基于时域弹跳射线与BP算法的聚束SAR目标电磁成像快速仿真方法

针对复杂群目标合成孔径雷达(synthetic aperture radar, SAR)电磁成像快速模拟问题,采用一种基于宽度优先搜索(breadth-first search, BFS)算法进行K-d树构建,显著提升了时域弹跳射线 (time-domain shooting and bouncing ray, TDSBR) 法的射线追踪效率。使用TDSBR法分析了复杂电大尺寸目标的时域电磁响应特性,结合后向投影 (back-projection, BP)算法对雷达回波信号进行聚焦处理进而获得了复杂目标的高分辨SAR图像。通过与FEKO软件中的频域射线追踪算法进行对比,验证了本文TDSBR算法在复杂群目标SAR电磁成像快速模拟中的有效性和高效性。     

基于时域弹跳射线法的海面复合目标近场回波仿真

雷达回波信号的获取对研究动态目标识别和雷达成像具有十分重要的意义。提出了一种基于时域弹跳射线法(Time Domain Shooting and Bouncing Ray, TDSBR)的动态目标回波仿真模型,用于模拟海上电大目标的近场雷达回波。该模型采用TDSBR方法直接在时域计算弹载雷达照射下的目标与海面近场复合散射特性,并结合“stop-go”方法模拟雷达与目标之间的相对运动,实现了弹载雷达照射下海上运动舰船目标的回波信号仿真。仿真结果表明,该模型可以有效呈现海面与海上目标的耦合效应,实现对目标速度和距离的预测,具有良好的精度和较高的效率,在海洋环境中弹载雷达的回波预测和目标检测中具有广阔的应用前景。     

基于目标CSAR回波模型的SAR自动目标识别算法

基于模板的SAR目标识别需要存储海量的目标模板,给识别系统的设计和算法效率的提高都造成了严重的困难,而基于模型的方法克服了上述问题,并已成为下一代目标识别算法研究的热点。该文提出的基于圆周SAR(CSAR)回波模型的识别算法,从目标的3维CAD模型出发,利用弹射线原理构建目标的CSAR回波,并通过在线实时预测目标聚束SAR图像来完成识别。同传统的基于散射中心模型的算法相比,利用CSAR回波的算法不仅预测结果准确,而且算法简单高效。仿真实验验证了算法的有效性,并比较了相关算法的优缺点。     

电磁散射特征提取与成像识别算法综述

合成孔径雷达(SAR)图像的自动化解译是合成孔径雷达技术应用的重要发展方向之一。电磁散射特征与目标结构具有稳健的关联性,是SAR图像解译的关键支撑。近年来,如何准确地实现电磁特征提取以及利用电磁特征反演目标特性受到了广泛的重视。该文讨论了电磁特征提取和基于电磁散射特征识别方法的研究成果,总结归纳了其中的关键要素和主要思路,详述了电磁散射机理在成像和识别领域的扩展应用,展望了未来电磁散射特征提取与应用的研究发展趋势。      

基于对数极坐标变换的目标识别算法

针对二维ISAR像的空中目标识别问题,提出了一种新的识别算法。首先通过对数极坐标变换,将笛卡儿坐标系下的尺度、旋转变换转变成对数极坐标系下的平移变换,然后对新坐标系下的图像进行二维傅里叶变换,利用傅里叶变换模值的平移不变性,得到具有尺度、旋转不变性的特征矩阵,最后与模板的特征矩阵进行矩阵相关,识别分类。用实测数据进行了验证,证明了算法具有较快的速度和较好的识别结果。     

基于支持向量机的红外成像自动目标识别算法

本文针对实战中红外成像制导导弹面临的自动目标识别问题,提出了一种利用若干二维图像识别三维目标的自动目标识别算法,并引入支持向量机作为分类器．仿真试验结果表明,该算法能够成功地识别三维空间中任意角度的目标,很好地解决了许多二维识别算法难以解决的三维目标识别问题．同时,通过比较,证明该算法比传统识别算法拥有更高的识别率．     

基于目标识别的SAR图像特征分析

特征分析是目标检测与识别的关键,也是图像解译的经典课题之一.本文分析了合成孔径雷达图像目标识别系统各阶段常用的特征,并提出了几个新的具有鲁棒性的特征,从而为SAR图像目标检测和分类提供了良好的基础.     

基于增量学习的合成孔径雷达目标识别算法

传统的合成孔径雷达(SAR)目标识别往往采用批量学习的方法,但是在现实应用中,系统的训练数据并不能一次性全部获得,当有新的训练样本到来时,采用批量学习方法需要重新训练整个系统。为解决这个问题,将增量学习算法——正则在线序贯式极限学习机(ROSELM)应用到SAR目标识别中,并且采用粒子群算法优化ROSELM的初始权值以提高其稳定性和识别率。实验结果表明,该算法在新的SAR目标样本获得时只需要通过更新输出权值即可完成系统的更新,无需重新训练,且速度极快、识别率高,可以作为SAR目标识别系统在线更新的良好选择。     

快速求交算法在射线追踪中的应用

针对弹跳射线法(shooting and bouncing ray,SBR)中复杂的射线追踪部分,本文利用Moller和Trumbore提出的射线与三角面元求交点的算法实现了射线路径的快速计算。对任意复杂目标采用三角面元建模,将射线方程与目标曲面函数联立求解的问题转化成射线与三角形求交点的问题,大大降低了计算难度,同时三角面元建模的方式也扩展了SBR算法的计算范围。通过对典型目标雷达散射截面积(RCS)的计算,验证了此种算法的正确性和高效性。     

基于组合矩的激光成像雷达目标识别算法

随着激光技术的发展,激光成像雷达在现代战争复杂战场环境中逐渐获得了广泛的应用,目前激光成像雷达自动目标识别技术已成为国内外研究的热点问题。提出了基于组合矩的激光成像雷达目标识别算法,从激光成像雷达目标的距离像中提取低阶的Zernike矩、Hu矩和中心矩构成组合矩特征,该特征对距离像噪声不敏感,应用径向基函数(RBF)神经网络对三种地面目标进行分类识别。实验结果表明,该算法与应用Zernike矩和Hu矩特征进行分类识别相比,对三种激光成像雷达地面目标的平均识别率在高载噪比(20dB)下分别提高了1.0%和3.7%;在低载噪比(10dB)下分别提高了11.8%和42.5%;当载噪比高于17dB时,该算法的平均识别率达到100%。因此该算法取得了比较好的识别效果。