基于核函数的多极化HRRP识别

针对多极化雷达高分辨距离像(HRRP)识别中数据量大、分布复杂和识别算法复杂的问题,提出了基于核函数的识别方法.该方法首先定义了两种基于多极化HRRP的核函数,然后将其分别应用到核主分量分析(KPCA)中降维和提取特征,最后采用最近邻(1NN)分类器和支持矢量机(SVM)分类器对目标进行分类.该方法可以在不丢失极化信息的情况下,将多极化HRRP作为一个整体进行识别,降低了识别算法的复杂度.多极化HRRP数据的仿真实验结果显示,该方法的识别率比单极化HRRP提高7%～10%;与其他多极化HRRP识别方法相比,该方法不仅降低了提取特征的维数,而且还提高了识别性能.     

基于目标子空间的雷达自动识别系统

分析了HRRP空间RATR方法的冗余噪声匹配问题．探讨基于目标子空间的RATR方法．与HRRP空间相比,目标子空间理论上不存在冗余噪声,能够更加准确地反映目标的结构特征．对外场ISAR实测数据的处理表明,此目标子空间算法的识别结果比传统的HRRP空间算法的效率更高,比常规方法具有明显的优越性．     

Joint adaptive waveform and baseline range design for bistatic radar

The problems of joint adaptive waveform design and baseline range design for bistatic radar to maximize the practical radar resolution were considered. Distinguishing from the conventional ambiguity function （AF）-based resolution which is only related with the transmitted waveform and bistatic geometry and could be regarded as the potential resolution of a bistatic radar system, the practical resolution involves the effect of waveform, signal-to-noise ratio （SNR） as well as the measurement model. Thus, it is more practical and will have further significant application in target detection and tracking. The constraint optimization procedure of joint adaptive waveform design and baseline range design for maximizing the practical resolution of bistatic radar system under dynamic target scenario was devised. Simulation results show that the range and velocity resolution are enhanced according to the adaptive waveform and bistatic radar configuration.     

一种新的宽带目标识别雷达杂波抑制方法

宽带雷达相邻回波间会出现越距离单元走动现象,传统杂波抑制方法不适用．针对这一情况,提出一种在频率域-多普勒域宽带雷达杂波抑制方法．在目标速度未知时,采用改进的Hough变换将目标信息提取出来,等同于完成对杂波的抑制过程; 如果有目标速度的先验信息,则可以先进行运动补偿,然后提取目标信息,上述两种提取目标信息的途径避免了虑除杂波过程中对目标信号能量的损失．计算机仿真结果表明,该方法在输入信杂比为-10dB(速度未知)或-15dB(速度已知)的情况下仍可保持较高的识别性能,并且在输入信噪比为-5dB时,算法依然保持稳定的性能,对噪声有较好的稳健性．     

基于逆向云模型的雷达目标识别

提出了一种基于逆向云模型的雷达目标识别方法。首先,基于模-1距离准则建立了云滴确定度,对高分辨距离像(HRRP)距离单元进行正态逆向云模型建模;然后,定义逆云隶属度表征待测样本属于某个训练类别的概率。对目标模板库中5种飞机高分辨距离像数据的仿真结果表明,该方法具有识别率高、对训练样本量的要求较为宽松和方位角划分不敏感等优点,是一种有效的雷达目标识别方法。     

A New Radar Target Recognition Method Based on Polarimetric Processing and Neural Learning

0INTRODUCTIONBecauseanone-dimensionalrangeprofileobtainedbyawidebandMMWradarcanbeusedtodescribegeometricstructurecharacteristicsoftargetSbeingillLirninated.UnlikearathercomplicatedISARimop,itcanhealsoregainedasthetarget"fingerprintS".Thus,itholdsmuehpromiseandhasattractedpeople'sattentionstousehighresolutionrangeprofilestoclassifythetarget['--'].ButtherangeprofileisafunctionoftargetattitudeanglesIthuseachtargetclassmustberepresentedbyalaalnumberofangle-indexedsubclassestohandletinknow…     

基于多层前向网络的雷达目标一维距离像识别

利用多层前向网络，对雷达飞机目标的一维距离像的识别问题进行了研究．讨论了网络进行非线性判决分类的基本原理．仿真结果表明了该方法的可行性，经过少量样本训练后的网络，具有较好的推广能力     

在雷达HRRP识别中多特征融合多类分类器设计

在传统线性关联向量机的基础上,设计了一种多特征融合的多类分类器.该分类器基于多类Probit回归模型将传统的两类线性关联向量机推广为多类关联向量机,利用线性关联向量机的特征选择功能,对融合的高维特征向量进行降维和合理的幂次扩展,使线性关联向量机具有构造非线性分类界面的能力,以保证对非线性多类分类问题稳健的融合识别性能.针对雷达高分辨距离像目标识别问题,提取3种平移不变特征,使用提出的多特征融合的多类分类器在基于实测数据的识别实验中得到了稳健的融合识别结果.     

基于高分辨距离像子带融合的目标识别新算法

针对雷达高分辨距离像(HRRP)目标识别问题,提出一种最大相关系数投票准则子带融合识别算法。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。理论分析表明新算法计算复杂度低,可实际应用于雷达自动目标识别。实验仿真显示,新方法不仅能够利用回波信息提高识别率,还具有拒判功能,可提高目标识别的准确度。     

高距离分辨率雷达目标的识别

本文以信号处理为基础,研究了识别特征的方法,包括直接利用距离像作为识别特征及提取距离像的频域特征和自相关函数特征,以避免距离时延对识别的不利影响并获得更多的高价统计信息;结合傅立叶变换的时移不变性和梅林变换的尺度不变性,讨论了距离像的傅立叶－梅林变换在改善目标特征稳定性方面的作用;研究了一种修正的直接梅林变换（ＭＤ－ＭＴ）算法。对几种提取的特征均采用相关滤波法对高分辨率的雷达目标进行识别。经微波暗     

一种基于互信息的波形优化设计方法

将注水法改进成一种适用于杂波背景下的通用注水法,通过最大化目标回波与扩展目标特性之间的互信息降低目标特性的不确定性．然后把这种思想应用于目标识别波形优化问题,从而增加各类目标的可分性．仿真结果证明,相对于线性调频信号和注水信号,该方法优化波形可以得到更大的互信息,并能将目标识别率提高3％左右,在信杂噪比较低的时候提高更加明显．     

An adaptive waveform-detection threshold joint optimization method for target tracking

The joint optimization of detection threshold and waveform parameters for target tracking which comes from the idea of cognitive radar is investigated for the modified probabilistic data association （MPDA） filter. The transmitted waveforms and detection threshold are adaptively selected to enhance the tracking performance. The modified Riccati equation is adopted to predict the error covariance which is used as the criterion function, while the optimization problem is solved through the genetic algorithm （GA）. The detection probability, false alarm probability and measurement noise covariance are all considered together, which significantly improves the tracking performance of the joint detection and tracking system. Simulation results show that the proposed adaptive waveform-detection threshold joint optimization method outperforms the adaptive threshold method and the fixed parameters method, which will reduce the tracking error. The average reduction of range error between the adaptive joint method and the fixed parameters method is about 0.6 m, while that between the adaptive joint method and the adaptive threshold only method is about 0.3 m. Similar error reduction occurs for the velocity error and acceleration error.     

一种用于雷达HRRP功率谱的加权特征压缩方法

针对雷达高分辨距离像的平移不变特征——功率谱特征,提出了一种基于Fisher判决率的加权特征压缩方法．该方法利用目标功率谱特征的Fisher判决率迭代搜索最优权向量,并根据最优权值的大小对特征向量降维．与直接使用原始功率谱特征及基于Fisher可分性判据的几种现有的特征压缩方法相比,加权特征压缩方法在降维的同时可提高识别性能,且运算简单,在基于外场实测数据的识别实验中对测试数据具有良好的稳健性．     

基于雷达一维距离像序列的微动特征提取

对典型目标的进动和翻滚给出了统一的数学表达式,分析了不同的微动形式对雷达回波调制的散射机理,提出了基于雷达一维距离像的能量起伏特征和径向长度特征的微动识别新方法．使用物理光学和物理绕射理论的高频方法仿真了锥体进动、柱体翻滚和非理想球体翻滚的宽带雷达回波,利用仿真数据,完成了高分辨成像和相关特征提取．研究结果表明,三种不同的微动目标的距离像能量起伏特征和径向长度特征差异明显,可以将两种特征联合使用,用于微动识别．     

雷达目标一维距离像的偶数阶中心矩特征的识别

针对雷达目标一维距离像的平移敏感性和姿态敏感性,提出一种提取一维距离像的偶数阶中心矩作为雷达目标特征的方法。用小波变换提高一维距离像的信噪比,在此基础上提取中心矩特征,再选取维数减半的比较稳定的偶数阶中心矩作为目标特征,以适用于支持向量机分类器进行识别分类。对实测雷达目标的数据进行试验,结果显示在减少模板特征向量的存储量和测试样本识别时的计算量的同时,得到了较高的识别率。     

机动目标跟踪波形和检测门限自适应算法

由于现有雷达目标跟踪波形和检测门限自适应算法大多围绕以距离、距离率作为量测的一维运动目标展开,忽略了角度对目标跟踪的影响,从而无法对目标进行跟踪定位。为此,提出一种杂波背景下针对二维机动目标跟踪的雷达波形和检测门限联合自适应算法。首先,对传统基于时延-多普勒分辨单元的理论作进一步扩展,设计出一种包含距离-距离率和方位为量测的具有“棱柱”结构的分辨单元;然后,给出了包含波形参数和检测门限的量测误差协方差的联合近似表达式;最后,利用认知雷达思想,以滤波误差协方差的迹最小为代价函数自适应选择下一时刻的波形参数和检测门限,以提高系统的跟踪性能。仿真结果表明,波形和检测门限联合自适应算法的跟踪性能要明显优于传统的固定参数跟踪算法。     

规范主元分析法在雷达目标识别中的应用

利用高分辨雷达一维距离像，在研究用主元分析法和线性辨别分析法进行特征提取的基础上，给出了一种规范主元分析的特征提取法，对雷达目标进行了识别．该方法充分利用了互信息量之间的关系，通过主元分量分析、线性辨别分析与规范主元分析3种方法的外场实测数据实验比较，表明所提出的特征提取方法具有良好的稳健性．