一种基于经验模态分解的锥体目标雷达微动特征提取新方法

本文以锥体目标为对象,分析了目标进动对雷达回波的调制作用,研究了基于经验模态分解算法的多分量正弦调频信号分离方法,使用短时傅里叶变换得到了每个本征模态函数的瞬时频率,提取了进动周期、进动角、不同散射点间的微动幅度比值等微动特征及目标纵横比,并用暗室测量数据进行了验证,证明了本文的观点和特征提取方法的有效性.     

基于窄带雷达组网的空间锥体目标特征提取方法

进动引发的微多普勒调制可作为空间锥体目标识别的重要依据,针对此该文提出一种基于窄带雷达组网的进动锥体目标特征提取方法。该文首先根据目标散射特性推导了进动引发的散射点理论瞬时频率变化,并根据频谱熵实现了多个雷达视角观测下的散射点瞬时频率变化的匹配;然后依据不同视角下锥顶与锥底散射点瞬时频率变化关系,提出一种目标进动与尺寸特征联合提取的新方法,实现了目标高度、底面半径、质心位置、进动角等参数的高精度估计。基于电磁计算数据的实验结果验证了该文所提方法的有效性和精确性。     

基于散射中心滑动特性的双基地雷达锥体目标微动特征提取方法

双基地雷达观测下,锥体目标的微动特征可以由顶部局部型散射中心,底面边缘滑动型散射中心和侧面滑动型散射中心的微多普勒来表述.首先,本文建立了三种类型双基地散射中心的微多普勒统一参数化模型;然后,提出滑动系数概念,即采用参数化模型两个参数的比值来定量评价散射中心的滑动特性,从而判别锥体目标上散射中心的类型;最后,通过电磁仿...     

弹道中段目标平动径向速度估计的状态空间方法

为了分析弹道中段飞行目标的微动分量,需要对雷达回波中的高速平动分量进行准确估计和补偿。该文建立了目标高速平动和微动共同作用下的超宽带信号模型,提出了一种基于状态空间处理的平动径向速度高精度估计方法,该方法可以有效抑制微动分量对平动径向速度估计的影响,估计精度优于传统方法。同时包含高速平动分量和微动分量的超宽带信号模型,也可直接用于后续的微动参数提取处理。仿真结果验证了文中信号模型与径向速度估计方法的有效性。     

基于窄带微多普勒调制的锥体目标参数估计

当雷达对锥体目标发射窄带信号时,进动调制会使回波中包含的散射中心瞬时频率发生周期性变化,这种变化可以反映出目标几何尺寸与结构特性,针对此该文提出一种基于窄带微多普勒调制的空间锥体目标参数估计方法。首先对目标散射特性进行分析,推导进动引起的目标散射中心瞬时频率变化公式;然后利用时变自回归模型估计散射中心瞬时频率,并对估计结果进行重新关联以消除其中出现的关联错误;最后根据锥顶和锥底散射中心瞬时频率变化性质,结合目标弹道估计得到目标几何尺寸参数及微动参数。基于电磁计算数据的实验结果验证了该文所提方法的有效性和精确性。     

空间旋转目标窄带雷达干涉式三维成像与微动特征提取

该文根据干涉式逆合成孔径雷达(InISAR)中多天线干涉处理的思想,提出一种基于L型3天线模型的空间旋转目标3维成像与3维微动特征提取方法。将微多普勒效应理论与多天线干涉处理技术相结合,在时频面上通过Viterbi算法分离散射点并进行干涉处理获取目标在各时刻沿基线方向的2维投影坐标;根据目标微动特性,采用非迭代椭圆拟合方法重构出散射点的高度维信息,实现目标的真实3维成像,并在成像过程中提取目标的3维微动特征参数。仿真实验验证了所提方法的有效性与鲁棒性。

     

基于双视角距离像序列的空间锥体目标参数估计方法

空间锥体目标在自由段是典型的微动目标。该文研究了基于双视角距离像的空间锥体目标参数估计方法,估计的目标参数包括进动参数和结构参数。首先分析了雷达俯仰角在空间锥体目标自由段的变化情况,并且利用建立的目标进动模型,得到了目标散射中心在雷达视线(RLOS)上的投影方程。然后基于双视角下的距离像序列推导出目标参数的解析解,并引入弹道信息来解决半锥角的估计对信噪比(SNR)要求较高的问题。最后利用电磁计算数据验证了方法的有效性。     

涡旋电磁波雷达平动旋转目标三维微动参数提取方法

与传统平面电磁波雷达相比,涡旋电磁波雷达能同时观测到目标投影到雷达径向和垂直于径向平面的微动分量,可为目标识别提供更多信息。当前关于涡旋电磁波雷达微多普勒效应的研究尚处于起步阶段,初步实现了对旋转目标的三维微动参数的提取,但均未考虑目标平动的影响。因此,该文研究了涡旋电磁波雷达中平动旋转目标的微多普勒效应,推导了平动旋转目标的角多普勒性质,提出了基于1/4微动周期多普勒频移曲线的三维微动参数提取方法,获得了目标旋转频率、旋转半径、旋转矢量和平动速度矢量等参数。仿真验证了角多普勒性质的正确性和参数提取方法的有效性。     

弹道中段群目标平动补偿与分离方法

弹道微动群目标时频图是多目标多散射点微多普勒的叠加,以往针对单目标的补偿与分离方法不再适用。针对这一问题,该文首先分析了群目标及诱饵的微多普勒形式;利用弹道中段目标运动平稳,短时观测加速度近似为常数的特性,采用Radon变换检测微多普勒曲线的倾斜程度,用最小熵准则和高斯函数拟合的方法估计平动参数,进而完成平动补偿;对补偿后的群目标时频图利用Viterbi算法提取各条微多普勒曲线,依据同一目标各散射点微多普勒的周期相关性,完成群目标分离;最后仿真验证了以上方法的有效性。     

弹道中段进动目标高精度平动补偿方法

该文针对中段进动目标平动补偿问题,分析了中段目标平动及进动的运动特性,指出中段目标进动具有轴对称性,并利用这一特性提出一种基于对称共轭相乘的进动目标平动参数估计方法。该方法通过对称数据的共轭相乘处理消除微动的影响,仅保留平动参数信息,然后根据共轭相乘后数据傅里叶变换的峰值信息估计平动参数,并基于所估计平动参数实现了中段进动目标平动的高精度补偿。仿真结果验证了所提算法的有效性。     

基于小波分解及KCN的雷达目标特征提取

讨论了利用一维距离像进行雷达目标识别的特征提取。从缩减表征距离像的特征维数和表征目标所需特征数出发,提出了一种基于小波分解及KCN的目标特征提取方法。为比较不同特征提取方法及所提取特征的性能,引入了Fisher距离来表明各类的类内紧致性和类间分离性。实验结果表明能够有效地进行特征提取。     

A quasi-parametric algorithm for synthetic aperture radar target feature extraction and imaging with angle diversity

We present synthetic aperture radar (SAR) target feature extraction and imaging techniques with angle divesity. We first establish a flexible data model that describes each target scatterer as a two-dimensional (2D) complex sequence with arbitrary amplitude and constant phase in range and cross-range. A new algorithm, referred to as the QUasiparametric ALgorithm for target feature Extraction (QUALE), is then presented for SAR target feature extraction via data fusion through angle diversity based on the flexible data model. QUALE first estimates the model parameters, which include, for each scatterer, a 2D arbitrary real-valued amplitude sequence, a constant phase, and scatterer locations in range and cross-reange. QUALE then averages the estimated 2D real-valued amplitude sequence over range by making the assumption that the scatterer radar cross section is approximately consant. QUALE next models the so-obtained 1D sequence with a simple sinc function by assuming that the scatterer is approximately a dihedral (a trihedral is approximated as a very short dihedral) and estimates the relevant sinc function parameters by minimizing a nonlinear least-squares fitting function. Finally, the approximate 2D SAR image is reconstructed by using the estimated features. Numerical examples are given to demonstrate the perfomance of the proposed algorithm.This work was supported in part by AFRL/SNAT, Air Force Research Laboratory, Air Force Materiel Command, USAF, under grant no. F33615-99-1-1507, and the National Science Foundation Grant MIP-9457388. The U.S. Goverment is authorized to reproduce and distribute reprints for Governmental purposes notwithstanding any copyright notation thereon.     

装甲目标毫米波被动探测信号熵特征提取及仿真分析

根据装甲目标毫米波被动探测信号的不规则波动性,提出以熵为特征的装甲目标的识别方法.以实测数据为基础,论证了方法的有效性.对仿真获得的装甲目标、干沙、钢板、积水的天线温度曲线分别提取了熵特征,分析了彼此间熵的直方图及平均值.结果表明,以熵为特征可以对地面背景及典型"干扰物"中的装甲目标进行有效识别,具有切实可行的工程借鉴意义.     

Feature extraction and recognition for echoes of HRR radar

This paper describes a novel target recognition scheme using High Range Resolution (HRR) ra-dar signatures. AutoRegressive (AR) method is used to extract features from HRR radar echoes based on scattering center model of target. The optimal linear transformation based on Euclidian distribution distance criterion is performed on AR model parameter vectors to reduce dimension of feature vectors further and improve the class discrimination capability of feature vectors. The optimization algorithm is designed utiliz-ing the quadratic property of criterion function and Gaussian kernel based Parzen window density function estimator. The concept of Stochastic Information Gradient (SIG) is incorporated into the gradient of cost function to decrease the computational complexity of the algorithm. Simulation results using three real air-planes, data show the effectiveness of the proposed method.     

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.     

Deterministic regression methods for unbiased estimation of time-varying autoregressive parameters from noisy observations

A great deal of interest has been paid to autoregressive parameter estimation in the noise-free case or when the observation data are disturbed by random noise. Tracking time-varying autoregressive (TVAR) parameters has been also discussed, but few papers deal with this issue when there is an additive zero-mean white Gaussian measurement noise. In this paper, one considers deterministic regression methods (or evolutive methods) where the TVAR parameters are assumed to be weighted combinations of basis functions. However, the additive white measurement noise leads to a weight-estimation bias when standard least squares methods are used. Therefore, we propose two alternative blind off-line methods that allow both the variance of the additive noise and the weights to be estimated. The first one is based on the errors-in-variable issue whereas the second consists in viewing the estimation issue as a generalized eigenvalue problem. A comparative study with other existing methods confirms the effectiveness of the proposed methods.     

环状编码标记点的高效提取与鲁棒识别算法

针对当前环状编码标记点(CCT,circular coded target)的提取与识别算法效率、识别率较低的问题,提出了一种高效提取与鲁棒识别算法。介绍了编码标记点的特征及编码方式,采用提出的六点法获取目标点近似成像中心、边缘检测和椭圆拟合及边缘筛选,实现CCT的提取;根据CCT的仿射变换不变性提出的等分椭圆内切圆法,实现CCT的识别。对提出的算法进行了实验验证,结果表明,提取算法可有效剔除干扰且运行快速,效率高;椭圆拟合最大偏差与平均偏差分别小于0.06pixel和0.03pixel,精度高;识别算法在各种恶劣条件下均能得到正确结果,鲁棒性强;在复杂背景下,全局漏识别率、误识别率及平均运行时间分别为4.34%、0.47%和7.22ms,相对于其他识别算法,综合性能最优。     

基于扩展分形和CFAR特征融合的SAR图像目标识别

研究了多信息融合技术在SAR图像目标识别中的应用。将扩展分形特征(Extended Fractal)与双参数恒虚警特征(Double Parameter CFAR)形成的多信息进行融合处理。运用Dempster-Shafer证据理论,在决策层对SAR图像中的像素进行识别分类。实验结果表明通过融合对像素分类的准确性明显好于单特征的检测结果,减少了虚警概率,提高了系统的识别能力。     

基于相位噪声分析补偿的CO-OFDM系统信道估计研究

针对相干光正交频分复用(CO-OFDM)系统中 光纤的色散、信道噪声以及激光器 相位噪声对系统可靠性的降低,提出了相位噪声分析补偿(APNC,analysis of phase noise compensation)的信道估计算法。APNC算法以最小二乘(LS)算法为基础,先通过信道冲激响 应加窗(IRW)算法,将信道冲激响应长度以外的噪声滤除,保证了信道冲激响应长度在 OFDM保护间隔之内;再通过CO-OFDM系统相位噪声模型的分析,对信道冲激响应长度 以内的相位噪声进行补偿,进一步提高信道估计的准确性。仿真结果表明,在256个子载波 的CO-OFDM系统中,APNC算法的复乘次数在IRW算法的基础上仅提高0.125倍,在误 码率(BER)为10－4时,APNC 算法对系统光信噪比(OSNR)的要求比IRW算法低了将近0.5dB。