共查询到20条相似文献,搜索用时 114 毫秒
1.
雷达目标识别技术及其新进展 总被引:8,自引:0,他引:8
从雷达目标识别技术作为现代雷达的一个重要发展方向出发,对雷达目标识别的几种主要方法即目标运动轨迹特征识别法、回波幅度起伏特性识别法、多频雷达回波识别法、极点识别法、斜升响应识别法和极化识别法等作了阐述,最后对雷达目标识别技术的新进展即波形综合法、雷达成象技术及神经网络在雷达目标识别中的应用作了展望。 相似文献
2.
简要介绍了雷达目标识别的发展状况,重点分析了低分辨率雷达进行目标识别的难点以及在低分辨率雷达上实现目标识别的技术途径,并提出了对当前低分辨率雷达目标识别发展的建议。 相似文献
3.
分析了雷达目标识别的特点、分类及方法,介绍了雷达目标识别的发展及国外现状,着重研究雷达目标的特征及特征的提取,提出了未来雷达目标识别需要研究的的课题。 相似文献
4.
5.
6.
雷达自动目标识别技术的发展表明,通过对目标的雷达回波进行分析可以实现对目标类别属性的判断,给欺骗干扰带来了新的挑战.研究了距离-速度相参假目标欺骗干扰对具备目标识别能力雷达的干扰效果,以基于微动特征的目标识别方法为例,通过理论分析、仿真验证等方式进行了分析,结果表明,距离-速度相参假目标信号能够很好地通过雷达的目标检测处理过程,但是由于并未考虑对目标回波特性的高逼真模拟,因此现阶段,雷达自动目标识别技术能够实现对距离-速度相参干扰假目标信号和真实目标信号的区分. 相似文献
7.
8.
用雷达进行目标分类和识别,具有很大的军用与民用价值.虽然雷达目标识别技术在某些层面有了成功的应用,但是还未形成完整的理论体系.结合雷达智能化的发展方向,概述了雷达目标识别方法,重点是雷达目标识别中的关键问题.参照人的认知过程,预测了雷达目标识别技术的发展趋势,指出雷达目标识别应具备多种智能化的手段.最后,对如何面对雷达目标识别研究中存在的困难做出了评价,纠正了某些消极的态度. 相似文献
9.
10.
11.
12.
无线通信系统中的多输入多输出(Multiple Input Multiple Output,MIMO)技术与雷达探测所结合产生的新体制MIMO雷达,在应对隐身目标和降低信号截获概率方面拥有着传统雷达无可比拟的优势。作为雷达目标空间位置的主要参数之一,角度估计的发展历程和现存问题值得关注。本文将对MIMO雷达的角度估计技术进行系统评述。首先,以MIMO雷达的作用原理和分类作为切入点,根据获取角度信息的方式,将现阶段使用较为广泛的MIMO雷达角度估计算法划分为搜索类、免搜索类、求根类以及子空间快速估计类四大类别。之后,全面介绍了当前各类MIMO雷达角度估计算法的应用原理,并重点分析、对比各自的优缺点。最后,以雷达测角理论工程化推进为向导,给出了MIMO雷达角度估计技术的未来发展趋势。 相似文献
13.
机栽激光成像雷达在执行非合作目标识别/分类、精确成像制导、战场侦察和打击效果评估等方面有潜在的应用前景.在系统分析非相干探测激光雷达噪声特性的基础上,采用LOWTRAN7软件对激光雷达接收到的背景光功率进行了数值仿真.仿真结果表明,采用视场法、光谱分辨法和视频带宽法可以有效地抑制背景噪声,大幅度地提高激光雷达的探测距离,以满足机载火控系统对小目标远距离精确识别的作战使用要求. 相似文献
14.
Model-based classification of radar images 总被引:5,自引:0,他引:5
Hung-Chih Chiang Moses R.L. Potter L.C. 《IEEE transactions on information theory / Professional Technical Group on Information Theory》2000,46(5):1842-1854
A Bayesian approach is presented for model-based classification of images with application to synthetic-aperture radar. Posterior probabilities are computed for candidate hypotheses using physical features estimated from sensor data along with features predicted from these hypotheses. The likelihood scoring allows propagation of uncertainty arising in both the sensor data and object models. The Bayesian classification, including the determination of a correspondence between unordered random features, is shown to be tractable, yielding a classification algorithm, a method for estimating error rates, and a tool for evaluating the performance sensitivity. The radar image features used for classification are point locations with an associated vector of physical attributes; the attributed features are adopted from a parametric model of high-frequency radar scattering. With the emergence of wideband sensor technology, these physical features expand interpretation of radar imagery to access the frequency- and aspect-dependent scattering information carried in the image phase 相似文献
15.
16.
17.
传统的雷达信号分选主要是基于统计的思想,通过对脉冲序列的PRI分析,依据PRI的调制方式,将对应的雷达信号分选出来。这种方法存在运算量大,速度慢,且准确率不高的缺点。文章提出将含噪的快速独立分量分析算法应用于雷达信号的分选并分析了不同信噪比下分离的效果。仿真试验证明了该算法可以取得很好的雷达信号分离效果。 相似文献
18.
针对雷达信号脉内有意调制中2类典型调制信号,即相位编码(PSK)信号和调频(FM)信号,提出了一种由粗到细的方法进行脉内识别。首先,对接收到的雷达信号利用其3 dB带宽明显不同的特点,进行类间粗分类,识别出PSK信号和FM信号;然后,针对PSK信号和FM信号类内特征的不同,提出了利用信号的小波脊频特征,来对雷达信号进行类内细分类识别的方法,使PSK信号被细分类为BPSK信号和QPSK信号、FM信号被细分类为LFM信号和NLFM信号,从而完成了典型雷达信号的有意调制的识别。仿真结果表明,在一定信噪比下,此识别方法真实有效。 相似文献
19.
A multi-parameter signal sorting algorithm for interleaved radar pulses in dense emitter environment is presented. The algorithm includes two parts, pulse classification and pulse repetition interval (PRI) analysis. Firstly, we propose the dynamic distance clustering (DDC) for classification. In the clustering algorithm, the multi-dimension features of radar pulse are used for reliable classification. The similarity threshold estimation method in DDC is derived, which contributes to the efficiency of the algorithm. However, DDC has large computation with many signal pulses. Then, in order to sort radar signals in real time, the improved DDC (IDDC) algorithm is proposed. Finally, PRI analysis is adopted to complete the process of sorting. The simulation experiments and hardware implementations show both algorithms are effective. 相似文献
20.
A multi-parameter signal sorting algorithm for interleaved radar pulses in dense emitter environment is presented. The algorithm includes two parts, pulse classification and pulse repetition interval (PRI) analysis. Firstly, we propose the dynamic distance clustering (DDC) for classification. In the clustering algorithm, the multi-dimension features of radar pulse are used for reliable classification. The similarity threshold estimation method in DDC is derived, which contributes to the efficiency of the algorithm. However, DDC has large computation with many signal pulses. Then, in order to sort radar signals in real time, the improved DDC (IDDC) algorithm is proposed. Finally, PRI analysis is adopted to complete the process of sorting. The simulation experiments and hardware implementations show both algorithms are effective. 相似文献