旋转对称目标滑动型散射中心的微Doppler特性

微动特征是当前学术界公认的弹道中段目标雷达识别的有效特征之一,目前的特征提取与识别研究通常假定散射中心与目标自身的微动规律一致,其微Doppler效应为正弦调频信号.但这种假设忽视了随着观测视角的改变,散射中心将在目标体上滑动这一事实.文中对弹体不同位置散射中心的微运动特性进行了完整建模,首次得到了滑动型散射中心微Doppler的数学表达式,并针对导弹攻防对抗条件导出其Taylor近似,指出并非文献上通常假定的正弦规律.设计了进动目标暗室动态测量实验,生动揭示了散射中心的这种滑动特性,实验现象与文中的理论分析结果相一致.文中揭示的微Doppler机理为弹头类目标微动特性模拟及特征反演等应用领域提供了更为准确的物理基础和数学模型.     

复合微多普勒效应中几种时频方法的比较

为了研究复合振动目标微多普勒信号中目标振动特征的提取问题,进行了激光微多普勒效应探测运动目标复合振动的实验研究,对实验结果的时频域的联合分析表明:时频分析方法能够较好地分析出运动目标复合振动的微多普勒特征。运用短时傅里叶变换(STFT)、Winger分布(WD)、Winger-Ville分布(WVD)和重排平滑伪Winger-Ville分布(RSPWVD)对微多普勒信号进行了时频分析,并对结果进行了比较。结果表明:重排平滑伪Winger-Ville分布(RSPWVD)能较好地揭示微多普勒信号的特征,是一种有效的时频分析方法。     

相干激光雷达探测目标研究

介绍了相干激光雷达对目标探测的技术优点和现状,阐述了基于相干探测技术构建的激光雷达的主要组成,并给出了整个系统的工作流程。文中基于1.5μm光纤光学技术搭建了相干激光雷达系统。通过搭建的系统进行了外场试验,获得了外场目标的成像图和不同汽车引擎振动产生的微多普勒谱特征图。通过试验证明了相干激光雷达系统可以在目标自动侦察识别方面发挥重要作用。     

基于相干激光雷达的激光微多普勒探测

利用相干激光雷达探测目标微动特性技术是一种以单频激光为光源,用外差探测的方式实现对低速、低频多个运动物体进行微多普勒信息提取和识别的技术.以波长为1.064 μm的窄线宽单块激光器为光源,发射激光经过模拟长距离传输的4 km的光纤延迟,照射到以扬声器的发声单元和电动平移台为目标的微动物体上,目标反射的激光会聚进入单模光纤,参考光与信号光通过3 dB光纤合束器线性耦合进入同一根光纤,并在探测器表面进行相干.用于接收相干信号的探测器的接入方式为光纤输入,带宽为3.5 GHz.利用时间-频率域联合描述的方法对数/模(A/D)采样后的数据进行分析.在4 km光纤延迟时,本系统最低探测速度为0.5 mm/s,速度分辨率达到毫米每秒量级,频率分辨率达到千赫兹量级.利用微多普勒信息探测技术,实现了探测物体表面的微动状态信息和识别运动状态的目的.     

弹道目标平动补偿与微多普勒特征提取方法

针对传统逆合成孔径雷达(ISAR)成像中的平动补偿方法并不适用于弹道目标平动补偿的问题,该文提出了一种弹道目标平动补偿与微多普勒(m-D)特征提取方法。在分析有翼弹道目标未完成平动补偿时的m-D效应的基础上,首先采用形态学中的骨架提取方法抑制1维距离像旁瓣,再在快时间频率(距离)-慢时间平面上搜索分离各散射点的m-D特征曲线,然后对其进行经验模式分解(EMD)分解,利用分解结果中的趋势项分量完成目标回波的平动补偿,并通过分析EMD分解结果获得了目标的自旋频率、锥旋频率等特征信息。仿真实验验证了所提方法的有效性与鲁棒性。     

微摆动雷达目标微多普勒分析

建立了微摆动雷达目标运动的一般模型,以此为基础,建立了微摆动目标雷达回波模型,分单散射点、2个散射点和散射线3种情况给出了微多普勒计算方法,将微摆动模型应用于人体摆臂,建立了人体摆臂微动的微多普勒模型,最后给出了仿真计算。     

目标微动特性研究进展

目标特征控制技术的发展增加了目标探测与识别任务的技术难度.随着先进传感器的测量能力和信号处理水平的提高,对目标微动特性的测量和分析正在成为当前目标探测与识别领域的新兴研究方向.本文在目标微动的概念、目标微动对电磁波的调制效应、目标微动特征处理与分析技术进展、目标微动特性应用领域等方面做了比较深入的介绍和分析,最后对目标微动特性研究的发展趋势和技术难点进行了预测.     

基于微多普勒特征的运动车辆分类方法研究

本文首先分析了轮式车辆和履带式车辆的运动模型和微动特性。针对窄带雷达条件下轮式车辆和履带式车辆分类的问题,提出了两种基于微多普勒特征的分类方法。方法利用履带式车辆在行驶过程中,由履带的微动所产生的多普勒分量,实现对轮式车辆和履带式车辆的区分。基于实测数据的分析结果表明,所提方法对这两类目标具有较好的分类效果。     

基于PCA-CLEAN的噪声稳健激光微多普勒特征提取方法

雷达回波中的微多普勒效应能够反映目标的几何结构和运动特性,作为目标独一无二的特征,能够用来实现对目标类别和属性的判断。波长的优势使激光雷达相对于微波雷达具备更好的微多普勒探测精度。针对空中飞机目标(直升机、螺旋桨飞机)回波中微多普勒调制能量较弱,易被噪声污染的问题,提一种基于PCA-CLEAN的噪声稳健激光微多普勒特征提取方法,首先利用PCA对回波信号进行噪声抑制,然后利用CLEAN算法将回波中的机身分量和微动分量区分开,进而提取反映不同目标微动差异的三维特征进行目标分类,基于仿真和实测数据的实验结果表明,所提方法能够获得较好的分类性能,同时在低信噪比条件下能够获得较好的噪声抑制性能。     

基于EEMD的车辆微动信号提取及分类

针对轮式和履带式车辆微动信号的差异对目标车辆进行了识别分类,利用集合经验模式分解(EEMD)将原始信号分解为多个本征模函数(IMF),通过相关性分析,验证了EEMD能够有效克服EMD所带来的模态混叠问题.在此基础上,提取了4种特征,采用最近邻方法进行分类.实验结果表明:经EEMD所提取的特征是有效的,对目标速度,以及方位角的变化具有相当的稳健性.