毫米波空间目标探测雷达

本文讨论毫米波(MMW)雷达在观测空间目标，特别是在空间目标编目和外空目标识别研究中的应用，分析采用毫米波波段的一些主要原因；在需要观测多目标的情况下，必须采用毫米波相控阵雷达。本文简要讨论了实现远程毫米波相控阵雷达所需要的高发射机功率的方法及其有关技术的进展。     

基于串联式一维神经网络的毫米波雷达动态手势识别方法

现有的基于雷达传感器的手势识别方法,大多先利用雷达回波对手势的距离、多普勒和角度等信息进行参数估计,得到各种数据谱图,然后再利用卷积神经网络对这些谱图进行分类,实现过程较为复杂.该文提出一种基于串联式1维神经网络(1D-ScNN)的毫米波雷达动态手势识别方法.首先基于毫米波雷达获取动态手势的原始回波,然后利用1维卷积和池化操作对手势特征进行提取,并将这些特征信息输入1维Inception v3结构.最后在网络的末端接入长短期记忆(LSTM)网络来聚合1维特征,充分利用动态手势的帧间相关性,提高识别准确率和训练收敛速度.实验结果表明,该方法实现过程简单,收敛速度快,识别准确率可以达到96.0％以上,高于现有基于数据谱图的手势分类方法.     

基于串联式一维神经网络的毫米波雷达动态手势识别方法

现有的基于雷达传感器的手势识别方法,大多先利用雷达回波对手势的距离、多普勒和角度等信息进行参数估计,得到各种数据谱图,然后再利用卷积神经网络对这些谱图进行分类,实现过程较为复杂.该文提出一种基于串联式1维神经网络(1D-ScNN)的毫米波雷达动态手势识别方法.首先基于毫米波雷达获取动态手势的原始回波,然后利用1维卷积和...     

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。     

雷达目标识别方法概述

雷达经过几十年的发展，已实现了从杂波，干扰中探测目标的存在以及确定目标的运动轨迹，但是雷达对于目标识别仍是当今天研究热点，本文对目前几中主要的雷达目标识别方法进行了概述。     

基于一维距离像的雷达目标识别方法研究

通过对光学区雷达目标一维距离像的介绍和分析,指出利用一维距离像进行雷达目标分类和识别的可行性,并针对一维距离像对姿态角度化敏感这一难点问题,提出两种比较实用的解决方案。     

基于GFMM神经网络的雷达目标识别方法

新型的无师训练（General Fuzzy Min—Max，GFMM）神经网络是一种具备无师训练聚类识别能力的新型神经网络，它继承了原有GFMM网络的特点，在网络的拓扑结构和算法方面进行了较大的改进，增加了能够进行自适应在线学习的能力。基于无师训练GFMM神经网络的雷达目标识别方法完整地实现了雷达目标特征学习和识别的一体化过程。在某型对海警戒雷达舰船目标识别仿真应用实验中的结果表明：文中的方法优于其他传统的神经网络目标识别方法，在雷达目标识别方面具有良好的适用性。     

一种利用相位信息的雷达目标成像识别方法

高距离分辨雷达（ＨＲＲ）的回波中蕴含丰富的目标信息,充分利用目标回波并采用恰当的特征抽取方法,可以有交地识别目标。本文提出一种利用相位信息和正则变换的目标识别方法。该方法基于雷达目标距离剖面像的幅度和相位矢量（幅相矢量）,首先由各训练目标在不同方位瓷态角时的幅相衡量构成综合矩阵并对之作正则变换建立正则子空间,然后奖每类训练目标各方位姿态的幅相矢量向该子空间投影形成子像,取其平均结果作为该目标的库特     

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.     

基于瞬态极化WVD相关的高分辨雷达目标识别

研究了毫米波高分辨极化雷达的目标识别问题,提出了瞬态极化Wigner-Ville分布(WVD)的概念,导出了瞬态极化WVD莫耶公式,证明了瞬态极化WVD时频域相关与极化信号时域相关的等价关系．在此基础上,提出了基于高分辨极化雷达目标回波瞬态极化WVD相关的目标识别方法,并利用五种飞机缩比模型外场测量数据进行了目标识别实验,实验结果表明该方法是一种有效的高分辨极化雷达目标识别方法。     

用Chirp—z变换获得雷达目标回波波形特征

探讨了高分辨率雷达视频回波波形特征．提出对回波信号作Ｃｈｉｒｐ－ｚ变换，以提高频谱的分辨率．还对两类实测毫米波高分辨率雷达目标回波波形进行了Ｃｈｉｒｐ－ｚ变换及Ｆｏｕｒｉｅｒ变换，并对两类结果进行了比较，结果证明对雷达回波波形作Ｃｈｉｒｐ－ｚ变换获得的视频波形特征既满足同一目标特征稳定性，又容易区分两类不同目标．     

一种利用相位信息的雷达目标成像识别方法

高距离分辨雷达(HRR)的回波中蕴含丰富的目标信息,充分利用目标回波并采用恰当的特征抽取方法,可以有效地识别目标。本文提出一种利用相位信息和正则变换的目标识别方法。该方法基于雷达目标距离剖面像的幅度和相位矢量(幅相矢量),首先由各训练目标在不同方位姿态角时的幅相矢量构成综合矩阵并对之作正则变换建立正则子空间,然后将每类训练目标各方位姿态的幅相矢量向该子空间投影形成子像,取其平均结果作为该目标的库特征矢量。对未知目标,以其子像对库矢量的欧氏距离最小为分类准则,进行了识别模拟实验。     

3mm波段极近距离雷达

提出一种极近距离雷达概念，并导出其作用距离公式，在此基础上研制出一台３ｍｍ波段极近距离多普勒雷达样机．试验结果表明该雷达结构简单，成本低廉，在作用距离为零点几米至几米范围内可获得较高的定距精度．     

小波变换在毫米波雷达目标识别中的应用

将小波分析引入了毫米波这目标识别中，提出了基于小波分析的能量特征矢量法。该方法结合小波分析和毫米波信号的特点，克服了传统方法的局限，提高了毫米波雷达的目标识别性能，获得了仿真试验良好的识别结果，并具有简便高效的优点。     

一种应用于毫米波车流量检测雷达的背景功率谱识别方法

背景功率谱的准确识别是确保毫米波车流量检测雷达测量精度的首要问题.本文研究了毫米波交通雷达的工作原理和回波功率性质,并提出了一种新颖实用的背景功率谱识别算法,该算法基于相干平均和有序统计量.文中给出了不同实验环境下的测试结果,结果证明了算法的有效性,背景功率谱的识别精度有了明显提高.     

组织协同进化分类算法用于雷达目标一维像识别

针对雷达目标一维像识别问题，提出了一种基于组织协同进化分类算法的识别方法．该方法与现有进化分类方法的不同之处在于它的进化操作直接作用于样本而不是规则，采用了一种自下而上的搜索机制，即先使若干样本的集合得到进化，再从进化结果中提取规则．这样有利于避免在进化过程中产生无意义的规则．该方法不需要进行特征提取；对于高维数据，不需要预先进行降维处理；没有复杂的运算，训练和识别的速度都很快．对3种飞机微波暗室实测数据的识别实验表明，该方法性能稳定，优于基于支撑矢量机与子波核函数的方法，识别率均达到了96％以上．实验中还对算法的抗噪能力进行了测试，获得了良好的效果．     

基于极化不变量的飞机目标识别

基于宽带毫米波极化雷达体制背影，通过极化不变量之一的去极化系数，研究了飞机目标的极化散射特性，并提取了极化特征，设计了飞机目标的分类或识别器结构，它能对五种飞机目标进行有效的分类或识别。