基于HOS的雷达目标分类新算法

提出一种基于高阶谱（HOS）的雷达目标分类方法,将双谱概念从频域推广到时域和距离域,并给出了将双谱和双相干函数的“均值”及“重心”作为特征量的特征提取新算法,在目标散射信号中含有加性噪声和指数噪声的情况下,进行了模拟,同时对BSB(Brain State in Box)模型的人工神经网络进行了学习训练和分类仿真,结果证明本方法具有很好的性能和一定的实用价值。     

雷达目标双谱持征分析与分类方法研究

利用复信号双谱估计技术分析了常规相参雷达实测飞机目标回波信号,研究指出目标回波是典型的非高斯信号,且其双谱分布区域信息较好地反映了目标的部分散射调是特性,可作为目标分类特征,在此基础上,提出一种目标双谱特征抽取和模板构造方法。利用双谱经阈值化处理后的二值特征图,分别定义了“核”和“域”来表征目标双谱分布区域的共性和范围,并用其构造目标模板,实测数据实验结果表明了该方法在分类效果和特征降维方面的有效     

基于双谱对角切片的目标架次识别方法

高阶谱较功率谱含有更多的目标回波信息，如相位．针对常规低分辨警戒雷达对飞机目标的架次识别这一应用背景，利用双谱对角切片作为特征矢量，经K-L变换后，用径向基神经网络进行分类，取得了良好的识别效果．     

雷达目标距离像分类机理的研究

文中用散射点模型的观点对雷达目标距离像的分类机理进行了探讨，首先从散射点模型出发导出距离像在近姿态角上强相关和在远姿态角上弱相关的距离像相关框架，指出这个框架只有在全资态角范围采集足够多距离像构成模板链才能完备地确定刻划目标和识别特征。作者用实验数据对这个结论作了验证，并探讨了姿态角范围与识别率的数量关系。     

一种用距离像分类目标的新方法

基于本征－距离像提出了一种毫米波雷达目标分类的新方法,与常规使用的“匹配得分法”相比,该方法既有较好的分类性能,又减少了数据库中目标子类型数目,从而缩短了计算时间．仿真结果证明了该方法的有效性     

基于数据驱动的窄带雷达舰船目标分类决策方法

针对窄带雷达难以提供精细的目标特征信息的问题,提出了一种基于数据驱动的海面目标分类器设计方法.利用增量学习的思想,通过假设合作目标的样本分布与非合作目标的样本分布一致,对分类器决策模型进行迭代优化.基于实测数据的测试结果表明了所提方法的精确性与有效性.     

基于高阶统计量特征提取的雷达杂波分类识别

雷达杂波识别将非常有利于优化现代雷达信号处理系统的处理与检测策略,从而最大程度提高处理系统乃至整机性能。一种基于高阶统计量特征提取的雷达杂波分类方法,能够较好地对雷达杂波进行识别,并可以在识别的同时给出杂波的分布参数。这种方法与其他的雷达杂波识别方法如基于矩形图的幅度分析方法相比,具有明显优点。针对样本的高阶统计量不够稳定,且其在数值上比低阶统计量大而掩盖低阶统计量,使识别性能有所下降的问题,提出加权修正的识别方法。仿真结果表明,在样本数据长度较短的情况下具有较高的识别率。     

基于双谱的水下目标辐射噪声的特征提取与分类研究

以大量的水下目标辐射噪声资料为依托,借助高阶累积量分析法,研究了目标信号的非高斯特性。基于双谱估计和Walsh维数压缩技术提取了不同类别目标的65维双谱特征。结果表明,该特征对水下目标辐射噪声信号具有很好的分类效果,同时又能有效地抑制高斯有色噪声。对于六类水下目标辐射噪声信号,可取得约92％的正确分类率。     

防空情报雷达目标智能识别的关键技术

结合现役防空情报雷达的特点，分析了防空情报雷达飞机目标智能识别的难点、要解决的关键技术和作者研究的初步结论，依据国内外目标智能识别研究的最新进展，提出了发展现役防空情报雷达飞机目标智能识别和分类能力的一些设想．     

基于改进型STFT的雷达目标识别

提出了一种基于MEM（最大熵谱估计法）现代谱分析的高分辨STFT（短时傅氏变换）方法,利用常规低分辨雷达对两种飞机实测动态数据进行处理,得到了STFT时频分布图,并用神经网络进行识别,得到了很高的识别率。     

宽带雷达动目标的一种互相关系数累加检测器

针对宽带雷达动目标检测问题,提出了一种在高斯噪声中的互相关系数累加检测器．宽带雷达动目标信号在距离频率域进行傅里叶变换取绝对值消除目标运动带来的相位项后,求互相关系数．利用相邻宽带雷达信号具有较大相关性这一特点,将多次相邻回波的互相关系数累加作为检测统计量．分析了高斯噪声互相关系数的概率分布,给出了检测门限设置方法．理论分析表明,互相关系数累加检测器具有恒虚警检测性能．计算机仿真试验表明,互相关系数累加检测器相比多普勒导向矢量已知的不依赖散射点分布密度的广义似然比检测器,在检测率为90％时有2dB的改善．     

基于模糊聚类分析的战场目标分类研究

目标分类是确定各类武器作战任务的基础,也是各类武器确定目标打击顺序的前提。采用模糊聚类分析方法,结合具体实例,围绕目标重要性、打击紧迫性、目标易损性、目标通视性、情报可靠性、任务一致性等指标,对战场目标进行了分类。     

雷达网目标速度向量测量及其在跟踪中的应用

研究了组网雷达系统中利用多站对目标的距离观测值和Ｄｏｐｐｌｅｒ速度观测值稳妥 算目标三维速度向量的方法,指出了目标速度向量在机动目标跟踪中的应用。给出了位置－速度分别相关算法,并进行了仿真计算,计算结果表明,该方法能较成功地解决多目标及杂波环境中的相关模糊问题。     

战场侦察雷达目标的自动识别

针对目前我国战场侦察雷达目标的识别主要靠人工完成这一现象,重点对战场上的几种典型地面活动目标－步兵、卡车和坦克回波多卜勒频谱进行分析,寻求几类目标的自动识别方法,以弥补对目标进行人工识别存在的诸多缺陷,适应现代战争的需求。首先进行步兵和机动车目标的区分,根据目标回波瞬时频率变化的不同,即步兵目标的回波瞬进频率变化具有一定的周期性,依此实现了步兵和机动车目标的区分。然后在机动车目标中将坦克和卡车目标加以区分,经研究发现坦克目标具有独特履带特性,根据这一特征便可将坦克目标和卡车目标区分开来。经实验室统计和现场检验,该方法对步兵、卡车、坦克三类目标进行分类识别的总识别率可达85％以上,证明了该方法的有效性。     

Deep learning model for micro-motion classification of cone targets

To overcome the shortcomings of traditional micro-motion classification of spatial cone targets, such as manual construction, feature extraction, and lack of generality, intelligence and poor classification performance under strong noise, a new network model combining a convolutional neural network and a bidirectional long short-term memory network is proposed. The network combines the residual network, inception network and bidirectional long short-term memory network into an integrated network. By increasing the depth and width of the network to mine the abstract features of higher dimensions, the classification accuracy of the network can be improved. The reasoning ability of the bidirectional long short-term memory network can improve the fault tolerance of the network, and the advantages of time series classification and the jumping bypass branch structure of the residual network can also reduce parameter redundancy and speed up network training. Simulation results show that the network model not only achieves faster intelligent classification, but also improves the accuracy of ResNet-18 and GoogLeNet models by 5% and 4% respectively, thus verifying the validity and generalization ability of the model.     

空间锥体目标微动特性分析与识别方法

空间锥体目标在大气层外飞行过程中存在不同的微动,目标的微动为进动,诱饵的微动为摆动或自旋.根据目标与诱饵的微动差异,提出了应用特征谱作为识别特征的分类方法.基于多散射中心信号模型,分析了进动、摆动以及自旋调制信号的微多普勒特性.分析结果表明,进动、摆动与自旋目标的微多普勒谱虽然均可以近似为线谱,但是存在明显差异.应用谐波和的形式描述回波信号,并采用特征值分解提取特征谱作为识别特征.仿真结果表明,该方法能够有效地识别目标与诱饵.     

一种雷达目标与杂波环境信号模拟器

介绍一种以存储器芯片为核心的数字式雷达目标与杂波环境信号模拟器，该模拟器可模拟单脉冲雷达在杂波干扰环境下的视频回波．可作为专用测试设备来完成对单脉冲雷达的调试，和对其进行抗干扰性能测试     

高频地波雷达短波电台干扰频谱特性研究

短波电台干扰是高频地波雷达的主要干扰源,通过建立了各种短波电台干扰的理论模型,系统分析了干扰信号的频谱特性,并进行了实际雷达干扰信号的频谱分析研究,得出了干扰信号的典型频谱特征,实验和仿真结果证明了理论的正确性,从而为高频地波雷达的干扰抑制、目标检测和海态特征的研究提供了理论和试验依据.     

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.     

基于高斯和功率谱特性的小波调制识别研究

小波调制是一种全新的多载波通信调制方式,该文基于OFDM和小波调制信号的渐近高斯分布和频谱特性,探讨了加性高斯白噪声信道条件下小波调制信号的识别。利用调制信号的高阶统计量和功率谱峰度为分类特征,采用信噪比与特征参数联合估计的方法,分别实现多载波与单载波调制信号、OFDM与小波调制信号的识别。仿真实验结果表明,该方法具有良好的识别性能,且能很好的抑制高斯噪声的干扰。