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.     

雷达高分辨距离像自动目标识别方法的改进

在雷达自动目标识别中,广泛利用基于散射点模型的高分辨距离像(HRRP),并取得较好的识别效果。由于散射点具有一些特点,且距离单元内的散射点的情况有时比较复杂,从而使高分辨距离像出现一些异常,导致识别发生误判。该文针对发生的问题,主要讨论了飞机类目标对偏航、俯仰、侧摆三维姿态角变化的敏感性、飞机类目标在正侧视附近的特点以及测试样本的相干峰现象,并提出了相应的改进措施。仿真数据的识别试验结果表明该文提出的改进措施可以有效地提高识别性能。     

A weighted feature reduction method for power spectra of radar HRRPs

Feature reduction is a key process in pattern recognition. This paper deals with the feature reduction methods for a time-shift invariant feature, power spectrum, in Radar Automatic Target Recognition （RATR） using High-Resolution Range Profiles （HRRPs）. Several existing feature reduction methods in pattern recognition are analyzed, and a weighted feature reduction method based on Fisher＇s Discriminant Ratio （FDR） is proposed in this paper. According to the characteristics of radar HRRP target recognition, this proposed method searches the optimal weight vector for power spectra of HRRPs by means of an iterative algorithm, and thus reduces feature dimensionality. Compared with the method of using raw power spectra and some existing feature reduction methods, the weighted feature reduction method can not only reduce feature dimen- sionality, but also improve recognition performance with low computation complexity. In the recognition experiments based on measured data, the proposed method is robust to different test data and achieves good recognition results.     

基于中心矩特征的雷达HRRP自动目标识别

针对雷达高分辨距离像(HRRP)的方位敏感性和平移敏感性，对一定角域内的HRRP非相干平均，提取具有平移不变性的中心矩作为特征向量，采用Karhunen-Loeve变换进一步进行特征压缩，建立相应的支撑矢量机（SVM）分类算法，与基于原始距离像特征的最大似然(ML)方法和基于中心矩特征的ML方法识别结果比较，该方法在减少计算量的同时具有较高的识别率，具有良好的推广能力。     

基于高分辨距离像序列的锥柱体目标进动和结构参数估计

 弹道目标特征参数估计是进行目标识别的基础。针对缺少先验参数信息时锥柱组合类弹头目标进动和结构参数联合估计难题,该文提出一种基于高分辨距离像序列实现锥柱体目标进动和结构参数联合估计新方法。以旋转对称锥柱体目标为研究对象,基于静态电磁散射数据,结合目标运动模型仿真生成了目标高分辨距离像序列,分析了4个观测区域内锥柱体目标的1维距离像特性。研究了常见雷达观测视角内锥柱体各散射中心的1维距离像序列变化规律,建立了序列中散射中心间的相对位置变化的极值与目标参数之间的关系式,据此完成了锥柱体目标进动和结构参数的联合估计。最后,仿真实验结果验证了文中方法的有效性和适应性。     

一种基于Hough变换的宽带雷达目标检测器

该文针对宽带雷达目标距离单元走动、具有强距离单元的特性,提出了一种基于Hough变换的目标检测算法(HD)。该算法分为两步:在第1步中,对过一级门限的高分辨距离像数据做Hough变换,并对Hough参数空间的所有数据做相应的累积分布函数(CDF)映射;在第2步中求出各个角度若干个最大值的和,并对这些和值做CDF映射,选出最大的映射和值作为检测算子。3类飞机实测数据的实验结果表明,与基于散射点密度的广义似然比检测算法相比,该方法检测性能至少有1.3 dB的提高。     

利用稳健字典学习的雷达高分辨距离像目标识别算法

基于字典学习算法的信号稀疏表示被广泛应用于信号处理领域。由于字典原子间存在冗余性,求解信号的稀疏表示会受到观测信号中扰动分量的影响,从而带来表示的不确定性,不利于雷达高分辨距离像(HRRP)目标识别任务。针对这一问题,该文提出一种稳健字典学习(SDL)算法,通过边缘化信号丢失,构建稳健损失函数用于学习自适应字典。该算法利用距离像在散射点不发生越距离单元走动的方位帧内具有结构相似性,约束临近训练样本间稀疏表示的非零元素位置相同,并通过结构化稀疏约束选择最优子字典用于测试样本的分类。基于实测HRRP数据的实验结果验证了所提算法的有效性。     

基于稳健深层网络的雷达高分辨距离像目标特征提取算法

特征提取是雷达高分辨距离像(HRRP)目标识别的核心技术。传统的特征提取算法多采用浅层的模型结构,容易忽视样本的内在结构,不利于学习有效的分类特征。针对这一问题,该文利用多层非线性网络实现特征学习,构建了基于深层网络的雷达HRRP目标识别框架。利用平均像在散射点不发生越距离单元走动的方位帧内具有稳健物理特性的性质,提出了堆栈联合稳健自编码器。该网络由一系列联合稳健自编码器堆栈化实现,在匹配原始HRRP样本的同时,约束同帧样本趋近于平均像,并将网络的最终输出作为分类器的特征输入。基于实测HRRP数据的实验结果验证了所提算法的有效性。     

Automatic target recognition of radar HRRP based on high order central moments features

The paper addresses the problem of target recognition using High-resolution Radar Range Profiles (HRRP). A novel approach of feature extraction and dimension reduction based on extended high order central moments is proposed in order to reduce the dimension of range profiles. Features extracted from radar HRRPs are normalized and smoothed, and then comparative analysis of the similar approaches is done. The range profiles are obtained by step frequency technique using the two-dimensional backscatters distribution data of four different aircraft models. The template matching method by nearest neighbor rules, which is based on the theory of kernel methods for pattern analysis, is used to classify and identify the range profiles from four different aircrafts. Numerical simulation results show that the proposed approach can achieve good performance of stability, shift independence and higher recognition rate. It is helpful for real-time identification and the engineering implements of automatic target recognition using HRRP. The number of required templates could be reduced considerably while maintaining an equivalent recognition rate.     

基于平均模板的HRRP自动目标识别

给出了一种结合幂变换的高分辨率距离像（High Resolution Range Profile,简称HRRP）的预处理新方法，根据时域－频域能量等价性，利用功率平均形成一种频域平均模板。基于美国MSTAR（Moving and Stationary Target Acquisition and Recognition)实测数据的实验结果证明了新方法的有效性。     

Adaptive subspace detection of extended target in white Gaussian noise using sinc basis

For the high resolution radar (HRR), the problem of detecting the extended target is considered in this paper. Based on a single observation, a new two-step detection based on sparse representation (TSDSR) method is proposed to detect the extended target in the presence of Gaussian noise with unknown covariance. In the new method, the Sinc dictionary is introduced to sparsely represent the high resolution range profile (HRRP). Meanwhile, adaptive subspace pursuit (ASP) is presented to recover the HRRP embedded in the Gaussian noise and estimate the noise covariance matrix. Based on the Sinc dictionary and the estimated noise covariance matrix, one step subspace detector (OSSD) for the first-order Gaussian (FOG) model without secondary data is adopted to realise the extended target detection. Finally, the proposed TSDSR method is applied to raw HRR data. Experimental results demonstrate that HRRPs of different targets can be sparsely represented very well with the Sinc dictionary. Moreover, the new method can estimate the noise power with tiny errors and have a good detection performance.     

T/R-R双基地雷达进动目标参数估计与ISAR成像

以锥体目标为研究对象,建立了双基地雷达进动目标宽带回波模型,提出了基于两个接收站观测的1维距离像序列和扩展Hough变换的进动参数联合估计方法;建立了进动目标双基地ISAR成像模型,推导了双基地IS-AR成像最佳时间,并通过前述参数估计结果选择对应的1维距离像,采用FFT实现横向压缩获得了进动目标双基地ISAR像;采用FEKO软件计算了一个锥体模型的单/双基地散射系数并进行动态仿真,仿真结果验证了本文方法的有效性.     

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.     

基于卷积神经网络的雷达目标HRRP分类识别方法

卷积神经网络通过卷积和池化操作提取图像在各个层次上的特征进而对目标进行有效识别,是深度学习网络中应用最广泛的一种。文中围绕一维距离像雷达导引头自动目标识别,开展基于卷积神经网络的目标高分辨距离像分类识别方法研究。首先,基于空中目标一维距离像姿态敏感性仿真生成近似平行交会条件下不同类型目标的高分辨距离像数据集;其次,构建一种一维卷积神经网络结构对目标高分辨距离像进行分类识别;作为比较,针对同类高分辨距离像数据集,分析了主成分分析-支持向量机方法的目标分类识别效果。结果表明:基于卷积神经网络的目标分类识别算法有更好的识别能力,对高分辨距离像的姿态敏感性具有较强的适应性。     

基于样本紧密度的雷达高分辨距离像识别方法研究

模板库是基于高分辨距离像(HRRP)进行雷达自动目标识别的关键。由于真实目标复杂的电磁散射特性及背景杂波的存在,基于传统平均HRRP模板库的目标识别方法的实用性能有限。该文分析了雷达目标HRRP样本集在单位超球面上的空间分布特征,构建了类心+紧密度球特征模板库,定义了基于紧密度球的距离度量方法,最后提出基于样本紧密度的HRRP识别方法。基于公共MSTAR数据的实验结果表明该方法具有良好的工程实用性能。     

基于相关系数的雷达高分辨距离像分帧方法

高分辨距离像(HRRP)的方位敏感性造成HRRP数据是很长的统计特性连续变化的序列。从HRRP序列的统计特性出发,提出一种基于相关系数的HRRP分帧方法。外场实测数据的分帧结果表明,该方法可准确划分HRRP统计特性的变化,分帧结果与实际飞行轨迹符合;且采用时域模板匹配法(TMM)、谱域最短距离分类器和支撑向量机(SVM)分类器的识别结果均表明,相比目前基于散射点模型的均匀分帧方法,本文方法可有效提高识别率。     

基于原子范数最小化的步进频率ISAR一维高分辨距离成像方法

针对传统离散化压缩感知方法在网格失配条件下步进频率(SF)?ISAR?1维距离成像估计性能下降的问题,该文提出一种基于原子范数最小化(ANM)的高分辨距离成像方法.首先,构建基于原子范数的无网格SF?IS-AR距离向稀疏表示模型,将1维距离成像问题转化为原子系数以及频率估计问题.然后,利用原子范数半正定性质,将原子范数最小化问题转化为半正定规划问题,并基于交替方向乘子法实现快速求解.最后,利用Vander-monde分解得到最终的1维高分辨距离成像结果.由于避免了网格离散化处理,因此可以实现网格失配、低量测值条件下的高分辨距离成像,且保持了高的距离分辨能力.理论分析与仿真实验验证了所提方法的有效性.     

High resolution range profile formation based on LFM signal fusion of multiple radars

This paper presents a new method of High Resolution Range （HRR） profile formation based on Linear Frequency Modulation （LFM） signal fusion of multiple radars with multiple frequency bands. The principle of the multiple radars signal fusion improving the range resolution is analyzed. With the analysis of return signals received by two radars, it is derived that the phase difference between the echoes varies almost linearly with respect to the frequency if the distance between two radars is negligible compared with the radar observation distance. To compensate the phase difference, an entropy-minimization principle based compensation algorithm is proposed. During the fusion process, the B-splines interpolation method is applied to resample the signals for Fourier transform imaging. The theoretical analysis and simulations results show the proposed method can effectively increase signal bandwidth and provide a high resolution range profile.     

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。     

基于距离单元统计模型的ISAR包络对齐方法

包络对齐是逆合成孔径雷达（ISAR）平动补偿的关键技术之一。本文通过分析目标平动和转动对距离像的影响,建立了距离单元统计模型,并提出了一种基于该统计模型的包络对齐方法。该方法通过两个步骤完成包络对齐：利用目标回波数据提取各距离单元统计模型的参数;搜索使各距离单元的联合概率密度函数取得最大值的距离偏移量进行包络对齐。分析...