雷达高分辨距离像分类器的参数自适应学习算法

雷达高分辨率距离像具有目标姿态敏感性的特点,在识别时的一种解决方法是对目标不同角域建立不同的统计模型。在给定系统参数条件下,选择目标划分角域个数及每个角域覆盖范围是影响识别器运算量及识别性能的关键。该文给出了一种基于数据的自适应学习上述分类器参数的算法,基于联合高斯分布的数据模型通过迭代算法来确定数据划分边界,并自动确定目标角域个数。与等间隔数据划分方法相比,本文方法在降低识别运算量的同时,可以提高识别性能。基于实测数据的实验结果表明该方法是有效的。     

雷达高分辨距离像模板自动生成算法

模板的完备性直接决定了基于高分辨距离像的雷达目标识别系统的分类性能;在外场试验中限于目标姿态、环境等因素难以获得准确标定的目标立体角范围内全姿态模板数据。针对一维距离像识别的工程实用化需求,本文基于数据驱动思想,提出了新的一维距离像聚类模板自动生成算法。与传统方法相比,本文方法在提高工程可行性的同时提高了识别性能。为满足实验需要,本文提出了新的基于MSTAR图像的高分辨距离像反演算法,得到更精确的反演数据。基于该数据的实验结果表明算法解决了模板生成姿态角依赖性问题,提高了识别性能。      

基于半参数化概率密度估计的雷达目标识别

该文针对雷达目标高分辨距离像(High-Resolution Range Profile, HRRP)识别中距离单元回波幅值统计建模所面临的概率密度模型选择问题,提出一种基于半参数化概率密度估计的雷达目标识别方法。半参数化概率密度估计从参数化概率密度估计出发,有效利用了高分辨距离像各距离单元幅值近似服从Gamma分布的经验知识,并且通过非参数化修正因子对Gamma模型进行修正,达到参数化方法和非参数化方法优缺互补的目的。基于5种飞机模型高分辨距离像数据的仿真实验证明了该文方法的有效性。     

基于时变特征和核非线性分类器的飞机目标识别

基于雷达目标距离像,研究时变特征提取和核分类器在雷达目标识别中的应用。由于距离像敏感于目标姿态角的变化,单纯的时域或频域方法难以完整刻画目标的散射特性,因此文中采用时频分析方法,首先提取出距离像时频分布的特征参量,再利用主元分析法降低维数,最后采用基于核的非线性分类器进行目标识别。仿真数据和实测数据表明,该方法具有较好的识别效果。     

基于一维像序列的进动目标尺寸估计研究

利用高分辨距离像估计目标尺寸是弹道导弹中段防御雷达目标特征提取和识别的重要途径.该文提出了一种在目标进动条件下,利用多幅高分辨一维距离像进行中段弹道目标真实长度估计的方法.推导了目标1维高分辨距离像长度与弹道目标真实长度、进动参数之间的函数关系,建立了1维距离像长度的观测模型,采用最大似然估计法实现了目标长度的估计.最后给出了基于仿真数据和某弹头实测数据条件下的尺寸估计仿真结果,验证了所提方法的有效性.     

基于深度多尺度一维卷积神经网络的雷达舰船目标识别

为满足雷达舰船目标识别的高实时性和高泛化性的需求,该文提出了一种基于深度多尺度1维卷积神经网络的目标高分辨1维距离像(HRRP)识别方法。针对高分辨1维距离像特征提取难的问题,所提方法通过共享卷积核的权值,使用多尺度的卷积核提取不同精细度的特征,并构造中心损失函数来提高特征的分辨能力。实验结果表明,该模型可以显著提高目标在非理想条件下的识别正确率,克服目标姿态角敏感性问题,具有良好的鲁棒性和泛化性。     

基于半参数化SLC 的雷达目标识别

针对雷达目标高分辨距离像(HRRP)统计识别中SLC(基于累计量的随机学习算法)在小样本情况下概率密度估计准确度下降的问题,该文提出一种基于半参数化SLC 的雷达目标识别方法。该方法利用半参数化概率密度估计思想对SLC 非参数化概率密度估计进行修正,有效利用了HRRP 各距离单元幅值近似服从 Gamma 分布的经验知识,达到参数化方法和非参数化方法优劣互补以提高小样本情况下雷达目标识别率的目的。最后基于5 种飞机模型HRRP 数据的仿真实验证明了该方法的有效性。      

基于HRRP偶数阶中心矩特征的卫星目标识别

针对高分辨距离像(HRRP)的姿态敏感性和平移变化敏感性,提出用HRRP偶数阶中心矩特征进行目标识别.该方法用小波去噪方法提高HRRP的信噪比,在此基础上提取具有平移不变性的中心矩作为特征向量,为了降低特征矢量的维数,可以只把具有较强稳定性的偶数阶中心矩作为特征向量,以适用于组合特征的最近邻模糊分类算法对中心矩特征进行处理.实测卫星数据的验证结果显示,该方法在减少存储量和计算量的同时取得了非常好的识别效果.     

基于核主分量相关判别分析特征提取方法的目标HRRP识别

为有效提高雷达高分辨1维距离像目标识别系统的总体性能,需要对目标高分辨1维距离像进行特征提取,以得到具有最小信息损失、高可分性且低维度的目标特征,为实现该目的提出一种基于核主分量相关判别分析的特征提取算法。该算法基于目标高分辨1维距离像的统计特性,通过对核主分量分析中核函数的选择,实现对不同类型距离单元的特征提取。同时综合线性判别分析与典型相关分析理论构建新的准则函数,以实现特征空间中类内相关性与类间差异性最大化,同时减少目标特征中的冗余信息。利用实测数据进行实验,结果表明该方法提高了特征向量的可分性,降低了特征向量的维度,并且对该算法在不同强度杂波下的识别性能进行了分析,实验结果表明,该方法可以有效的提高目标高分辨1维距离像目标识别系统的总体性能。     

雷达高分辨距离像子带融合识别算法

针对雷达高分辨距离像（HRRP）目标识别问题,对目标回波进行子带划分,分别进行幂变换预处理获得子带距离像,通过实验证明HRRP不同频段的子带距离像均含有目标信息,可以从中提取特征信息用于目标识别。提出一种相关系数相加法子带融合识别算法,由于该方法充分利用了回波信息,因而能获得更好的识别性能,实验仿真验证了这一结论,分析表明算法具有计算复杂度低的优点,因此可实际应用于雷达自动目标识别。     

一种基于高分辨距离像数据的稳健检测算法

摘要：针对逆合成孔径雷达目标的检测问题,提出了一种对高分辨距离像数据检测的稳健算法.本文采用改进的二阶锥规划对各个距离单元的信号进行估计,并推导出改进的稳健广义似然比检测算子.分析了新算法的计算复杂度,证明了恒虚警率性,并估计了检测门限.三类飞机实测数据的多个实验结果表明,在严重导向矢量失配的情况下,本文算法性能相对与传统的广义似然比算法有明显的提高.     

一种利用目标雷达高分辨距离像幅度起伏特性的特征提取新方法

为了松弛高分辨距离像(HRRP)的方位敏感性,传统的雷达HRRP目标识别方法大都采用目标在一定方位角域内的平均像作为方位模板.实际上,距离像的幅度起伏特性也包含了一定的目标特征信息.本文基于散射点模型理论,提出了一种利用距离像幅度起伏特性的特征提取新方法.新方法提取的加权距离像特征反映了各个距离单元内目标散射点的分布情况,可以更好地描述目标散射特性.基于外场实测数据的识别实验结果表明,新的特征提取方法可以大幅度地提高识别性能.     

基于NUFFT的调频步进频高分辨成像与目标识别算法

雷达自动目标识别技术是发展未来智能化武器系统需首先突破的关键技术。相比于2维SAR图像目标识别,基于高分辨距离像(HRRP)目标识别具有数据维度低、对雷达系统计算量和存储量的要求低和成像算法简单的优点。HRRP成像是目标识别中的前导和关键步骤,其速度和成像结果的质量好坏直接决定了目标识别的实时性和准确性。文中探讨了一种新的HRRP成像算法非均匀傅里叶变换(NUFFT)算法,推导并给出了用NUFFT进行调频步进信号的回波模拟和高分辨成像的数学公式。同时通过分析成像算法各步骤的计算量,对4种成像算法的计算量进行了对比分析,并仿真了两类地面目标成像与目标识别的结果。理论分析及仿真验证都表明,该文算法的计算复杂度相对于其它算法均有不同程度的改善,可以有效地应用于雷达目标识别中。      

一种利用强度信息的雷达HRRP自动目标识别方法

 针对雷达高分辨距离像(HRRP)的幅度敏感性,现有HRRP雷达自动目标识别(RATR)方法一般简单地能量归一化.本文借鉴切空间距离的思想,提出一种利用HRRP回波强度信息提高识别精度的方法,实测数据仿真试验证明与传统方法相比,该方法可提高识别率约5个百分点.     

基于灰色关联和不确定推理的HRRP 目标识别

由于HRRP 固有的信息有损压缩,利用单帧HRRP 样本进行目标识别时, 存在经典算法识别率较低而改进后的算法一般复杂度较高的问题。为获得更加稳健、可信的识别效果,文中基于MYCIN 模型,引入灰色关联算子,构造了不确定因子,提出了一种基于HRRP 序列的雷达目标识别方法。基于五种飞机模型高分辨距离像数据的仿真实验表明:与单样本的识别算法相比,所提出的算法具有识别精度高、稳定性好、抗干扰能力强等优点,具有较好的工程应用前景。     

太赫兹雷达目标HRRP特性分析

太赫兹由于其穿透性强、大带宽等优势,在雷达信号处理领域受到了广泛的关注。同时,高分辨率距离像（High Resolution Range Profiles, HRRP）在目标检测、识别以及成像等领域具有很高的应用价值,但是,针对太赫兹频段目标HRRP特性的研究却较少。本文首先从确定信号模型对太赫兹频段目标HRRP的方位角敏感性进行了研究,并利用协方差矩阵的主特征向量提取其平均HRRP,从而达到抑制目标HRRP方位角敏感性的目的。另外,根据距离单元中散射点的不同分布,对太赫兹雷达目标HRRP距离单元进行分类,并分别使用瑞利模型、赖斯模型以及混合分布模型进行统计建模。之后,使用对数积累量方法（Method of Log Cumulants, MoLC）和基于字典的随机最大期望（Dictionary based Stochastic Expectation Maximization, DSEM）算法对上述模型的参数进行估计。最后,利用研制的太赫兹高分辨率雷达系统开展了不同带宽下的复杂目标HRRP特性实验,实验结果表明,太赫兹频段下目标平均HRRP与HRRP帧内其他HRRP的相关系数高于单个HRRP,同时,对于高分辨率下的目标HRRP距离单元统计特性,可以使用混合分布模型对其进行建模。      

基于高分辨一维距离像及其特征的空间目标识别效果分析

目标高分辨一维距离像(High Resolution Range Profile, HRRP)中包含了丰富的目标尺寸、结构等目标特征,是进行空间目标身份识别的有效途径。但由于卫星宽带雷达实测数据获取难度大,前期相关研究多集中于基于HRRP的目标识别算法,结论也多是基于仿真数据和少量类别(几类)的前提下得到的,与工程应用实际情况有较大差距,工程指导意义有限。为解决这一问题,基于地基雷达获取的30类卫星目标的大量一维距离像实测数据,从识别正确率的角度对目标HRRP及其特征(组合)的可分性和在空间目标个体识别中的应用效果进行了量化分析,分析结果可为后续基于HRRP的空间目标个体识别技术研究和工程应用提供可靠依据。     

Research on motion compensation for high resolution profile of extended target for stepped chirp radar and DSP implementation

A discrete model is set up for High Resolution Range Profile （HRRP） of an extended target and the model of echo from an extended target for a Stepped Chirp Radar （SCR） is proposed. The effect of target motion on a range profile is thoroughly analyzed, and based on which precision requirement is developed for motion compensation. By studying the time domain correlation and the rule based on the least burst error, a motion compensation algorithm which satisfies the project requirement is presented, and the cyber-emulation confirms the conclusion. At last the processor is designed by using DSP devices to realize motion compensation and target recognition.     

基于一维距离像的飞机目标识别

针对基于多散射中心模型回波的一维距离像(High Resolution Range Profile, HRRP)难以真实反映复杂目标散射特性的问题,研究了基于电磁散射模型回波的生成方法和HRRP 宽带特征提取方法。首先应用等效电磁流法(Method of Equivalent Currents, MEC)棱边修正的物理光学(Physical Optics, PO)算法解算飞机目标动静态电磁散射特性;其次基于目标散射场数据,生成目标回波、仿真HRRP 序列,提取目标宽带特征信息;最后求解了目标在设定航迹下的平均识别率,量化分析了信噪比对目标识别率的影响。理论分析与仿真结果表明:当信噪比(Signal to Noise Ratio, SNR)大于5 dB 时,基于电磁散射建模的平均识别率相对基于传统的多散射中心模型提升了20%。     

基于复杂度分析的自动目标识别方法

雷达目标的高分辨率距离像反映了目标的散射中心在径向的分布,该分布与目标的几何外形密切相关。文中将一帧距离像看作一个序列,用提出的一种新的算法对该序列进行预处理,然后求出预处理序列的Lempel-Ziv复杂度,将其用于目标识别。试验结果证明了该识别方法的有效性。