一种融合核优化算法

将Xiong等提出的单核优化算法改进为一种能够进行多核学习的融合核核优化算法．该算法使用了依赖数据变化的核函数,通过最大化核Fisher准则,能够学习出不同特性的核函数的融合系数．为了验证所提方法的有效性,将其应用到核主分量分析(KPCA)的核优化中,在合成数据和实测雷达高分辨一维距离像数据的基础上对KPCA提取特征的分类性能进行了评估,实验结果说明了提出的方法改进了最后的分类性能．     

一种新的宽带目标识别雷达杂波抑制方法

宽带雷达相邻回波间会出现越距离单元走动现象,传统杂波抑制方法不适用．针对这一情况,提出一种在频率域-多普勒域宽带雷达杂波抑制方法．在目标速度未知时,采用改进的Hough变换将目标信息提取出来,等同于完成对杂波的抑制过程; 如果有目标速度的先验信息,则可以先进行运动补偿,然后提取目标信息,上述两种提取目标信息的途径避免了虑除杂波过程中对目标信号能量的损失．计算机仿真结果表明,该方法在输入信杂比为-10dB(速度未知)或-15dB(速度已知)的情况下仍可保持较高的识别性能,并且在输入信噪比为-5dB时,算法依然保持稳定的性能,对噪声有较好的稳健性．     

一种快速有效的雷达成像超分辨算法

现代谱估计技术被用于雷达成像中来提高图像分辨率和目标特征提取,但其缺点是需耗时的二维谱峰搜索,且由于采用码赛克技术,算法性能受小样本数限制。文中将成像高分辨算法中的两维参数估计问题转化为两个独立的一维问题,然后利用ＥＳＰＲＩＴ方法或ＭＵＳＩＣ方法求得每维参数估计。这种方法无需两维谱峰搜索,算法性能在小样本时有很大改善,计算机仿真结果表明了文中算法的有效性。     

一种推广的自适应相干累积算法—基本原理与应用

本文提出一种推广的自适应相干累积（GACI）算法，它是通过在自适应相干累积（ACI）算法权系数迭代公式中引入更多的动量因子，即利用权系数更多的历史信息，使被检测的单频或调频脉冲信号，在脉冲持续期间，实现自适应相干累积，从而完成弱输入信噪比（如-8dB）条件下的信号检测，而无需或很少需要知道信号的先验信息，文中叙述了算法的基本原理及部分典型的实时实验结果，指出GACI算法具有比ACI算法更好的提取弱信号的能力，预计将有广泛的实际应用前景。     

一种新的SRA图像Speckle滤波算法

详细分析了合成孔径雷达图像中相干斑的统计特性，提出了一种具有窗口自选功能的自适应相干斑滤波算法，并将该算法用于Ｓｅａｓａｔ－ＡＳＡＲ图像的滤波处理；并将滤波结果与Ｌｅｅ算法Ｏｄｄｙ算法作了对比试验，其结果表明滤波性能地Ｌｅｅ算法和Ｏｄｄｙ算法。     

基于信号相位匹配的相干源高分辨方位估计算法

介绍了信号相位匹配的基本原理，给出了利用该原理进行高分辨方位估计的算法，以及不同情况下算法仿真的结果。仿真结果表明这种方位估计算法具有指向性尖锐、无旁瓣的特点，特别在小角度相干源分辨方面具有独特的性能。     

一种提高距离扩展目标检测性能的新方法

针对传统二进制积累的硬阈值滤噪性能的不足,提出了一种基于局部模糊阈值的距离扩展目标检测新方法．新方法对积累器的阈值设置进行了改进,使用局部模糊阈值抑制高分辨雷达距离像的噪声散射单元并保持目标散射单元,通过距离维和脉冲维能量积累实现多脉冲积累来提高检测性能．与目前广泛使用的基于散射点分布密度的广义似然比检测方法相比,新方法不需要目标的任何先验信息,易于实现恒虚警检测．实验结果表明: 新方法相对于基于散射点分布密度的广义似然比检测方法的增益提高约2dB,相对于二进制积累的增益提高约4dB．     

采用相干积累矢量平滑实现小样本信号解相干

提出了一种基于相干积累矢量空间平滑的解相干算法,该算法基于相干积累的原理来构建矢量,其对阵列输出进行相干积累后得到特征矢量,由此特征矢量进行前后向空间平滑,构建矩阵,实现解相干.最后由该矩阵奇异值分解得到信号或噪声子空间,与现有解相干算法相比,运算量大大下降.仿真结果表明,该算法具有很好的抗噪性,其在信噪比高于-14 dB时保持了与基于特征分解的矢量奇异值法相似的性能.     

一种反辐射导弹抗非相干诱饵的新方法

针对雷达和非相干诱饵的功率和相关性特点,利用噪声子空间的不变特性,提出了改进的子空间DOA估计方法,与MUSIC算法相比,不仅对空间分布很近的信号有更高的角分辨力,而且对功率不等的信号和相关性较强的信号均能很好地分辨,将此方法应用于被动雷达导引头中,能够很好地分辨雷达和非相干诱饵,计算机仿真结果和实测数据均验证了算法的性能．     

低分辨雷达成像定标算法性能分析

确定像分辨雷达目标横向成像的距离定标（横向距离因子），是正确获取目标黄向距离和进行雷达目标识别的一个前提，根据合成阵列以及干涉ＳＡＲ（ＩＮＳＡＲ）的原理，利用两个水平方向放置的天线，通过对两个天线所成一维横向距离进行比相，完成目标的横向定标，通过理论及性能分析和仿真实验证明，该方法是正确和有效可行的。     

高分辨距离像数据的检测新方法

针对宽带雷达多次回波间的距离单元走动问题,提出了一种对高分辨距离像数据进行目标检测的新算法．先用约束平移时延量的包络对齐法对各次回波进行对齐,再用窗函数估计目标的长度和位置,最后采用双迭代法对目标的导向矢量进行估计,得到最终的检测算子,并简要证明了该算法具有全局渐进收敛和恒虚警率的特性．两类飞机实测数据的实验结果表明,与基于散射点密度的广义似然比检测算法相比,当检测概率为80％时,本算法至少有1.4dB的改善．     

基于小波变换的雷达高分辨距离像识别

基于雷达高分辨距离像,利用Mallat塔式分解算法进行特征分解,并用类内类间最大相关系数和类间类内Kullback-Leibler(K-L)距离比值两个特征评价方法来对得到的小波分解后的信号进行特征选择．最后利用相关匹配法和支持矢量机来作识别．基于实测数据的实验结果表明,利用小波分解后的低频信号作为识别特征,不仅可提高识别性能而且可减小识别运算量．     

一种基于零相位表示法的雷达高分辨距离像识别方法

针对一种距离像零相位表示法,提出采用子带处理来降低对对齐精度的要求,并给出了相应的识别方法．与最大相关系数分类器相比,子带处理的方法在降低运算量的同时获得了较好的识别性能,优于基于频谱幅度特征的分类器的性能．     

Radar HRRP based few-shot target recognition with CNN-SSD

The development of radar high resolution range profile(HRRP)non-cooperative targets recognition technology is mainly limited by two aspects:(1) Due to the low observation frequency of non-cooperative targets,the number of labeled HRRPs is insufficient,making non-cooperative HRRP based target recognition a typical few-shot recognition problem,which is still a hot and difficult issue without definite conclusion in the academia.(2) The existing HRRP based target recognition methods are mostly based on the hypothesis of complete dataset,making them mismatch with non-cooperative target recognition in few-shot setting.In this paper,we put aside the complete hypothesis and propose an HRRP based few-shot target recognition method with CNN-SSD.The proposed method first uses a complete training HRRP containing 45 classes of cooperative targets to learn an initial category-independent feature extractor,on the basis of which we further utilize the model sequential self-distillation mechanism to obtain a more generalized feature extractor.Finally,the generalization ability of the extracted features is evaluated on unseen non-cooperative targets during training.Experimental results on self-simulated HRRP dataset reveal that the proposed method can achieve an average recognition rates of 61.26%,84.69% and 92.52% respectively when only 1,5 and 10 annotated HRRPs of non-cooperative targets are available.     

采用乘性RNN的雷达HRRP目标识别

传统的高分辨距离像识别方法没有考虑时序相关性,且高分辨距离像的方位敏感性导致样本的时序性发生变化.因此,提出一种乘性循环神经网络模型.该算法首先将高分辨距离像样本转化为序列形式,用于考虑距离单元间的相关性;其次,为了缓解方位敏感性导致的高分辨距离像时序变化与参数固定模型不匹配的问题,模型根据输入数据自适应地选择对应的参...     

Multichannel noncoherent integration detection using high range resolution profile

A multichannel noncoherent integration detection method based on high range resolution profile was presented in this paper.According to the property of the moment-generating function,the distribution characteristics of the noncoherent integrated signals with or without target presence were derived under the circumstance with noncorrelated Gaussian distribution noises.The loss of noncoherent integration was due to improper selection of integration range of cell numbers.A multichannel noncoherent integration detection scheme where the integration number in each channel varies was proposed to solve this problem.The quality of this method for detection of various targets was evaluated.A comparison of fixed integration range cell number detection and multichannel integration detection for a high range resolution profile was presented.Simulation results indicated that the principle of the method was correct and performed well for unknown physical dimension targets.The method required little prior knowledge about target and was convenient for practical implementation.     

基于ConvLSTM的空间进动锥体目标HRRP序列预测

宽带雷达对空间进动锥体目标进行持续探测能够形成高分辨距离像（high resolution range profile,HRRP）序列。HRRP序列携带空间进动锥体目标的空间几何信息和运动规律等信息,是进行目标关联跟踪和分类识别的重要依据,因此研究空间进动锥体目标的HRRP序列预测具有重要意义。卷积长短时记忆（ConvLSTM）网络将CNN和LSTM二者的特点有效结合,能够充分挖掘HRRP序列的空间和时间特性,完成对HRRP的预测。本文基于空间锥体目标的进动模型建立了多种尺寸、运动速度和运动方向等不同参数的HRRP序列数据集,并利用此数据集根据HRRP特性设计实现了适用于空间进动椎体目标HRRP预测的ConvLSTM网络模型。为了测试本文设计的ConvLSTM网络预测效果,将ConvLSTM网络与二维卷积神经网络模型进行预测效果对比分析。仿真实验结果表明,ConvLSTM网络预测结果与物理光学法计算得到的HRRP一致性高,皮尔逊相关系数高达0.973 1,平均绝对误差低至0.033 4,相较于二维卷积神经网络预测结果更加准确。证明本文设计的ConvLSTM网络模型能够有效提取HRRP序列的时间和空间特征,实现对HRRP序列的高精度预测。     

基于瞬时谱估计的ISAR距离瞬时多普勒成像算法

在假定散射点回波近似为线性调频信号,并结合逆合成孔径雷达（ＩＳＡＲ）成像中的特殊性（如散射点越距离单元走动）的情况下,提出了基于自适应ＬＦＭ信号分量的“ＣＬＥＡＮ”技术估计回波的瞬时频率,从而得到目标高分辨率的距离瞬时多普勒图像;实验ＩＳＡＲ数据的处理结果表明,该方法是有效的     

利用核匹配追踪算法进行雷达高分辨距离像识别

雷达高分辨距离像识别是目前雷达自动目标识别研究领域的一个重点．采用核匹配追踪算法来设计分类器,提取一种非常简单的高分辨距离像平移不变特征——功率谱特征为识别特征,通过把高分辨距离像从像域变换到功率谱域来提取目标的平移不变特征,稳健性较好．基于实测数据的识别结果表明该算法具有较好的识别性能,同时其识别运算量较小．     

基于核函数的多极化HRRP识别

针对多极化雷达高分辨距离像(HRRP)识别中数据量大、分布复杂和识别算法复杂的问题,提出了基于核函数的识别方法.该方法首先定义了两种基于多极化HRRP的核函数,然后将其分别应用到核主分量分析(KPCA)中降维和提取特征,最后采用最近邻(1NN)分类器和支持矢量机(SVM)分类器对目标进行分类.该方法可以在不丢失极化信息的情况下,将多极化HRRP作为一个整体进行识别,降低了识别算法的复杂度.多极化HRRP数据的仿真实验结果显示,该方法的识别率比单极化HRRP提高7%～10%;与其他多极化HRRP识别方法相比,该方法不仅降低了提取特征的维数,而且还提高了识别性能.