幅度和位置信息定义特征量--矢量中心矩,最后在对特征矢量进行对数归一化的基础上利用最小距离准则进行识别.实测数据证明了该方法对于目标识别的有效性,具有良好的推广能力.     

基于参数化统计模型的雷达HRRP目标识别方法综述

现代战争日趋信息化和智能化,雷达自动目标识别技术(RATR)在国家安全防卫和战略预警等军事应用方面发挥着更加重要的作用。高分辨距离像(HRRP)反映了目标散射点沿雷达视线方向的分布情况,包含了目标丰富的结构信息,对目标识别十分有价值,已成为RATR领域的研究热点。参数化统计建模旨在构建参数化数学模型表征观测数据的分布特性,是估计数据概率分布和挖掘数据隐含信息的重要手段。基于参数化统计模型的雷达HRRP目标识别就是在对HRRP参数化统计建模的基础上,直接利用估计的概率分布进行统计识别或将获取的隐含信息输入分类器进行识别。由于模型具有可融入一定的先验知识、扩展灵活、提供待求参数的不确定性评价以及能结合贝叶斯理论实现自动定阶等优势,基于参数化统计模型的HRRP识别方法整体识别性能优于其他方法,是目前HRRP识别的重点研究方向。该文从浅层和深层参数化统计建模两方面,对近15年的雷达HRRP目标识别方法进行了归纳总结,并分析了各类方法的特点和存在的问题,最后对基于HRRP参数化统计建模的雷达目标识别发展方向进行了展望。      

一种新的雷达目标HRRP识别方法

针对雷达目标回波的非平稳特性,推导了S变换及其快速实现算法,利用电磁场时域有限差分算法仿真了3种军用飞机的宽带散射信号,采用S变换对飞机目标的雷达回波进行时频分析,提取时频分布图的矩特征作为目标特征矢量,利用改进径向基函数神经网络对特征矢量进行训练和学习,最后对3种飞机作了分类识别,取得了很好的识别效果。     

雷达HRRP目标识别系统参数分析

雷达高分辨距离像在实现自动目标识别方面具有较大潜力,其识别性能与雷达系统参数,如雷达工作频率、信号带宽等有关。此外,用于采集识别器训练数据的雷达接收机的特性与实际工作的雷达接收机的特性会有所不同,也会影响到识别性能。文中对上述参数对识别性能的影响进行了分析和评估,所得到的结果对目标识别雷达的系统设计具有参考价值。     

基于一维像序列的中段雷达目标进动特征提取

弹头和诱饵在外形和散射特性上有很多的相似处,但是进动特征有很大差别,反演进动周期、进动角等特征将有助于解决弹头、诱饵的识别问题,本文以中段旋转对称体目标为研究对象,分析了该类目标的散射特性,提出了移动散射点模型,分析了自旋、进动对目标一维像的影响,提出了基于相关图估计进动周期的方法,并从理论上推导了进动周期内一维像长度的变化,得到了一维像长度极小极大比与进动角等参数的关系,提出了迭代寻优求解三参量非线性方程的方法,并通过实验进行了验证,结果表明,算法稳定、可靠,估计精度较高.     

基于TSB-HMM模型的雷达高分辨距离像目标识别方法

针对雷达高分辨距离像(HRRP)的识别问题,该文提出了一种基于时域特征的截断Stick-Breaking过程隐马尔可夫模型(TSB-HMM),并建立了基于TSB-HMM模型的分层识别算法,利用TSB-HMM模型结合时域特征和功率谱特征对HRRP进行分层识别。实测数据的实验结果表明,该方法是一种有效的雷达HRRP识别方法,分层识别的算法可极大提高目标的平均识别率。特别是在训练样本数极少的情况下,TSB-HMM模型仍能获得较好的识别性能。