基于支持向量机的窄带雷达弹道导弹目标识别技术

窄带雷达由于受到带宽限制,无法获取到目标高分辨精细识别信息,仅能通过目标轨道运动特征和窄带RCS特征对目标属性进行初步分类识别,文中基于支持向量机分类算法,从窄带雷达回波数据中提取弹头群和弹体群目标的特征,实现了弹道导弹群目标初步分类识别。在对弹头群和弹体群分类识别的基础上,窄带雷达可集中更多的时间和能量资源重点对弹头群类目标进行跟踪,并为后续宽带目标识别雷达提供重点目标位置信息。     

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。     

海况对海面目标雷达回波的影响分析

海面自身随机多变的特性会对海面目标的雷达回波信号检测产生重要影响。文中利用分形方法对海面建模仿真, 模拟了五种不同的海况,基于雷达工作原理设计了一款雷达视频回波信号仿真软件,提高了仿真的逼真度和实时性。针对雷达散射截面(RCS)不同的舰船目标模拟仿真雷达回波,研究了海况对海面目标雷达回波的影响。结果表明:随海况等级的增加,海杂波噪声信号增强,RCS 相对较小目标的雷达回波会逐渐被海杂波淹没。海面目标雷达回波仿真软件既能用于分析海面及目标的电磁散射特性;同时,在目标检测与识别中会有重要应用价值。     

核Fisher判别方法在低分辨雷达目标识别中的应用

将机器学习领域新的研究成果应用到雷达目标识别中，并开发有效、实用的分类器具有重要实际意义。核Fisher判别方法是基于Fisher线性判别方法而提出的一种非线性分类方法，在这种方法中使用了基于核的算法中的“核技巧”。本文研究了核Fisher判别分类方法在低分辨雷达目标识别中的应用，并用从某低分辨雷达录取的实际飞机目标回波数据时该算法进行了测试，实验证明了核Fisher方法在低分辨雷达目标识别中的有效性。     

基于雷达RCS序列HMM目标识别分类算法研究

针对隐性马尔可夫模型(Hidden markov model, HMM)识别低频隐身目标参数建模固有问题,提出了基于雷达散射面积(Radar Cross Section, RCS)序列改进HMM目标识别分类算法。构建RCS观测序列的全局概率函数,提取序列变化特征,使模型的状态数能自动适应待建模信号结构的复杂性,并采用隐性马尔科夫模型表征雷达目标RCS变化特征,实现雷达目标的识别分类。仿真结果表明该算法可提高低频隐身目标识别的可靠性,信噪比和识别分类效果得到显著提升。     

基于组合矩的激光成像雷达目标识别算法

随着激光技术的发展,激光成像雷达在现代战争复杂战场环境中逐渐获得了广泛的应用,目前激光成像雷达自动目标识别技术已成为国内外研究的热点问题。提出了基于组合矩的激光成像雷达目标识别算法,从激光成像雷达目标的距离像中提取低阶的Zernike矩、Hu矩和中心矩构成组合矩特征,该特征对距离像噪声不敏感,应用径向基函数(RBF)神经网络对三种地面目标进行分类识别。实验结果表明,该算法与应用Zernike矩和Hu矩特征进行分类识别相比,对三种激光成像雷达地面目标的平均识别率在高载噪比(20dB)下分别提高了1.0%和3.7%;在低载噪比(10dB)下分别提高了11.8%和42.5%;当载噪比高于17dB时,该算法的平均识别率达到100%。因此该算法取得了比较好的识别效果。     

基于弹跳射线法的海面舰船目标三维散射中心快速建模方法

海面舰船目标3维散射中心的快速建模对雷达目标信号快速仿真、特征提取与分类识别等应用具有重要意义。该文结合目标-海面耦合散射的“4路径”模型、随机海面散射修正Fresnel反射系数模型,以及基于射线管积分的快速3维成像等模型与方法,提出一种舰船-海面复合的快速3维成像方法,并通过CLEAN算法建立一种3维散射中心快速建模算法。该算法由于实现了单频、单视角条件下的目标3维成像,并且采用简化的海面模型避免了大量海面面元的构建,因而大大提高了3维散射中心建模的计算效率,从而满足实际工程应用的需求。典型海面舰船目标仿真实验结果表明,与传统基于FFT的3维成像算法相比,在典型计算条件下该算法的计算效率可提高4个数量级。不同海情下,3维散射中心重建的与直接仿真计算的1维距离像历程图和2维像的对比结果,也验证了算法的计算精度。      

一种低分辨雷达自动目标识别系统

低分辨雷达自动目标识别一直是雷达目标识别研究领域的难点。与高分辨雷达目标识别不同，低分辨雷达分类识别主要指对机群目标的大小、架次以及调制方式等进行粗略分类。给出了一个基于飞机目标回波波形对机群目标进行分类识别的低分辨雷达目标识别系统例子。     

海面刚体目标微动特征建模及特性分析

微多普勒描述了海面目标运动的精细特征,成为区分海杂波和目标的有用特征之一,有助于提高雷达目标探测和识别能力。该文以对海观测雷达为平台,建立了海杂波中微动目标雷达回波模型。首先,简要回顾了微动和微多普勒效应的定义,归纳总结出微多普勒效应的内涵和实质,并给出了海面刚体目标的微动特征分类。然后,根据观测时长将模型分为距离单元内微动目标回波模型和长时间微动目标观测模型;根据海面微动目标的运动形式,将模型分为非匀速平动目标回波模型和3轴转动目标回波模型。最后,采用雷达实测数据分析微动特征并验证模型的有效性。      

基于LVQ网络优化的雷达目标识别算法

目标一维距离像在雷达目标识别领域中具有很高的研究价值,神经网络有很强的自适应能力,被广泛应用于目标识别领域中。通过研究分析,将学习向量量化（Learning Vector Quantization, LVQ）神经网络应用于雷达目标一维距离像识别。针对LVQ神经网络对初始连接权值敏感的问题和如何增强网络的分类识别性能,提出利用粒子群优化（Particle Swarm Optimization, PSO）算法对其进行优化。在此基础上提出了基于PSO-LVQ神经网络的雷达目标一维距离像识别新方法。通过3类飞机实测数据实验,验证了PSO算法优化LVQ神经网络初始连接权值的可行性和PSO-LVQ识别算法的有效性。     

基于极化分解的舰船和角反射器鉴别方法

使用角反射器是舰船电子对抗中常用的一种无源干扰方式,它在时域、频域和空域上与舰船的雷达回波都没有显著差异,因此传统单极化雷达很难有效鉴别舰船和角反射器。分析了舰船和角反射器在极化回波上的特性差异,并基于Krogager极化分解提取了单频点和多频点情况下的特征矢量,通过支持矢量机对舰船和角反射器进行了鉴别。电磁计算数据表明：该方法可以较好地对二者进行鉴别,且对单角反射器和阵列角反射器都有效,为解决舰船和角反射器的鉴别问题提供了一个可行的思路。     

一种基于精细极化目标分解的舰船箔条云识别方法

用于干扰舰船目标的箔条云通常具有与舰船目标相近的尺寸和雷达散射截面积,这使得舰船与箔条云的识别成为一个非常有挑战性的问题.该文提出一种基于精细极化目标分解的识别方法.为了能够有效地识别舰船目标与箔条云,该文首先结合3种精细化散射模型,提出了一种基于精细散射模型的七成分分解方法.通过这种分解方法可以有效地刻画舰船目标的散...     

箔条质心+烟幕复合干扰使用研究

雷达/红外成像复合制导反舰导弹是现代海战中舰艇面临的主要威胁之一.针对雷达/红外成像复合制导的制导原理和工作方式,分析了箔条质心+烟幕对其进行复合干扰的可行性.基于仿真思想,把对抗过程分为箔条质心干扰、烟幕干扰和复合干扰效果评估3个子过程,根据仿真结果总结出舰艇反导作战使用原则,对提高水面舰艇的反导能力具有重要意义.     

Adaptive ship detection in SAR images using variance WIE-based method

Automatic detection of ship targets from synthetic aperture radar (SAR) images is an important and challenging problem. Given the different nature of target returns in homogeneous and heterogeneous regions in SAR imagery, conventional detection algorithms fail to yield automatic and robust results. In support of automatic vessel monitoring, an adaptive detection framework designed for detecting ships from SAR imagery is proposed in this paper, and the variance weighted information entropy is introduced into the framework construction. Experimental results indicate that the proposed method can effectively detect the ship targets from various circumstances without any prior knowledge.     

基于点迹聚类的天波OTHR数据关联方法

天波超视距雷达(OTHR)固有的多径效应和低测量精度等特点给数据关联带来了较大困难。文中提出了一种针对舰艇编队目标的数据关联方法。首先,建立了天波OTHR平面测量模型,得出雷达坐标系与地理坐标系之间的非线性变换方程;然后,以各种可能的传播模式将每一节拍观测到的目标状态数据变换到地理坐标系中进行聚类,通过多拍聚类关联估计目标数量及在地理坐标系下的位置;最后,通过计算机仿真验证了算法的有效性,并分析了雷达检测概率对算法的影响。     

基于串联式一维神经网络的毫米波雷达动态手势识别方法

现有的基于雷达传感器的手势识别方法,大多先利用雷达回波对手势的距离、多普勒和角度等信息进行参数估计,得到各种数据谱图,然后再利用卷积神经网络对这些谱图进行分类,实现过程较为复杂。该文提出一种基于串联式1维神经网络(1D-ScNN)的毫米波雷达动态手势识别方法。首先基于毫米波雷达获取动态手势的原始回波,然后利用1维卷积和池化操作对手势特征进行提取,并将这些特征信息输入1维Inception v3结构。最后在网络的末端接入长短期记忆(LSTM)网络来聚合1维特征,充分利用动态手势的帧间相关性,提高识别准确率和训练收敛速度。实验结果表明,该方法实现过程简单,收敛速度快,识别准确率可以达到96.0%以上,高于现有基于数据谱图的手势分类方法。     

深度复极限学习机在雷达HRRP目标识别中的应用

传统雷达高分辨一维距离像(High-resolution Range Profile,HRRP)目标识别方法只利用目标幅度信息而丢失其相位信息,这势必会造成信息不完备.为解决此问题,提出将深度极限学习机从实数域扩展到复数域,以有效提取复HRRP序列的深层潜在结构信息.同时为更好地保持数据间的邻域信息,将流形正则化引入到...     

多功能相控阵雷达实时任务调度研究

针对多功能相控阵雷达资源调度问题,建立了合理的雷达任务模型并提出一种新的调度算法.在雷达任务模型中将每一类驻留请求合并为一种任务,这样可以为调度处理提供最大的灵活性,同时基于此任务模型分析了调度器的时间负载.所提出的调度算法综合考虑了任务的工作方式优先级和截止期两个参数,可以较好地适应不同的负载情况.给出了算法的具体实现步骤,并以截止期错失率作为评估指标进行了仿真验证.仿真结果表明,本文所提出的调度算法能够有效降低任务的截止期错失率,对调度性能有明显的改善.     

基于DEM的机载气象雷达地杂波剔除方法

针对机载气象雷达气象模式地杂波抑制问题,提出利用回波幅度信息的基于数字高程模型（DEM,Digital Elevation Model）的时域地杂波剔除方法。首先利用回波幅度信息对存在雷达回波信号的数据区域进行分割,然后对区域的边界距离单元利用基于DEM的可视性算法分析其触地情况。根据分析结果可知,存在回波信号的区域可分成仅含气象的区域、仅含杂波的区域以及二者相连的区域,其中相连区域还需进行逐距离单元判断确定分界距离单元。将杂波存在的距离单元予以剔除,即可去除地杂波。经实测数据验证,该方法能够根据雷达参数和DEM数据准确地判断杂波所在的距离单元,有效地剔除地杂波。提出的方法仅处理存在回波信号的区域,且不需要对所有的距离单元进行分析,可以大大减小运算量。      

靶标雷达特性快速预测与分析

含多次散射复杂靶标雷达特性的快速预估和分析是靶标设计优化的重要基础,同时也是电磁散射建模领域的重要研究课题之一。多次散射结构及其复杂散射机理导致靶标雷达特性仿真效率低下、特性分析困难。本文提出了一种CPU多核并行技术、GPU硬件加速技术和KD?Tree遍历技术相结合的靶标高频电磁散射加速方法,建立了带腔舰船、角反射器阵列与舰船等含多次散射复杂靶标的高频电磁散射模型,可以满足大型靶标进行快速评估的需求。本文进一步提出了多次散射距离像位置快速预测方法,通过多次散射射线分集结合射线路径相位理论预估,快速推导了多次散射等效视在中心的位置,揭示了含腔靶标的多路径散射机理与作用过程;并通过舰船目标的仿真与分析,建立了大型靶标多次散射形成的强散射贡献与其具体几何结构之间的映射关系。