一种认知跟踪雷达LFM波形库建立方法

认知雷达是下一代雷达发展的方向之一。在对认知跟踪反馈环进行分析的基础上,提出了一种线性调频(LFM)信号波形库的建立方法。在应用交互多模型跟踪机动目标的背景下,通过所建的波形库对发射波形进行实时调用,达到减小跟踪误差的目的。研究了具有不同调频率参数与FrFT旋转角度组合的不同数量LFM信号波形库的建立,以最小化模型选择不确定性为目的推导波形选择准则,得到了不同的波形选择策略。仿真验证分析其跟踪精度可以看出,构建具有一定数量LFM波形的波形库可以提高认知跟踪雷达的性能。     

基于MDGAN网络的数据集扩增方法

针对雷达辐射源数据集样本数量有限、样本多样性不足的问题,提出了一种无监督的由图像生成图像的网络—多样性最大化生成对抗网络(Maximum Diversity Generative Adversarial Network,MDGAN)。该网络在原始生成对抗网络的生成器目标函数基础上加上了一个额外的正则化项,该正则化项表示生成器中特征图之间的距离与生成特征图所用随机向量之间的距离的比值,通过最大化这个比值,可以让生成器尽量生成拥有不同特征的样本,以增加样本的多样性。对6种常见雷达信号进行仿真实验,证明了MDGAN在生成真实且多样的样本方面是有效的。     

数据库样本缺失下的雷达辐射源识别

目前,基于机器学习的雷达辐射源识别技术大多以训练集和测试集同分布为假设,当雷达数据库样本不足导致与信号真实分布存在偏差时,传统的分类方法效果不佳.为此,将迁移学习理论引入识别系统,设计了一种基于结构发现与再平衡的雷达辐射源信号识别方法.通过对数据库和待识别辐射源信号样本进行聚类分析发现数据结构信息,通过重采样处理修正其分布差异.将新采样数据输入支持向量机进行训练并对侦收样本进行识别.仿真实验表明,在新训练样本集上学习的模型对测试集的分类性能有了很大的提升.     

SAR图像舰船目标检测数据集构建研究综述

算法和数据是影响深度学习技术发展的两大关键因素,大多数学者专注于算法的改进和开拓,仅有少部分学者致力于数据的研究.构建合成孔径雷达(Synthetic Aperture Radar,SAR)图像舰船数据集是SAR舰船目标检测项目的第一步,也是星载SAR图像实际工程应用的基础.分析了影响SAR舰船目标检测性能的关键因素,阐述了SAR舰船数据集的构建方法,概述了TerraSAR-X、"哨兵"1号(Sentinel-1)和高分三号(GF-3)三种SAR图像数据源,并对几种公开的SAR舰船数据集进行梳理与分析,总结了各数据集的发展历程,最后指出构建SAR图像舰船数据集仍需考虑的几个方面.     

多功能雷达工作模式识别方法综述

阐述了多功能雷达工作模式识别的背景与意义,归纳了多功能雷达的典型工作模式。总结了目前国内外的识别方法,并结合工程应用中面临的问题对比分析了各类算法的优点与局限性,最后梳理出当了前多功能雷达工作模式识别领域面临的挑战和需要解决的若干问题。     

基于机器学习的雷达辐射源识别综述

面对复杂多变的战场电磁环境与日益革新的雷达技术,传统雷达辐射源识别技术由于灵活性差、对先验知识依赖严重等问题受到严峻挑战,基于机器学习的雷达辐射源识别技术具有更强的泛化性和智能性受到研究学者的广泛关注。首先针对基于机器学习的雷达辐射源识别技术的产生过程进行梳理,然后从统计学习、神经网络、迁移学习、集成学习、聚类5个方面综述了相关研究成果并对各自方法的性能进行了分析比较,最后针对该研究方向上亟待解决的问题和难点做了相关的探讨。研究成果将为基于机器学习的雷达辐射源识别技术在实际应用过程中起到参考和借鉴作用。     

不完整数据集的MFR辐射源识别方法研究

该文提出一种基于随机森林的不完整数据集的多功能雷达（MFR）辐射源识别方法,该方法在MFR辐射源波形单元识别框架基础上,首先对参数缺失的先验知识集进行多重划分,得到多个不含缺失参数的样本子集,然后删减冗余子集并利用随机森林算法对各个子集构建弱分类器,最后根据弱分类器对识别结果贡献率的不同,进行权值设定,得到最终的识别模型。仿真实验证实了提出的MDRF-WA方法能够提高少量先验知识条件下波形单元识别的准确率和鲁棒性,降低计算成本。     

基于迁移学习的SAR图像目标检测

针对深度卷积神经网络训练需要大数量样本,采用迁移学习的方法辅助网络训练,解决了SAR图像样本不足的问题。通过控制对比实验,对每个卷积块权重进行迁移与分析,使用微调与冻结相结合的训练方式有效提高网络的泛化性与稳定性;然后根据目标检测任务的时效性对网络模型进行改进,提高了网络检测速度的同时减少了网络参数;最后结合复杂场景杂波切片对网络进行训练,降低了背景杂波的虚警目标数量,复杂多目标场景的检测结果表明所提出方法具有较好的检测性能。     

基于GNSS的无源探测系统定位性能研究

针对基于全球卫星导航卫星系统（GNSS ）信号的无源探测系统,研究了探测系统的定位模型、系统目标定位数据处理方法。基于卡尔曼滤波,建立了扩展卡尔曼滤波无源探测系统的状态方程与观测方程,利用卫星工具包（STK）仿真软件对无源探测系统的定位性能进行仿真分析。仿真结果表明：使用扩展的卡尔曼滤波定位性能较好,具有较高的定位和跟踪精度。     

利用遗传算法实现基于MP的跳频信号稀疏分解

在目前的通信领域中,跳频信号的应用越来越广泛,而信号的稀疏表示在信号处理的许多方面都有着重要的应用.将跳频信号稀疏分解后得到的稀疏表示可以方便的应用到跳频信号的参数估计及后续处理中去.本文针对目前基于MP (Matching pursuit)的跳频信号稀疏分解中运算量巨大的问题,采用遗传算法(GA)快速地寻找MP算法中每一步分解的最佳原子,提高了信号稀疏分解的速度.仿真分析验证了此方法的有效性和适用性.