基于深层-浅层双流学习图模型的无监督少样本红外空中目标识别网络

在军事空中目标识别领域,由于样本数量缺失,现有人工智能算法无法完成准确识别。文章利用已有足量辅助域图像辅助少样本应用域进行跨域目标识别,解决因标签缺失与样本稀疏导致的识别模型泛化能力不强及性能不佳问题。文章提出一种基于深层-浅层双流学习图模型（D-SLGM）的跨域目标识别算法。首先,提出一种深层-浅层双流特征提取算法,解决无监督少样本条件下特征表示困难的问题;同时,提出一种基于图模型的特征融合算法,实现特征间高精度融合;基于融合后的特征训练识别模型,提升算法的泛化能力。使用自建空中目标数据集,设计三种应用场景。实验结果表明,D-SLGM平均识别准确率均值达到78.2%,优于对比方法,在实际空中目标识别应用中具有较大潜力。     

阵列内插的波束域ML米波雷达测高方法

针对多径环境下低仰角目标角度估计的最大似然(ML)算法运算量大的问题,提出了一种能有效降低运算复杂度的米波雷达测高方法一基于阵列内插的波束域ML算法.首先对大间距的均匀线阵进行等间隔内插,对波束域变换存在的角度模糊问题实现了解模糊;通过无模糊的波束域变换将阵元接收的数据合成为少数几个波束域的数据;利用波束域的ML算法估计目标的仰角并计算其高度.该算法在获得与传统的ML算法相当的测角和测高精度的同时,运算量仅为传统ML的25%.计算机仿真和某米波雷达实测数据的处理结果验证了该算法的有效性和可行性.     

基于波束域的米波雷达低仰角波达方向估计

针对米波雷达低仰角工作时除了收到目标的直达波外,还会收到与直达波相干的地(海)面反射的多径信号,提出了一种基于波束域的米波雷达低仰角波达方向估计的新算法.利用阵列输出数据协方差矩阵构造一个Toeplitz矩阵,以实现对雷达回波数据的解相干;在波束域对降维后的数据协方差矩阵应用基于信号子空间的角度超分辨算法实现波达方向估计;最后,研究了波束域下米波雷达低仰角波达方向估计的特点,分析了不同信噪比、波束个数对算法性能的影响.所提算法不但可以有效地克服多径效应,还极大地降低了运算量,理论分析和计算机仿真都证明了新算法的优越性.     

空间目标相对运动角参数的天基光学测量方法

利用在轨光学相机对空间目标进行跟踪测量,目标相对运动角参数的测量精度决定了空间目标的定轨精度.针对轴系定向原理精度差、天文定向运算量大等问题.提出了基于星图识别的天基光学定向算法.根据空间目标及参考恒星在相机焦平面上成像角的位置关系.利用参考恒星的惯性天球坐标确定目标相对视线的惯性空间角(赤经、赤纬);建立了目标视线角...     

基于多姿态角模型的SAR图像分类方法

针对传统合成孔径雷达(SAR)图像目标识别存在精度低、效率差的问题,提出一种多姿态角模型SAR图像分类方法。根据SAR图像姿态角敏感特性,首先将数据集按照不同方式和间距进行划分,得到不同的数据集组合,其次利用卷积神经网络训练划分后的数据集得到不同组子模型,并将效果最好的一组子模型融合成一种多姿态角模型,最后使用稀疏表示的方法对待测样本进行姿态角的角度估计,获取其姿态角信息后送入多姿态角模型中进行模型匹配,得到图像分类结果。实验结果表明,所提方法的目标识别准确率高于传统算法,在姿态角变化较小的数据集中训练得到的模型能够对目标群体进行更精确的目标类别估计。     

一种层次初始的聚类个数自适应的聚类方法研究

K均值聚类算法是一种常见且有效的基于划分的聚类算法。为解决该聚类算法对初始中心敏感的问题,常用的方法是层次化初始聚类中心。然而,层次初始的聚类算法仍然需要将聚类个数作为输入参数,在高维数据和海量数据中不易应用。基于能够自动确定聚类数目的目的,采用DBI度量,提出一种层次初始的聚类个数自适应的聚类方法（简称DHIKM）。通过UCI数据集和仿真数据上的实验,证明DHIKM可以在采样数据中快速找到合适的聚类个数,实验结果表明该算法在聚类质量与收敛速度上的有效性。     

基于FFT和迭代插值的改进型超分辨算法

基于单快拍的快速迭代插值DOA（Direction of Arrival）估计方法,有效地消除了频谱泄漏,实现了多源DOA的无偏估计。但是该算法需要提前确定信源的个数,且运算量大,因此在工程应用中受限。本文提出一种新方案,利用传统角度域FFT提供粗略角度估计,然后通过迭代插值法细化角度,最终基于对消残差功率和信息论准则进行信源个数估计。该方案无需预知信源个数,且文中提出的基于残差变化率的收敛策略大大减少了细化估计的迭代次数,从而有效地降低了原算法的计算量。通过仿真结果验证了该方案的有效性,在估计精度及分辨率方面性能接近快速迭代插值波束形成算法,优于子空间类算法。     

基于红外特征的三维目标识别算法研究

基于三维特征的目标识别存在相似点云域容易误判、总数据运算量大等问题,而造成目标检出率低和误判率高。为了提高目标识别准确度与速度,提出了基于红外特征的三维目标识别算法。系统同时获取目标区域的二维红外图像与三维点云数据,利用目标红外特性的显著特征获得目标的投影范围,并计算系统与目标的位姿关系。根据红外特征映射关系计算点云数据中目标的限定范围,由此大幅缩减需要匹配计算的点云总量。在相同背景条件下对同一目标车辆进行测试,记录分析了3种不同测试角度条件下的识别数据。结果显示,传统点云识别算法的目标检出率均值为93.4%,误判率均值为19.5%,收敛耗时4.77 s。本算法的目标检出率均值为98.7%,误判率均值为1.5%,收敛耗时1.23 s。由此可见,基于红外特征的目标识别算法的检出率和误判率都更有优势,且处理速度更快。     

一种新的多目标角度功率联合跟踪算法

提出了一种新的多目标角度、功率联合跟踪算法。首先,利用高分辨处理估计出目标的个数、初始角度、初始功率及噪声功率。接着,通过相邻时刻估计得到的协方差矩阵的差推导出了一组关于角度差和功率差的线性方程组,重复解方程组可以得到不同时刻各个目标的角度以及功率。该算法可以减小阵元噪声带来的影响,在跟踪过程中,不需要进行子空间分解,参数自动配对,而且相邻时刻估计得到的角度和功率之间是自动关联的,省去了运算量较大的数据关联过程。进一步,给出了一种修正方法减小了算法中三个近似带来的误差。仿真结果表明,该算法的运算量低,跟踪精度高。     

一种新的多目标角跟踪方法

该文提出了一种新的多目标角跟踪算法。首先利用高分辨处理估计出目标的个数及其初始角度,接着通过对协方差矩阵的更新得到不同时刻各个目标的角度。该算法减小了阵元噪声的影响,相邻时刻估计得到的角度之间是自动关联的,省去了运算量较大的数据关联过程。此外,文中还提出了进一步提高性能的两种方法:通过引入预测值减小了算法中两个近似带来的误差;采用记忆跟踪法来处理有目标交汇的情况。仿真结果表明,该算法有较高的跟踪性能。     

雷达高分辨距离像模板自动生成算法

模板的完备性直接决定了基于高分辨距离像的雷达目标识别系统的分类性能;在外场试验中限于目标姿态、环境等因素难以获得准确标定的目标立体角范围内全姿态模板数据。针对一维距离像识别的工程实用化需求,本文基于数据驱动思想,提出了新的一维距离像聚类模板自动生成算法。与传统方法相比,本文方法在提高工程可行性的同时提高了识别性能。为满足实验需要,本文提出了新的基于MSTAR图像的高分辨距离像反演算法,得到更精确的反演数据。基于该数据的实验结果表明算法解决了模板生成姿态角依赖性问题,提高了识别性能。      

Radar HRRP Statistical Recognition: Parametric Model and Model Selection

Statistical modeling for radar high-resolution range profile (HRRP) is a challenging task in radar HRRP statistical recognition. Theoretical analysis and experimental results show that elements in an HRRP sample are statistically correlated and non-Gaussian distributed. First, this paper introduces three joint-Gaussian models, i.e., subspace approximation model, probability principal components analysis (PPCA) model and factor analysis (FA) model, into radar HRRP statistical recognition. Due to the experimental results, we can have the conclusion that the jointly non-Gaussian distributed HRRP samples approximately follow the joint-Gaussian distribution described by FA model. Therefore, we can apply FA model to radar HRRP statistical recognition rather than a joint-Gaussian mixture model, e.g., PPCA mixture model or FA mixture model, which is a more accurate choice for modeling non-Gaussian distributed correlations in multidimensional data but with high learning complexity and large computation burden, and the difficulty in the statistical modeling for HRRP samples is largely reduced. Second, this paper concerns model selection of FA model in radar HRRP statistical recognition, in which there are two issues, i.e., the partition of target-aspect frames and the determination of the number of factors in each frame. Based on the Akaike information criterion (AIC) and the Bayes' information criterion (BIC), an iterated algorithm for model selection is proposed in this paper, which can automatically give the optimal aspect-frame boundaries and determine the optimal number of factors in each aspect-frame. The recognition experiments based on measured data show that the proposed adaptive partition approach can further improve the recognition performance with higher recognition efficiency.     

基于线性动态模型的雷达高分辨距离像小样本目标识别方法

为了解决雷达高分辨距离像识别系统对训练样本需求量过大的问题,该文提出一种基于线性动态模型的小样本目标识别方法。首先分析了距离像频谱的统计特性,然后从其广义平稳性出发,使用线性动态模型对距离像频谱幅度建模,并用期望最大化算法估计模型参数。实测数据的实验结果表明:即使在很少的训练样本条件下,该方法仍能获得较高的正确识别率和良好的拒判性能。     

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.     

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。     

雷达高分辨距离像子带融合识别算法

针对雷达高分辨距离像（HRRP）目标识别问题,对目标回波进行子带划分,分别进行幂变换预处理获得子带距离像,通过实验证明HRRP不同频段的子带距离像均含有目标信息,可以从中提取特征信息用于目标识别。提出一种相关系数相加法子带融合识别算法,由于该方法充分利用了回波信息,因而能获得更好的识别性能,实验仿真验证了这一结论,分析表明算法具有计算复杂度低的优点,因此可实际应用于雷达自动目标识别。     

基于高分辨一维距离像及其特征的空间目标识别效果分析

目标高分辨一维距离像(High Resolution Range Profile, HRRP)中包含了丰富的目标尺寸、结构等目标特征,是进行空间目标身份识别的有效途径。但由于卫星宽带雷达实测数据获取难度大,前期相关研究多集中于基于HRRP的目标识别算法,结论也多是基于仿真数据和少量类别(几类)的前提下得到的,与工程应用实际情况有较大差距,工程指导意义有限。为解决这一问题,基于地基雷达获取的30类卫星目标的大量一维距离像实测数据,从识别正确率的角度对目标HRRP及其特征(组合)的可分性和在空间目标个体识别中的应用效果进行了量化分析,分析结果可为后续基于HRRP的空间目标个体识别技术研究和工程应用提供可靠依据。     

最大间隔核优化的雷达目标高分辨距离像识别新方法

基于目标高分辨率距离像的雷达自动目标识别技术在军事和民用上都有巨大的应用价值。但是由于雷达目标高分辨距离像的姿态敏感性以及高特征维数,造成了其非线性可分性。针对此问题,本文提出了一种基于最大间隔核优化的雷达目标高分辨距离像识别方法。本方法首先采用了最大间隔准则算法来优化数据依赖核函数,然后利用支持向量机分类器实现了雷达目标高分辨距离像识别,最后进行了基于5种战斗机目标高分辨距离像的实验仿真。实验结果表明了基于最大间隔核优化的目标识别算法对于SVM分类器可以有效实现核函数优化,从而能够提高目标识别性能。      

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.     

基于空时融合隐马尔科夫模型的舰艇编队目标识别方法

基于末制导雷达搜索舰艇编队目标时获得的目标大角域高分辨距离像(HRRP)信息,该文建立了描述单个HRRP样本内向量之间统计关系的各态历经空间隐马尔可夫模型(SHMM)和描述HRRP样本之间统计关系的从左到右时间隐马尔可夫模型(THMM)。与对一类目标全方位角训练数据只建立一个THMM模型的方法相比,该方法充分利用目标的大角域HRRP信息,提高了识别性能。通过对5类舰船目标的仿真和3类民用船只的外场实测数据分析表明该方法的有效性。