雷达自动目标识别算法的集成与评估

雷达自动目标识别算法的集成与评估对加快其实用化进程具有重要意义.在对目标识别系统进行模块化分解的基础上,以识别所利用目标信息为识别算法分类的依据,设计开发了工具箱式的目标识别算法集成系统,可为识别系统的设计提供常用的算法模块.通过引入效能评估,可方便加入使用者的经验知识,拓展了目标识别算法评估的内容,增强了评估系统辅助决策的功能,最后给出了完整的评估流程.     

飞机外形变化对雷达目标识别算法的影响

随着雷达技术的不断发展,雷达自动目标识别算法不断普及,算法识别性能的各项影响因素不能忽略。本文通过对飞机的变化结构、电磁散射模型、回波仿真的分析,简要解释了目标外形变化对雷达自动目标识别算法的性能影响。     

OFD-LFM MIMO雷达中旋转目标微多普勒效应分析及三维微动特征提取

该文将微多普勒效应引入到多输入多输出(MIMO)雷达技术研究,以旋转运动目标为例,分析了雷达辐射正交频分线性调频信号(OFD-LFM)时目标的微多普勒效应,给出了其参数化表达。在此基础上,进一步将微多普勒理论从目前的雷达视线方向上的微动分量提取扩展到微动部件3维运动和结构特征提取,利用MIMO雷达的多视角特性,提出了构建多元非线性方程组求解旋转部件的3维运动参数的算法,实现了目标3维微动特征的提取。仿真实验验证了算法的有效性和鲁棒性。     

基于部件分解的高分辨雷达目标提取方法

针对传统目标提取算法在低信噪比条件下性能不理想且提取部件不连续的问题,提出一种基于部件分解的高分辨雷达目标提取算法.利用属性散射中心可以表征目标部件的散射回波的优势,通过构造属性散射中心基对目标信号进行分解.通过对分解部件的能量设置门限,提取属于目标的部件.实验结果证明:在低信噪比且虚警概率相同的情况下,基于部件分解的目标提取方法比传统基于像素能量的提取方法能提取出更多且更连续的目标部件.     

基于RCS信息的雷达目标大小分类方法

由于低分辨率雷达信息量有限,不能对目标的属性特征等做出精确的判断分类,只能做到粗略的分类判断.因此,文中给出了一种雷达散射截面(RCS)统计信息的低分辨率雷达对目标大小的分类方法.讨论了一种利用最大最小距离的聚类模式识别算法.并通过对实测数据的处理对算法进行了验证,证实了利用RCS统计特性结合最大最小距离的聚类模式识别算法对目标进行大小分类的可行性.     

基于分布式组网雷达的弹道目标三维进动特征提取

弹道目标微动特征提取是当前研究的一个热点,但在单基雷达中,由于视角限制,仅能提取目标在雷达视线方向上的微动分量,难以获得目标的真实三维微动参数.本文基于分布式组网雷达,利用组网雷达的多视角特性,提出了有翼弹道目标三维进动特征提取方法.首先基于目标锥顶散射点的微多普勒特征参数实现了目标空间三维锥旋矢量的重构,在此基础上,通过分析锥底边缘散射点的进动特征与微多普勒曲线的关系,提取了目标的进动周期、自旋周期、进动角、锥底半径、自旋轴与锥旋轴的交点位置等特征,并实现了目标长度的估计.仿真实验验证了算法的有效性,并进一步利用仿真实验分析了算法的鲁棒性.     

调频步进雷达运动目标信号处理的新方法

调频步进雷达是一种距离高分辨率的雷达体制,但是会产生目标冗余的问题.目标抽取算法就是消除这种冗余,提取目标真实位置的方法.对于这种雷达体制,目标运动是影响其性能的主要原因.本文分析了目标抽取算法的特点及速度、速度估计误差对此方法的影响.为克服速度造成的包络走动影响,本文提出了一种改进的目标抽取算法。这种方法在可以准确估计目标速度时具有很好的性能,但是随着速度估计误差增大,性能有所下降.本文给出了速度估计误差的界限,以便尽量减少速度估计误差引起的问题.此外,本文还提出了另一种幅度内插的方法,很好地解决了速度估计误差造成的距离耦合时移问题.计算机仿真的结果验证了理论分析的正确性.这两种方法,尤其是后面幅度内插的方法,可以解决调频步进雷达运动目标处理的关键问题,为这种雷达体制的实用化奠定了基础.     

卷积神经网络在雷达自动目标识别中的研究进展

自动目标识别(ATR)是雷达信息处理领域的重要研究方向。由于卷积神经网络(CNN)无需进行特征工程,图像分类性能优越,因此在雷达自动目标识别领域研究中受到越来越多的关注。该文综合论述了CNN在雷达图像处理中的应用进展。首先介绍了雷达自动目标识别相关知识,包括雷达图像的特性,并指出了传统的雷达自动目标识别方法局限性。给出了CNN卷积神经网络原理、组成和在计算机视觉领域的发展历程。然后着重介绍了CNN在雷达自动目标识别中的研究现状,其中详细介绍了合成孔径雷达(SAR)图像目标的检测与识别方法。接下来对雷达自动目标识别面临的挑战进行了深入分析。最后对CNN新理论、新模型,以及雷达新成像技术和未来复杂环境下的应用进行了展望。     

扩展分形在极化雷达目标检测中的应用

自动目标识别算法通常利用目标和杂波之间的灰度差异,而扩展分形则同时利用了目标的灰度和形态两种特征.本文中,我们将扩展分形用于极化雷达图像目标检测,根据极化雷达图像的特性以及极化不变量的概念,提出了两种目标检测算法.随后的实验结果表明这两种算法都是可行和有效的.     

小样本条件下基于数据增强和WACGAN的雷达目标识别算法

目前小样本条件下高分辨距离像雷达目标识别算法存在识别率较低、识别率稳定度较差等问题,对此,本文提出了基于数据增强和加权辅助分类生成对抗网络（Weighted Auxiliary Classifier Generative Adversarial Networks,WACGAN）的雷达目标识别算法.该算法首先根据雷达目标散射特性,通过时间镜像数据增强方法扩充数据集,然后将扩充数据集输入WACGAN,通过自动选择高质量的生成样本,使判别器在标签样本监督学习的基础上得到进一步优化,最后直接利用判别器实现对雷达目标的有效识别.仿真实验结果表明,本文算法在不增加识别时间的基础上,有效提高了小样本条件下对雷达目标的识别率和识别稳定度.     

雷达HRRP目标识别系统参数分析

雷达高分辨距离像在实现自动目标识别方面具有较大潜力,其识别性能与雷达系统参数,如雷达工作频率、信号带宽等有关。此外,用于采集识别器训练数据的雷达接收机的特性与实际工作的雷达接收机的特性会有所不同,也会影响到识别性能。文中对上述参数对识别性能的影响进行了分析和评估,所得到的结果对目标识别雷达的系统设计具有参考价值。     

高分辨雷达目标识别系统技术研究

高分辨雷达可以获得目标更多的散射信息,为目标识别提供了可能.本文在对高分辨目标识别系统研究的基础上,介绍了系统设计和试验研究,包括识别算法、应用研究技术,通过验证试验,证明该系统可以实时在线完成对空中目标的识别分类.     

一种低分辨雷达自动目标识别系统

低分辨雷达自动目标识别一直是雷达目标识别研究领域的难点。与高分辨雷达目标识别不同，低分辨雷达分类识别主要指对机群目标的大小、架次以及调制方式等进行粗略分类。给出了一个基于飞机目标回波波形对机群目标进行分类识别的低分辨雷达目标识别系统例子。     

基于RCS的海上目标识别方法研究

雷达目标识别技术是现代雷达的一个重要发展方向,高分辨雷达目标识别方面已经取得了较大的进展,但是在现今条件下不可能把所有的常规雷达都更换为高分辨雷达,因此如何提高常规雷达的利用率迫在眉睫。本文的研究主要基于雷达散射截面的目标识别,依据海上目标的自身特点,提出了利用常规雷达进行海上目标识别的办法,并且已经达到了较好的识别率。     

一种改进的高分辨雷达随机脉冲串检测方法

由于高分辨雷达的分辨率远小于目标尺寸，使得目标呈多散射中心，回波能量沿时间分布，从而降低了峰值幅度，增加了目标检测难度。因此文中基于一维距离像提出了一种新的高分辨雷达检测方法，该检测方法将一维距离像看作随机脉冲串，利用一维像强散射点的位置信息和幅度信息联合进行检测，自适应地估计目标一维距离像长度，提高了高分辨雷达检测性能。     

基于强散射点径向积累的高分辨极化目标检测研究

研究了宽带高分辨雷达杂波环境中的目标检测问题,提出了基于强散射点径向积累的高分辨极化目标检测方法,利用宽带波形固有的径向高分辨力对目标进行一维距离成像,结合目标的极化特性,估计出回波中强散射点的数量和分布,通过对不同径向分辨单元内的强散射点进行积累,可有效地提高信杂比,实验仿真结果表明本文方法能够有效改善雷达的检测性能.     

二维匹配滤波实现多角度SAR成像

 多角度SAR图像能够更全面描述目标不同角度下的特征信息,对目标识别具有重要意义.实现多角度SAR成像需要解决两个问题,一是在多角度测量模式下,传统成像算法的远场条件不能满足,成像散焦严重;二是空间采样不连续使得基于傅里叶变换的成像算法产生很高的旁瓣.本文利用二维匹配滤波函数的聚焦功能实现多角度SAR成像.通过调整成像参考点位置构造二维匹配函数,然后将测量数据用匹配函数进行滤波.与传统SAR成像算法相比,本文提出的多角度SAR成像算法突破了空间采样必须均匀和连续的束缚,更具有普适性.实验结果表明本文算法不仅能够实现多角度SAR成像,提高成像分辨率,而且多角度SAR图像能够描述目标散射特征的空间变化.     

全极化高分辨雷达距离像统计识别方法

在全极化、高分辨雷达体制背景下,提出一种将极化信息与高分辨距离像相结合的雷达目标统计识别方法。采用物理统计非高斯模型对全极化高分辨距离像建模,用模型参数分别表征具有较强散射强度分辨单元的多少和强弱,将全极化下的模型参数直接作为特征矢量,并采用Parzen窗法估计模型参数的概率分布密度,用贝叶斯分类器进行分类识别。对实测的导弹类目标识别结果表明,该方法能有效克服距离像特征依赖于方位信息的缺点,达到令人满意的识别结果。     

用Chirp—z变换获得雷达目标回波波形特征

探讨了高分辨率雷达视频回波波形特征．提出对回波信号作Ｃｈｉｒｐ－ｚ变换，以提高频谱的分辨率．还对两类实测毫米波高分辨率雷达目标回波波形进行了Ｃｈｉｒｐ－ｚ变换及Ｆｏｕｒｉｅｒ变换，并对两类结果进行了比较，结果证明对雷达回波波形作Ｃｈｉｒｐ－ｚ变换获得的视频波形特征既满足同一目标特征稳定性，又容易区分两类不同目标．     

运动目标循环移位舍弃像拼接算法

雷达目标一维高分辨距离像拼接是一维高分辨距离像用于雷达目标识别的前提。当目标运动时,距离像发生循环移位,采用传统的目标抽取算法如同距离舍弃法和同距离选大法将导致目标抽取结果产生像缺损。分析了目标运动对步进频率一维高分辨距离像的影响,提出了可避免抽取损失的循环移位舍弃像拼接算法。该算法基于幅度最强像修正抽取范围,将抽取范围与距离像同步移动,克服了目标运动对传统的距离像拼接算法的影响,同时避免了精确运动补偿计算量大的问题,具有工程应用价值。仿真实验验证了该算法的有效性。