超宽带雷达及目标识别技术研究进展

超宽带雷达（UWBR）是近几十余年来兴起的一种新体制雷达，该新型雷达的出现极大地扩展了雷达系统对目标和环境的信息获取能力以及对抗复杂战场环境的适应能力，使得其在隐身和隐蔽目标探测、目标高分辨成像以及目标识别等方面具有广泛而重要的应用前景，在介绍超宽带雷达的概念、技术特点与主要的应用方向的基础上，重点综述了UWBR目标识别技术最新进展，并指出了UWBR目标识别技术在对空、对地面以及对地下目标识别需要解决的几个问题。     

弹道导弹雷达目标识别问题的新思考

弹道导弹雷达目标识别是反导系统中的关键技术和难点之一.为了给相关研究人员提供一些思路,从目标、传感器和环境3个方面分析了弹道导弹雷达目标识别发生的新变化,指出了现有研究中存在的不足.就正确分析和理解弹道导弹目标特性、充分挖掘单雷达识别性能、利用多雷达组网进行识别以及合理评价识别效能等急需解决的问题给出了思考.这对进一步研究弹道导弹雷达目标识别提供了一定的参考作用.     

高距离分辨率雷达目标的识别

本文以信号处理为基础,研究了识别特征的方法,包括直接利用距离像作为识别特征及提取距离像的频域特征和自相关函数特征,以避免距离时延对识别的不利影响并获得更多的高价统计信息;结合傅立叶变换的时移不变性和梅林变换的尺度不变性,讨论了距离像的傅立叶－梅林变换在改善目标特征稳定性方面的作用;研究了一种修正的直接梅林变换（ＭＤ－ＭＴ）算法。对几种提取的特征均采用相关滤波法对高分辨率的雷达目标进行识别。经微波暗     

基于改进型STFT的雷达目标识别

提出了一种基于MEM（最大熵谱估计法）现代谱分析的高分辨STFT（短时傅氏变换）方法,利用常规低分辨雷达对两种飞机实测动态数据进行处理,得到了STFT时频分布图,并用神经网络进行识别,得到了很高的识别率。     

双基地雷达信号的相关识别

探讨双基地雷达的侦察识别方法，在分析双基地雷达特征的基础上，提出了一种相关识别法，它能同时对双基地雷达发射站和接收站实现侦察识别和定位，计算机模拟证实了这种识别方法可行性和有效性。     

基于多方法联合运用的低分辨雷达目标识别

针对低分辨雷达的特点,总结了当前低分辨雷达典型的目标识别方法,分析了各方法的有效性,讨论了基于A显波形特征的方法和基于调制谱特征目标识别方法的联合运用,提出多方法联合运用目标识别对策的思路及处理流程,为实际工程运用提供参考.     

雷达目标识别的改进双谱法

雷达目标的散射结构具有移位不变性和旋转不变性,是雷达目标识别的一个重要特征量。本文基于一种改进的双谱分析方法,从雷达回波中有效地提取了雷达目标散射结构特征。该特征量不仅可以用于识别具有不同结构的雷达目标,而且可以用于识别具有相似结构的雷达目标,仿真结果证明了该方法的有效性。     

基于位图一维相关分析的目标识别研究

提取目标的轮廓特征形成一维序列，降低了数据量一个幂级，用快速付氏变换实现其一维相关分析，减少了运算量并提高了识别速度，对FMS中的工件进行自动识别。该方法也适用于交通、军事等其它领域，尤其适用于实时性要求较高、参考样本较多的场合。     

防空情报雷达目标智能识别的关键技术

结合现役防空情报雷达的特点，分析了防空情报雷达飞机目标智能识别的难点、要解决的关键技术和作者研究的初步结论，依据国内外目标智能识别研究的最新进展，提出了发展现役防空情报雷达飞机目标智能识别和分类能力的一些设想．     

基于无线电波纹图的雷达目标识别方法

基于雷达回波调制效应了一种常规低分辨雷达目标识别方法，这种方法是先对回波数据进行预处理，构造出目标的无线电波纺图像，再利用纹理特征撮的方法进行纹量特征抽取，然后采用神经网络对目标进行分类，某型号雷达６类目标实录数据的处理结果表明，该方法是成功的。     

改进最优聚类中心雷达目标识别法

最优聚类中心法是一种有效的雷达目标一维距离像识别方法,但当训练数据较少时,该方法的识别性能急剧下降。其原因是该算法在利用少量数据进行训练时易产生"病态"矩阵,"病态"矩阵直接参与运算,导致错误识别结果。因此,该文提出了一种改进最优聚类中心法,主要思想是把"病态"矩阵进行"良态"化处理后再参与运算,以得到正确的识别结果,从而使该算法在训练数据较少时仍能保持较高识别率。仿真实验结果表明该方法的有效性。     

基于MP-OGA的地面移动目标微多普勒信号识别

受实际环境中背景噪声的影响,地面移动目标微多普勒信号常常被主体信号淹没。为提取有效的的目标微动特征,提出一种新的基于匹配跟踪(MP)稀疏分解和优化遗传算法(OGA)的自适应特征识别方法(MP-OGA),并首次将该算法应用于地面移动目标微多普勒信号的特征提取。首先针对传统遗传算法易陷入局部最优的缺点进行有效地优化,并将优化的遗传算法引入自适应稀疏分解的改进中,提高算法的分解速度减少计算代价,实现原子的自适应搜索和信号的特征提取。同时,以多类实际测量得到的、包含大量噪声信号的微多普勒雷达信号作为样本信号,利用支持向量机(SVM)成功实现了低信噪比条件下各类目标的识别,平均识别率高达96.5%。     

基于核规范主元分析法的雷达目标识别

线性子空间法作为高分辨雷达目标识别方法的特征提取只是利用距离单元的二阶统计量，为了充分利用距离像的高阶统计量，给出了一种核规范主元分析的特征提取法，对雷达目标进行了识别．通过核主成分分析，核分辨分析与核规范主元分析3种方法的外场实测数据实验，表明本文给出的雷达目标识别方法具有良好的稳健性．     

一种基于雷达回波序列相关特征的目标检测方法

根据雷达回波序列中目标和噪声的相关特性不同，提出了一种新的目标检测方法．该方法能够用于检测低信噪比条件下的弱目标信号，实验结果证明了该方法的有效性和可行性．     

A New Radar Target Recognition Method Based on Polarimetric Processing and Neural Learning

0INTRODUCTIONBecauseanone-dimensionalrangeprofileobtainedbyawidebandMMWradarcanbeusedtodescribegeometricstructurecharacteristicsoftargetSbeingillLirninated.UnlikearathercomplicatedISARimop,itcanhealsoregainedasthetarget"fingerprintS".Thus,itholdsmuehpromiseandhasattractedpeople'sattentionstousehighresolutionrangeprofilestoclassifythetarget['--'].ButtherangeprofileisafunctionoftargetattitudeanglesIthuseachtargetclassmustberepresentedbyalaalnumberofangle-indexedsubclassestohandletinknow…     

雷达目标一维距离像的偶数阶中心矩特征的识别

针对雷达目标一维距离像的平移敏感性和姿态敏感性,提出一种提取一维距离像的偶数阶中心矩作为雷达目标特征的方法。用小波变换提高一维距离像的信噪比,在此基础上提取中心矩特征,再选取维数减半的比较稳定的偶数阶中心矩作为目标特征,以适用于支持向量机分类器进行识别分类。对实测雷达目标的数据进行试验,结果显示在减少模板特征向量的存储量和测试样本识别时的计算量的同时,得到了较高的识别率。     

基于SKO—KPCA和SVM的雷达目标HRRP特征提取与识别

将依赖数据变化的自适应SKO技术和迭代算法引入KPCA算法中,结合SVM分类技术,提出了基于SKO—IKPCA和SVM的雷达目标HRRP特征提取与识别方法。讨论了HRRP预处理、迭代KPCA算法和SKO／FKO技术的实现方法,将SKO／FKO技术应用到KPCA的核优化中,并用人工合成数据对其优化性能进行了测试与比较,应用该方法对su-27、F-16及M2000等三类飞机目标的实测HRRP数据进行了特征提取与识别实验。结果表明,所提方法具有较好的稳定性和可靠性,能有效地优化雷达目标主元特征的提取,提高目标的识别性能。     

基于相关法方位分析的水下主动目标尺度识别研究

水下目标识别技术是现代声纳系统与水声对抗的一个极为重要的组成部分。它是随着声纳技术、信号检测理论、计算机技术等的进步而发展起来的 ,目前有多种识别方法。由于水下目标回波亮点结构是重要的目标特征 ,因此对目标回波亮点时空特征的提取已成为水下主动目标识别的一种有效方法。文中研究了水下高频 ( 2 0～ 35 k Hz)主动声学目标的识别方法及仿真性能。首先基于水下潜艇目标回波的亮点空间方位特征 ,提出了水下目标回波多亮点方位估计算法。然后 ,研究了目标亮点视在方位的模糊特性 ,给出了舷角与空间视在目标张角的关系。最后 ,进行了仿真实验 ,结果表明 :相关法方位分析的水下主动目标识别算法抗噪声能力强 ,在 S/N =0 d B时仍能很好地完成目标识别功能 ;在近正横附近 ,在距离 5 0 0 m处仍可完成目标尺度识别功能 ;在舷角 70°～ 2 0°扇面有良好的尺度识别能力 ;采用复杂波形 ,复本相关处理后可得到目标亮点时域信息和亮点方位信息。