雷达目标一维距离象多分辨特征描述和快速匹配法研究

文中首先阐述了信号奇异性与小波变换模极大值的关系、含噪非平稳信号在小波变换下信号与噪声的不同特性；然后提出了可用于高距离分辨力雷达目标识别的一维距离象多分辨分解和目标结构特征的多分辨描述方法，根据目标结构特征的多分辨描述，定义了距离象的相异度概念，利用相异度可以实现目标的快速匹配识别。     

基于小波神经网络的毫米波雷达目标距离像识别

给出一种隐层由小波基组成的神经网络用于实现频率步进毫米波雷达目标一维距离像的识别。利用小波变换所具有的良好的时频分析特性，实现了输入输出之间映射关系的多分辨学习。介绍了小波神经网络的数学框架及其误差反向学习算法。详细描述了用小波神经网络进行识别的步骤。将所提出的小波神经网络用于频率步进毫米波雷达目标一维距离像的识别。实验结果表明该方法对目标距离像的识别是有效的。     

基于高分辨率雷达的一种目标识别方法

在小波变换和Mahalanobis距离的基础上,提出了一种雷达目标识别方法.首先,对雷达回波信号进行小波变换,得到目标散射中心在一维距离像中的位置和峰值,从而得到一组由位置和峰值构成的点列.然后计算这些点的Mahalanobis距离,得到目标识别的特征向量,由此进行目标识别.仿真实验结果表明:该方法具有较高目标识别能力和强抗干扰能力.     

基于离散小波变换的低分辨雷达空间目标识别算法

针对低分辨率雷达体制下的空间目标识别问题,提出了基于离散小波变换的低分辨雷达空间目标识别算法。该算法首先对于空间目标的雷达回波信号进行离散小波变换,然后在时间-尺度平面上提取十个有效的统计特征,最后基于模糊分类来识别六类空间目标。计算机仿真实验表明,即使在较低的输入信噪比下,该算法依然对六类目标取得了比较好的识别效果。     

基于双正交FDWT的雷达数据压缩和目标识别方法

本文由双正交共轭滤波器构造有限维内积空间的双正交多分辨分析和快速离散小波变换(FDWT),提出信号的对偶小波变换方法,并将其用于降低雷达数据存储量,提出双正交变换系数筛选方法以及基于压缩数据的小波域相关和最小距离分类方法。通过六种飞机目标的距离高分辨数据的分类实验,证明本文提出的变换、压缩和识别方法是有效的。     

基于多重变换的一种雷达目标识别方法

利用多重变换，提出了一种雷达上述识别方法，将雷达回波信号与本振信号混频处理后采样，进行FFT，得到目标的一维距离像，计算其马氏距离，利用小波变换对马氏距离序列进行数据压缩，得到目标的特征向量，由相关识别法进行目标识别，由3类飞机模型测量数据的识别结果表明，该方法具有较高的识别率。     

基于小波多尺度检测特性的扩频序列捕获研究

根据小波分析的特点，将小波检测引入扩频序列捕获系统中，利用扩频码捕获时信号(调制信号)和未捕获时信号(高斯白噪声)的小波变换的不同特征，结合多分辨分析，设立小波变换阈值，正确识别捕获状态。并且，对这种利用小波检测的捕获方法进行了仿真实验，分析与实验表明这种方法具有一定的理论价值和实用价值。     

M带小波变换在图象中的应用

小波变换是近年来兴起的一种时频域信号分析理论,是信号分析处理的一种强有力的新工具.本文根据小波变换的特点,在Mallat二带多分辨分析的基础上,讨论分析了信号的多带多分辨分析的理论和实现算法,并将这一理论和算法应用于图象处理,取得了满意效果.     

基于脉冲幅值序列算法的抗红外干扰方法研究

用红外干扰弹诱使导弹偏离真实目标依然是使用最广的干扰方法,当前使用的红外干扰弹的运行轨迹和红外辐射特征与目标非常类似,对常用的几种抗干扰算法构成了很大的挑战。针对脉冲幅值序列算法做了深入细致的研究,对功率谱分析法、传统正交小波变换法、时域分析法等多种方法进行了仿真和分析,并介绍了一种新方法——多尺度的离散平稳小波变换法,能够有效分辨开目标信号与红外干扰弹信号,改善了红外探测器的抗干扰能力和目标识别能力。     

图象多通道小波分析的实现

小波变换是近年来兴起的一种时频城信号分析理论，是信号分析处理的一种强有力的新工具．本文根据小波变换的特点，在Mallat多分辨分析的基础上，将小波的“多通道”多分辨分析，推广到了“多通道”多分辨分析、讨论了多通道小波分析的理论和实现方法，并将这一理论应用到了图象处理，实现了图象的多通道小波分析．     

雷达目标特征提取的一种方法

将小波变换和马氏距离相结合，提出了一种基于ISAR成像的雷达目标特征提取方法。对ISAR成像数据进行正交二进Symlet小波分解和门限处理，对数据进行压缩，然后计算压缩后坐标点的马氏（Mahalanobis)距离，得到目标稳定的特征向量。由实验结果看出，此向量具有在一定范围内的不变性，能够用于雷达目标识别。     

基于小波变换的雷达辐射源信号特征提取

在小波多分辨分析的基础上提出一种对雷达辐射源信号进行脉内特征提取方法,该方法能够从信号中有效提取定量信息。将小波变换后低频逼近小波系数的能量分布熵,与经过尺度相关去噪计算后反映信号边缘的高频细节小波系数能量分布熵一起构成雷达辐射源信号的二维特征向量。通过对10种雷达辐射源信号的特征提取和分类仿真实验,结果表明：提取的样本特征在低信噪比下具有很好的抗噪性和可聚类性,证明了本文方法的有效性。     

单目标一维成像及特征提取方法性能分析

为后续目标识别作准备,针对采集并且存储之后的飞机目标雷达回波信号,完成后端雷达信号处理.首先,基于MATLAB提取波门内采样的回波信号并且实现目标的一维成像.然后,采用传统的傅里叶变换模值、双谱奇异值分解法对目标的一维距离像进行特征提取.为了获得较为稳定的目标特征,针对以上两种方法,主要从特征相似性的测量角度分析单一目标特征提取方法的性能优劣.最后通过实验,从相关系数概率密度分布情况得出双谱奇异值分解特征提取法性能较佳,所得到的目标特征较稳定.     

基于小波分解及KCN的雷达目标特征提取

讨论了利用一维距离像进行雷达目标识别的特征提取。从缩减表征距离像的特征维数和表征目标所需特征数出发，提出了一种基于小波分解及KCN的目标特征提取方法。为比较不同特征提取方法及所提取特征的性能，引入了Fisher距离来表明各类的类内紧致性和类间分离性。实验结果表明能够有效地进行特征提取。     

基于多分辨率分析提取遥感光谱特征

利用子波变换的多分辨率分析方法，将遥感光谱分解为反映目标结构概貌的模糊信号和刻划目标结构细节的锐化信号。结果表明：对目标特征的分析，小波变换方法比FFT更为敏感。     

一种频率步进雷达目标运动参数估计方法

为实现低信噪比下目标的精确运动补偿,提出基于Keystone变换和Morlet小波变换的方法估计低信噪比下目标速度和初始距离参数。在分析频率步进雷达运动目标回波信号基础上,首先采用Keystone变换法去除回波信号高次相位项,然后对回波信号做IFFT运算,再进行FFT 操作,便可得到距离-速度二维参数谱。考虑低信噪比对参数估计的影响,文中将距离维参数谱通过Morlet小波变换去除噪声,进而获得目标运动参数的精确估计。最后计算机仿真实验进一步说明了该方法的有效性。     

基于多分辨率Trace变换的纹理图像分类

针对Trace变换提取的图像特征缺乏对纹理边缘信息描述和计算代价高的问题,利用小波变换对图像轮廓的表征优势,提出了多分辨率Trace变换并应用于纹理图像分类.首先,将小波变换引入到Trace变换中,对纹理图像进行非下采样小波变换,得到不同频率的低频特征子图及高频边缘子图;其次,在各级子图上进行一组泛函的Trace变换,获取纹理图像的融合特征,在获得图像边缘信息的同时避免了Trace变换不同泛函组合计算代价过高的问题;最后,把融合特征送入支持向量机对图像进行分类.实验结果表明,对图像采用多分辨率Trace变换提取的融合特征具有更好的纹理描述能力,相对于传统Trace变换及MCM等对比方法具有更高的鉴别性能,且在时间效率上相对于传统Trace变换有大幅提升.     

基于小波分析的实时红外系统目标检测的研究与实现

介绍小波分析的原理,以及把小波分析应用于基于红外图像的目标检测的具体实现方法。小波的多尺度特性能凸显出有用的信息这一特点,适合于应用在低信噪比环境下检测目标。但小波分析运算量大,难以满足实时性等系统要求,是实际应用中的一大难点。使用资源丰富、运算速度快的FPGA芯片来完成Mallat离散算法的小波分析的实现,并对其实现效果进行了分析。     

基于DT-CWT与TVAR的多雷达信号融合

针对目标散射回波数据非平稳的特点,本文提出了一种基于DT-CWT与TVAR的雷达信号融合方法。本文利用复小波对雷达信号进行分解,然后对各个小波子空间上的信号进行TVAR建模预测,最后再通过复小波重构雷达信号, 并对两部雷达信号进行幅相补偿和融合,从而获得了超分辨的雷达一维距离像。