基于人造目标极化HRRP的散射机理分类

针对人造目标的极化高分辨距离像,研究了雷达目标的空域极化特性和频率色散特性及其在散射机理分类中的应用。基于散射中心,利用极化分解技术对散射机理的类型进行判别,并分析了极化方位角补偿技术对由目标方位角变化而引起的类型误判的改善。此后结合目标的频率色散特性,得到了散射中心的特征矢量与典型结构间的对应关系,降低了类型判别的不准确性。通过仿真实验,验证了散射中心散射机理分类的有效性,为目标的分类识别提供了支撑与依据。      

雷达目标极化散射特征提取的研究进展

极化雷达可以直接测量出雷达目标的2×2散射矩阵信息，与传统雷达相比，极化雷达的突出优点在于测量数据包含的信息量远大于传统雷达，因而在很多领域都获得了重要应用.本文将对目标极化散射特征提取的发展概况进行综述，包括基于矩阵分解的目标特征参数提取以及直接提取目标极化散射特征的方法等，并对其中存在的问题进行评论，对未来的发展进行展望.     

基于散射中心极化比的锥体目标姿态反演

从高分辨一维距离像（high range resolution profile,HRRP）出发,针对HRRP姿态敏感以及锥体目标识别中姿态获取困难的问题,推导分析了散射中心极化比与锥体目标姿态的关联关系,提出了基于散射中心极化比姿态反演的方法:利用散射中心参数估计模型对锥体目标不同极化下的宽带数据进行分析,分别提取其散射中心参数,同时计算散射中心参数的极化比,并与理论的极化比曲线进行匹配,最终获取目标的姿态角.基于球头锥的数值计算与极化特征提取结果验证了方法的有效性.利用此方法能够做到对目标姿态的快速反演,为进一步的目标识别提供支撑.     

一种基于多特征提取的雷达目标识别方法研究

直接利用雷达高分辨一维距离像或是提取一维像单一特征进行目标识别难以取得理想效果.为了更好地反映雷达目标本身的物理特性,提高雷达目标识别率,对雷达目标高分辨一维距离像的频谱幅度、能量聚集区长度、散射中心数目和中心矩特征进行提取并构成多特征向量,描述雷达目标高分辨一维距离像频域、能量等物理特性,采用主成分分析方法进行特征维...     

目标一维距离像特征提取和识别方法之研究

目标一维距离像揭示了目标径向结构的分布特性,但它敏感于目标姿态的变化,故直接将一维距离像用于目标识别很难取得好的效果.本文把一维距离像作为随姿态变化的序列,提出了强散射中心维数、目标特征尺寸、散射中心分布熵三个概念,并把这三个特征作为RBF神经网络的输入进行目标识别实验,取得了较好的识别效果.     

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.     

基于高分辨距离像的弹道目标尺寸综合估计方法

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.文中介绍了经典的谱估计方法及其实现流程,在此基础上提出了一种综合估计方法,该方法将傅里叶变换和超分辨方法相结合,充分利用两者的优点,有效解决了单个谱估计方法无法同时提高模型阶数估计精度和散射点位置估计精度的问题.最后给出了基于仿真数据的目标尺寸估计仿真结果,通过估计精度的比较,验证了文中方法的有效性.     

基于数字变极化探测系统目标极化散射特性研究

本文构建了数字变极化单脉冲探测系统,该系统采用多种发射极化形式,利用虚拟极化合成接收,对地面目标进行探测实验,得到全极化高分辨一维距离像,获得散射熵H和平均散射角α在距离像中的分布,联合距离高分辨和目标极化散射特性为目标可靠检测和准确识别提供依据,表明了目标极化散射熵在数字变极化探测系统中对地面目标的检测和识别的可用性.     

雷达目标高分辨距离像数据预处理方法研究

文中对双极化雷达高分辨距离像进行不同收发极化态非相干积累、邻近方位角数据压缩和背景杂波电平抑制，获得数据量少、信杂比高的目标特征像，利用以上方法建立五种地面目标特征像数据库，然后对此五类目标进行分类，可以获得较高的识别率。     

一种基于高分辨距离像的目标长度特征提取算法

讨论了基于高分辨距离像（HRRP）的目标长度特征提取原理。在分析影响长度特征估计主要因素的基础上,结合距离像降噪、非相干平均、自适应阈值选取、突变误差消除和长度平滑等处理,给出了基于HRRP的长度特征提取实用算法。雷达实测数据的处理结果表明,该算法能实时获得目标的投影长度,具有良好的鲁棒性和估计精度。     

基于一维距离像序列的弹道目标融合识别研究*

一维距离像是宽带雷达目标识别的重要特征之一.本文根据弹道目标的微动特性,推导了微动弹道目标的时间-距离像模型.然后提取具有平移不变性的中心矩和双谱作为待识别特征向量,并分别使用K-L变换和局部双谱法对提取到的中心矩和双谱特征进行降维.将降维后的特征分别输入支持向量机进行分类识别,最后将支持向量机的输出进行决策级融合,得到待识别目标的识别概率.与基于单特征量的识别方法相比,本文提出的方法不仅具有较高的识别率,而且具有良好的抗噪能力.     

弹道目标宽带雷达干涉式三维成像与微动特征提取

基于微多普勒效应理论的弹道目标3维成像与3维微动特征提取技术可为目标识别,导弹防御提供重要特征信息。该文将干涉式逆合成孔径雷达(InISAR)中多天线干涉处理的思想引入到弹道目标3维成像与3维微动特征提取研究中,将微多普勒效应理论与多天线干涉处理技术相结合,重构出散射点在各时刻的3维坐标,实现弹道目标的真实3维成像,并在此基础上解算出弹道目标的微动参数与结构参数。仿真实验验证了所提方法的有效性与鲁棒性。     

基于双向滑动平均的目标长度特征提取方法

基于高分辨距离像的雷达目标识别是该领域的研究热点,而特征提取是其中的关键环节。相对于散射中心强度和位置特征而言,长度特征随目标方位角变化的影响较小,是一种相对稳定的特征,而且长度特征属于目标本身的物理特征,具有实际的物理意义。文中提出一种基于双向滑动平均的目标长度特征提取方法,并将提取的长度特征用于目标粗分类。该方法首先对距离像进行降噪处理,然后从左右两端同时向中间进行滑动平均处理,当滑动均值大于预设的阈值时,即可确定目标区域的起始和终止位置,从而得到目标的长度特征。该方法的核心在于分别估计左右两端各自的阀值,而不是采用一个统一的阀值,并且在阀值估计的过程中同时考虑了距离像均值和噪声的影响。因此,该方法对于距离像突变、非目标区域野值等具有较强的稳健性。通过对五类飞机的实测数据进行实验,验证了该方法的有效性。     

利用一维距离像序列提取导弹目标微动特征

弹道导弹目标的微动特征是中段真假弹头识别的重要依据之一。文中研究了基于宽带雷达目标一维距离像序列的微动特征提取方法。首先分析了弹头微动过程中目标相对雷达视线的姿态角呈周期性变化,进而引起一维距离像变化的周期性。在此基础上,提出了通过计算距离像序列最大滑动相关系数变化的周期提取目标微动周期的方法。仿真试验验证了所提算法的有效性。     

一种基于多约束条件的目标一维像尺寸提取方法

雷达高分辨一维像反映了目标的精细结构信息在雷达视线上的投影,正确提取目标一维像尺寸是计算宽带RCS,反演目标真实长度,实现目标分类识别的基础。文中针对在目标一维像尺寸提取时存在的目标分裂、多目标情况等情况,提出一种基于多约束条件计数的目标一维像尺寸提取算法,可以实现宽带距离窗内多个目标一维像尺寸的同时提取,经过实测数据验证,文中提出的一维像尺寸提取算法平均提取误差小于2个距离门,具有优良的性能和提取稳定性,可有效避免海杂波,目标分裂多目标等情况的影响。     

基于零相位谱的雷达目标识别

在基于高分辨雷达距离像的目标识别中，相位信息起着重要作用。文中对用于全景图像对齐的零相位表示法进行了改进，得到一种称为零相位谱的平移不变特征，它保留了除线性相位以外的所有相位信息，并进一步提取其低频部分作为识别特征，基于仿真数据的试验表明，与频谱幅度特征相比其识别性能有了较大提高。     

SAR目标属性散射中心特征提取与分析

散射中心是高频区雷达目标电磁散射的基本特征,对SAR图像解译、目标识别等具有重要意义。与经典的理想点散射中心模型相比,属性散射中心模型通过引入散射响应对频率、方位角的依赖因子,可更精确地建模高分辨SAR图像目标的散射特性,但与此同时,由于特征参数的维数更高,因此相应的特征提取方法也更复杂。提出了一种基于CLEAN思想的图像域区域解耦合的近似最大似然估计(RD-AML-CLEAN)高分辨SAR图像目标属性散射中心特征提取方法,并通过仿真SAR图像数据的实验结果对算法性能进行了定性、定量的分析与评估。     

基于ISAR像序列的弹道目标进动特征提取

中段弹道目标进动特征是分辨弹头及诱饵的重要依据.以二维ISAR图像序列为基础,分析了弹道目标成像特点和目标姿态角的变化过程,提出了基于图像配准的ISAR像姿态差估计方法;采用等间隔配准避免了配准奇异,根据姿态差二次方曲线实现了进动参数的估计,给出了计算目标进动角、进动周期的具体步骤.仿真结果表明,该方法能够实现弹道目标进动特征提取,估计精度较高.     

低分辨雷达目标调制特征提取和分类识别方法

利用目标的发动机调制(JEM)效应,提取目标的谱线间隔、谱线宽度、谱线个数、幅度偏差系数、能量比、波形熵、中心矩等特征,形成特征向量后参与后续的综合决策。在低分辨雷达对飞机目标进行的目标分类识别试验中采集数据,进行了实测数据分析,实验结果表明提取的目标特征和分类效果方面的有效性。