目标电磁散射特性研究的若干热点和难点问题

尽管国内外在目标电磁散射特性研究领域取得了很大进展,但是从技术本身来说该专业领域仍然存在一些难点问题.同时,复杂环境下低散射目标的探测与识别等应用,以及太赫兹等新体制雷达的研发对目标电磁散射特性研究提出了新的需求、引入了新的问题.围绕这些应用需求和技术难点,本文从理论建模、散射测量和特征提取三个方面,归纳总结了目标电磁散射特性研究存在的若干热点和难点问题,期望为从事该方面研究的科研人员提供方向性的引导.     

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。      

基于混沌、多重分形理论的雷达信号分析和目标识别

本文旨在将混沌、多重分形的理论和方法引入雷达信号处理,分析雷达目标的混沌、分形特性,以有效进行雷达目标识别。文中统计了飞机目标回波信号的Lyapunov指数分布情况,并计算了其多重分形维数,然后在此基础上,利用ART2神经网络进行了飞机目标识别的研究,获得较高识别率。本文的研究表明,混沌、多重分形理论结合人工神经网络在目标特性和目标识别的研究中有着良好的应用前景。     

基于阻抗边界条件建模的涂敷目标电磁散射分析

针对飞行器上常用的涂敷吸波材料结构开展电磁散射数值建模和散射特性分析。利用涂敷结构表面电磁场的阻抗边界条件,建立表面电流和表面磁流的新型积分方程形式,并利用快速算法进行求解。数值结果表明:该型积分方程在不增加额外计算量和存储量的条件下,显著改善了迭代求解收敛性,为复杂涂敷结构的电磁散射分析提供了快速、可靠的技术途径。     

基于FDTD的运动导体目标电磁散射仿真

提出了一种基于散射模型的等价相对边界条件。将该等价相对边界条件与传统FDTD方法相结合提出了求解运动导体目标电磁散射问题的方法。并将该方法用于计算运动的无限大导体表面的电磁散射问题，计算结果与文献所给方法的计算结果吻合很好，验证了该方法求解运动导体目标电磁散射问题的正确性和有效性。用该方法计算了运动三维导体目标的雷达散射截面。     

复杂飞行目标电磁散射特性及计算

本文讨论了复杂飞行目标电磁散射分析及计算的一种方法，利用曲面拟合法的目标几何外形进行拟合，以样条函数拟合目标外形，并进行分元，利用物理光学近似技术求解每一分元的散射场，经相位综合，求得目标总射场，数学模型和实例证明了方法的正确性。文中讨论限于全金属导体目标的单站散射情况。     

电大目标电磁散射的TD-PO分析

由逆傅立叶变换导出时域物理光学(TD-PO)表达式,给出了TD-PO方法计算时内存估计的具体形式、时间离散的采样原则及入射波消隐的判断方法.计算了金属球、板、锥球的瞬态散射和RCS,计算结果与其他方法结果吻合很好.数值结果表明TD-PO方法计算速度快、所需内存少,是分析电大目标宽频带特性的高效方法.     

步进频信号散射中心的提取及目标识别

针对宽带步进频测量雷达体制，用几何绕射理论（GTD）模型来描述目标宽带RCS测量数据，利用多重信号特征（MUSIC）算法估计目标散射中心的数目和位置，并将目标的散射中心作为特征进行目标识别。利用暗室测量的缩比目标模型数据进行目标识别实验，结果表明，用该方法提取的散射中心特征稳当有效，识别效果较好。     

基于NURBS曲面的目标电磁散射物理光学分析

随着计算机辅助设计与制造（CAD／CAM）技术的发展，非均匀有理B样条（NURBS）曲面被广泛应用于各种复杂物体（如：飞机、坦克、舰艇等）的设计与制造中。本文利用物理光学（PO）法，分析了由NURBS曲面构造的目标的雷达截面（RCS）．通过对NACA3317型机翼的计算机模拟，说明了本文的方法是有效的．     

基于点目标特征参数提取的红外多光谱设计

为了提高等效温度、等效面积的稳定性和分辨率,提出一种基于点目标特征参数提取的红外多光谱设计方法。首先,通过多光谱设计准则模拟仿真了多波段的抗误差能力,确定了光谱设计的影响因素。然后,根据红外辐射测量系统噪声分析,确定了光电导中波和长波探测器都达到最佳工作性能的条件。最后,根据波段信噪比估计和红外大气窗口确定了光谱的具体分布。性能分析结果表明,设计的光谱能在目标各种变化的情况下,使中波和长波协同工作,大大提高了等效温度、等效面积的稳定性和分辨率。     

Non-cooperative signal modulation recognition algorithm based on joint feature parameter extraction

Aiming at the problem that in the current electromagnetic environment,the modulation method is complicated,the frequency-consuming equipment increases,the spectrum is congested,and the electromagnetic environment interference increases,the algorithm of OFDM signal detection and subcarrier identification in the background of non-cooperative communication were deeply studied.Using the different distribution states of OFDM signals and single carrier signals in the time domain,a joint characteristic parameter was proposed to solve the existence problem of OFDM in the received signal.For the phase shift and frequency offset problems caused by the channel transmission to the signal,by using the periodic stability the blind parameter estimation was performed to obtain the signal prior information.On the basis of the obtained signal prior information,a multi-level classification and recognition method for non-cooperative OFDM signal sub-carrier signals was proposed.Therefore,a model based on non-cooperative communication system OFDM signal detection and subcarrier modulation identification was designed,and finally modulation identification of unknown signals was completed.Simulation experiments show that in non-cooperative communication systems,OFDM signals and single-carrier signals can be accurately identified,and ideal modulation recognition effects can be achieved on empty subcarriers,QPSK,and 16QAM in the receiver OFDM signal subcarriers,overcoming the channel transmission band The problems of phase shift and frequency offset have improved the accuracy of modulation mode identification.     

基于无监督K均值特征和数据增强的SAR图像目标识别方法

过去二十年中,合成孔径雷达（Synthetic Aperture Radar, SAR）自动目标识别已经受到越来越多的关注。许多有监督特征学习算法被提出来,而且应用到合成孔径雷达的自动目标识别中。本论文采用了无监督学习算法——K均值（K-means）聚类算法,通过分块自编码和优化接受域参数进行SAR图像特征学习,从而自动学习到无标签数据中鉴别性特征,并将所提取特征用于SAR图像目标识别中。然而,无监督学习一般对训练数据量有较高要求,因此,我们提出了两种数据增强方法,通过旋转目标物体的方位角,以及在原始图像上增加随机值,来获得更多可以用来训练模型的数据,使模型可以学习具有多样性的特征,达到提高识别效果的目的。采用公开的MSTAR数据库进行实验验证,结果表明所提方法可达到96.67%的主流识别率。      

基于L1范数B2DPCA的SAR目标特征提取与识别

主成分分析法(PCA)等基于L2范数最小均方准则的目标特征提取方法在合成孔径雷达(SAR)图像目标识别中得到广泛应用,L2范数易受SAR图像中野值的干扰,影响目标特征提取效果。介绍一种基于L1范数双向二维主成分分析法(B2DPCA-L1)的目标特征提取方法。L1范数对野值有较强的鲁棒性,通过在L1范数框架下实现B2DPCA,有效地改善了样本中野值对特征提取的影响,同时减少了特征矩阵维数,提高了目标识别率。实验表明,所提出方法的识别性能优于基于L2范数的特征提取方法。     

基于二维非参数特征分析的SAR图像目标识别

在分析传统Fisher线性鉴别分析局限性的基础上,由图像的行信息和列信息提出了两种形式的二维非参数特征分析(2DNFA)的特征提取方法,并应用于SAR图像目标的识别。直接在SAR图像矩阵上使用非参数特征分析提取特征不仅能充分发挥非参数特征分析的性能而且保留了图像矩阵的结构信息,大大降低了散度矩阵的维数,减小了运算量。使用美国MSTAR计划录取的数据对算法进行了仿真验证,实验结果显示两种形式的二维非参数特征分析在较低特征维数下的识别率均可以达到98%以上,表明所提方法的有效性和正确性。     

基于体积特征的空间目标识别算法

提出了基于体积特征的空间目标识别算法，首先通过高分辨力单脉冲雷达对空间目标进行三维成像，然后提取空间目标的三维像体积特征，由于卫星的体积通常比碎片大，根据空间目标的三维像体积可以实现对卫星和碎片的识别。计算机仿真实验表明，该算法取得了比较好的识别效果。     

基于核方法的探地雷达目标特征提取方法

把核方法引入探地雷达目标特征提取中,先对雷达特征数据进行基于核的非线性变换投影到高维空间;然后在高维空间应用传统的探地雷达目标特征提取方法（LDA方法和PCA方法）提取雷达数据特征。对PCA、LDA、基于核方法的PCA和基于核方法的LDA四种探地雷达目标特征提取方法进行对比研究,对实测数据处理的结果表明：无监督的学习方法不适合探地雷达目标特征提取,所提基于核方法的LDA探地雷达目标特征提取方法效果最好。并详细阐述了基于核方法的LDA探地雷达目标特征提取方法。     

雷达目标特征提取的一种方法

针对雷达高分辨率距离像（HRRP）方位敏感性和平移敏感性的问题,在对一维距离像进行预处理的基础上,提取两个平移不变特征：中心矩和熵,并将二者形成组合特征,采用Karhunen—Loeve变换进一步进行特征压缩,运用并比较了最大最小距离判别法和SVM分类器的识别性能．实验结果表明中心矩一熵组合特征提取方法能够显著增强目标的可分性,大大提高识别率。     

基于面部几何特征点提取的人脸识别方法

文中介绍了一种通过提取特征点信息进行人脸识别的方法。在利用形态交离变换确定眼球位置的基础上,根据区域点投影曲线检测特征点,然后构造尺寸、位移、旋转不变的特征向量,并与样本库中的人脸特征向量相比计算其相似度,依据相似的程度完成识别。实践证明该方法对人脸正面图具有准确的识别率,并具有强抗干扰能力。     

基于双谱特征的超宽带雷达人体目标识别

为了在人体微多普勒特征不明显条件下识别静态人体目标及人体姿态,提出了一种结合双谱对角线起伏特性与目标强散射点分布特征进行人体目标识别的方法。首先,通过分析静态人体目标双谱,提取双谱对角线起伏特性作为分类特征,降低了双谱数据的维数,减少了双谱特征冗余。然后,结合目标强散射点分布特征从不同角度描述目标,并构造用于目标识别的特征向量。最后,用支持向量机实现目标识别。仿真和实测结果均表明,双谱对角线起伏特性与目标强散射点分布特征融合的方法可以有效识别出静态人体目标并且实现人体姿态识别。