基于半参数化概率密度估计的雷达目标识别

该文针对雷达目标高分辨距离像(High-Resolution Range Profile, HRRP)识别中距离单元回波幅值统计建模所面临的概率密度模型选择问题,提出一种基于半参数化概率密度估计的雷达目标识别方法。半参数化概率密度估计从参数化概率密度估计出发,有效利用了高分辨距离像各距离单元幅值近似服从Gamma分布的经验知识,并且通过非参数化修正因子对Gamma模型进行修正,达到参数化方法和非参数化方法优缺互补的目的。基于5种飞机模型高分辨距离像数据的仿真实验证明了该文方法的有效性。     

基于非参数化概率密度估计的雷达目标识别

针对雷达目标识别中,参数化方法估计高分辨距离像的概率密度存在的模型失配问题,提出一种非参数化方法基于累计量的随机学习算法,估计距离像的概率密度。该算法运用多层感知器估计训练样本的分布函数,然后求导得到概率密度。该算法不仅能全面、精确地估计概率密度,而且回避了许多其他非参数方法面临的窗宽敏感性问题。基于外场实测数据的实验证明了该文方法的有效性。     

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。     

高分辨率雷达信号参数对目标识别的影响

采用模板匹配分类器,对具有大、中、小3个尺寸级别的9类目标进行基于高分辨率雷达距离像(HRRP)的识别仿真试验,系统地研究了识别概率-信噪比-雷达带宽/载频之间的三维变化关系,分析了雷达信号参数对目标识别的影响,得到了有价值的研究结论。     

基于注意力机制和双向GRU模型的雷达HRRP目标识别

针对雷达高分辨距离像(HRRP)目标识别问题,传统方法只考虑样本的包络信息而忽略了距离单元间的时序相关性,该文提出了一种基于注意力机制的双向自循环神经网络模型。该模型将时域的HRRP数据通过滑窗分为正反两个序列,并将其分别通过两个相互独立的GRU网络进行特征提取,然后将同时刻提取到的特征进行拼接,从而利用了距离像双向的时序信息。考虑到不同时刻的序列对目标分类的重要性不同,通过注意力机制自适应地对各时刻隐层特征赋予不同的权值,最后根据加权求和后的隐层特征进行目标的识别与分类。实测数据实验结果表明,该文所提方法可以有效完成高分辨距离像的目标识别问题,并且在数据发生一定的时序偏移情况下,仍然可以准确找到目标区域。      

MUSIC超分辨距离像在雷达目标识别中的问题

基于Li和Wang提出的提高距离分辨率有利于提高距离像的姿态稳定性这一结论，不少研究者利用超分辨距离像进行目标识别。文中从高分辨雷达目标的简单散射点模型理论出发，分析了距离像的分辨率与目标姿态敏感性的关系，并且结合仿真实验，详细分析了MUSIC超分辨距离像用于目标识别时对目标姿态、散射点个数、信噪比的敏感性等问题。     

基于优化核Fisher判别分析的雷达目标识别

针对雷达目标高分辨距离像非线性可分和高特征维数的特点,提出一种基于优化核Fisher判别分析的雷达目标识别方法.该方法利用Fisher判别准则下界作为目标函数对核Fisher判别分析进行核参数优化,再利用支持向量机训练和识别由核Fisher判别分析提取的高分辨距离像特征.基于5种飞机目标的仿真实验表明,优化核Fisher判别分析可以有效优化核参数并降低特征维数,具有稳定优异的识别性能.     

基于参数化统计模型的雷达HRRP目标识别方法综述

现代战争日趋信息化和智能化,雷达自动目标识别技术(RATR)在国家安全防卫和战略预警等军事应用方面发挥着更加重要的作用。高分辨距离像(HRRP)反映了目标散射点沿雷达视线方向的分布情况,包含了目标丰富的结构信息,对目标识别十分有价值,已成为RATR领域的研究热点。参数化统计建模旨在构建参数化数学模型表征观测数据的分布特性,是估计数据概率分布和挖掘数据隐含信息的重要手段。基于参数化统计模型的雷达HRRP目标识别就是在对HRRP参数化统计建模的基础上,直接利用估计的概率分布进行统计识别或将获取的隐含信息输入分类器进行识别。由于模型具有可融入一定的先验知识、扩展灵活、提供待求参数的不确定性评价以及能结合贝叶斯理论实现自动定阶等优势,基于参数化统计模型的HRRP识别方法整体识别性能优于其他方法,是目前HRRP识别的重点研究方向。该文从浅层和深层参数化统计建模两方面,对近15年的雷达HRRP目标识别方法进行了归纳总结,并分析了各类方法的特点和存在的问题,最后对基于HRRP参数化统计建模的雷达目标识别发展方向进行了展望。      

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。     

宽带毫米波雷达目标时延神经网络识别新方法

基于一维距离像和神经网络研究宽带毫米波雷达目标识别问题,研究了用于雷达距离像序列识别的时延神经网络模型及其学习算法,并提出了基于距离像序列的宽带雷达目标时延神经网络识别方法,还利用三种飞机缩比模型的暗室测量数据,研究了时延神经网络分类器中时延单元数目对分类精度的影响以及分类器的分类性能。实验结果表明：本方法具有良好的应用前景。     

基于小波能量距的雷达距离像特征提取

基于小波分析的方法,采用雷达目标一维距离像回波在不同频带的能量距特征,以此特征为基础,利用径向基概率神经网络对4类目标进行识别,并与传统的子带能量特征方法进行对比,仿真实验结果表明：对雷达目标距离像进行特征提取时,能量距特征更好地利用了小波分析的时频信息,所得特征向量类间类内距离比大于能量特征,目标的可分性更好,识别率得到了提高,因而能量距特征优于能量特征。     

低分辨雷达目标识别方法研究

利用目标对对空警戒雷达发射波形的调制效应，采用2种不同的方法，提取出低分辨雷达飞机目标机型（大、小）和飞机目标架次可资分类的特征参数，作为飞机目标机型（大、小）和架次判别的特征向量、特征矢量，然后采用神经网络对目标进行分类识别，给出用BP神经网络进行训练和识别的结果，并在低分辨雷达目标识别样机系统对飞机目标进行分类识别试验中，验证了所提取特征的有效性。表明该方法是有效的，这为常规低分辨雷达空中目标识别提供了一种新的途径。     

一种基于联合模型的雷达自动目标识别方法

雷达自动目标识别是将目标识别应用于传统雷达的一项技术,随着信息技术的飞速发展以及战场形势的复杂多变,雷达自动目标识别技术近年来受到广泛关注。目标识别的方法按其模型可分为生成模型和判别模型,生成模型侧重对数据分布的描述,判别模型侧重区分不同类别数据之间的差异。将两种模型有机结合可兼顾二者优势提升模型识别性能。本文提出了一种最大间隔正则化因子分析(MMRFA)模型,该模型对因子分析模型(FA)和隐变量支撑向量机 (LVSVM)建立联合模型。试验结果表明,该模型提升了识别性能且在低信噪比条件下表现优良。     

基于微多普勒效应的雷达目标识别算法

对微多普勒信号进行了建模仿真分析，提出了基于微多普勒信息的雷达目标识别算法。利用改进的经验模型分解方法来提取微多普勒特征，使用相关匹配算法构造分类器。仿真结果验证了该目标识别算法的正确性和可行性。     

基于InISAR像的目标识别方法

针对目标ISAR图像方位向坐标是多普勒频率,其分辨率和目标运动状态有关,如果不进行标定,直接利用ISAR像进行识别存在困难,该文提出了一种基于多特显点的InISAR成像方法,并利用极化映射,提取特征进行识别。该文利用ISAR图像中特显点的多普勒频率和横距的关系,对整幅ISAR像进行横向定标;InISAR像转换到极坐标格式下,提取具有旋转和尺度不变性的特征,对目标分类。详细分析了4个主要参数对成像和识别的影响,仿真实验结果验证了理论分析。     

基于一维距离像的雷达目标识别研究进展

现代高分辨雷达为雷达目标识别提供了新的途径,相应的高分辨一维距离像具有易获取和处理的特点,同时还能够揭示出目标径向结构的分布特性,因而在目标识别领域具有良好的应用前景.文中分析了基于一维距离像的雷达目标识别研究现状,包括一维距离像的模型、距离像特性分析、特征提取方法以及分类器的设计方法等,并且指出了高分辨一维距离像目标识别今后的研究方向.     

基于JEM效应的一种雷达目标识别方法

根据ＪＥＭ（喷气发动机调制）效应和雷达目标回波谱经特点,本文提出了一种雷达目标识别方法。此方法是利用小波变换,得到雷达目标回波信号的频率调频指数,对信号进行相位补偿,然后滤掉信号中的机身频谱和多普勒频谱,再进行相位补偿,用ＦＦＴ（快速傅立叶变换）就可以得到目标的调制谱,由此实现目标识别。由实测数据进行分机处理,证明利用目标的调制谱识别目标,认识效果很好。     

基于NMFs-LDA的雷达目标距离像识别

基于NMFs(非负矩阵稀疏分解)和LDA(线性辨别分析),提出了一种新的雷达目标一维距离像识别方法。该方法首先用非负矩阵稀疏分解提取原数据的局部特征,然后用线性辨别分析方法对提取的特征进行进一步的处理,最终实现降维和特征提取的目的,接着采用最邻近中心法对处理后的特征进行分类,最后用3种不同类型飞机实测回波数据进行识别实验,并与经典的PCA-LDA方法相比较,结果表明该方法具有更好的识别性能。