常规雷达飞机目标回波多重分形特性分析

常规雷达飞机目标回波的多重分形特性提供了对产生目标回波结构动力学特征的精细描述,为常规雷达飞机目标的分类和识别提供了新的途径.在介绍多重分形的研究方法以及常规雷达飞机目标回波数学模型的基础上,利用多重分形测度分析手段,详细分析常规雷达飞机目标回波的质量指数和多重分形奇异谱等多重分形特性曲线,并定义质量指数对称度Rτ、多重分形谱宽度Δσ和非对称指数Rσ等多重分形特征参数.实验结果表明:喷气式飞机、螺旋桨飞机和直升机这3类飞机目标的常规雷达回波数据具有显著不同的多重分形特征,所定义的3种多重分形特征参数可以作为常规雷达飞机目标分类和识别的有效特征.     

直升机机场噪声评价方法

现有的机场噪声评价指标主要是针对固定翼飞机设计的,并不能很好地反映军用直升机噪声对机场周围目标的影响。首先分析了军用直升机机场噪声的特殊性,然后研究了现有机场噪声评价指标的内涵和联系,最后采用最大噪声级LAmax和加权等效连续感觉噪声级LWCEPN联合评价的方法对军用直升机机场噪声进行评价。该联合评价方法可以同时反映总噪声级与单次突发噪声的影响,能较为完备地对军用直升机场噪声进行评价。实测案例表明,此方法能更准确有效反映附近居民对噪声影响的感受。     

自组织神经网络雷达目标识别的研究

提出一种用Kohonen自组织神经网络进行雷达目标识别的新方法。这种方法可以对多个目标组成的多频模式空间向二维神经元阵列作拓扑有序映射.并提出一种输入输出神经元之间的连接权的微调方法——裂化映射算法,从而使自组织分类器的识别性能得到进一步提高。对两种飞机目标的性能进行了实验.结果表明,这种新的目标识别方法具有良好的应用前景。     

破片式战斗部作用下固定翼飞机的易损性评估

为提高固定翼飞机的战斗生存能力,提出了一种飞机易损性评估的计算机仿真方法.建立了破片式战斗部作用下的飞机易损性评估模型,该模型主要包括飞机目标描述、毁伤场模型分析、弹目交汇分析、飞机关键部件分析、部件毁伤评估、毁伤树模型等内容.该模型具有以下优点:在弹目交汇过程中考虑了战斗部和目标的速度及方位的影响;在关键部件分析中考虑了部件冗余对易损性评估的影响.以上两方面使易损性评估更能反映实际情况.以此模型为基础,运用VC+ +开发了飞机易损性评估仿真软件(ATVASS).并以某固定翼飞机目标为例,用ATVASS软件进行了易损性评估,得到了该飞机在破片式战斗部作用下的易损性规律及改进意见,对飞机防护和生存力的设计具有指导意义.     

基于去冲激响应的UWB雷达目标识别

提出了基于去冲激响应的UWB雷达目标识别方法，在理论上对该识别方法进行了详细地推导，并给出了该方法中所用到的窄脉冲的选取准则；最后，通过计算机模拟，给出了两种飞机模型不同姿态下的近似冲激响应数学模型，在此基础上对这两种飞机模型进行了识别仿真。从仿真结果来看，此识别方法效果良好。     

基于混沌特性的PRC-CW雷达目标回波分析和识别

伪码调相连续波(PRC-CW)雷达目标识别中,对于具有相同径向速度的不同目标的分析和识别是一个需解决的问题.针对PRC-CW雷达目标回波的非线性时变特性,该文运用非线性动力学方法分析了此类回波的混沌特性.通过Lyapunov谱、相关维、Kolmogrov熵3类混沌特性参数提取方法的研究,形成了一个完整的分析和处理流程.进而通过对多类实测目标数据混沌特性参数的分析,得到了X波段PRC-CW雷达运动目标回波呈现混沌特性的结论.以实际的计算结果的分析和比较,证明了基于混沌特性的PRC-CW雷达目标识别是可行的.     

基于小波矩特征的小波神经网络目标识别

提出一种具有尺度、平移与旋转不变性的目标识别方法.该方法首先提取目标图像的小波矩特征,然后与小波神经网相结合,构成一套目标识别系统.小波矩不变量不仅可以表示图像的全局特征,而且还能表示局部特征;而小波神经网络结合了小波分析和传统神经网络的优点,具有很强的学习能力和推广能力.因此基于小波矩的小波神经网络目标识别系统在进行目标识别时具有很大的优势.实验中使用该方法对4类飞机目标进行识别,实验结果证明其识别率高于其它的目标识别方法.     

直升机载预警雷达试验系统

直升机载预警雷达主要实现对空中、超低空、海面、地面目标进行搜索、监视、识别和威胁判断等功能，从体制、系统结构等方面对直升机载预警雷达进行了初步研究，介绍了一种数字二维有源相控阵直升机载预警雷达系统设想及原理，并对其关键技术进行了具体分析和论述．     

基于雷达散射截面的汽车前方障碍物分类识别

识别汽车前方障碍物是汽车防撞技术的关键,仅对前方目标做距离或速度的检测会造成对目标的误判,影响报警系统的可靠性.为了识别不同的障碍物,研究了基于雷达散射截面（RCS）的汽车前方障碍物分类识别的方法.通过分析目标本身的物理特性及其RCS序列的统计特性,并对所得RCS序列进行梅林变换,提取有效特征,实现车前障碍物分类识别.将障碍物分为小轿车、大客车和行人3类,仿真验证了这种新方法的可行性.     

子空间分解法在声目标特征提取中的应用

研究用于识别直升机目标声信号的特征提取方法,方法通过对直升机信号频特征分析,采用基于子空间分解的多重信号分类法算法提取信号谐波频率作为目标特征,利用子空产妥将观测数据分解为信号子这僮与噪声子空间特点,抑制噪声干扰,提高识别能力。     

基于字典学习的77GHz雷达人体动作识别

基于视觉的人体动作识别方法对光线和视距环境较高,并且存在侵犯隐私的问题,在应用中有局限性。为了解决这个问题,提出一种基于毫米波雷达和字典学习的人体动作识别方法。首先对人体动作的雷达回波信号进行时频分析得到时频图,再使用两种特征提取方法对时频图进行降维描述,将两种降维后的数据融合,通过LC-KSVD字典学习算法同时学习多特征字典和一个线性分类器,最后根据稀疏系数和线性分类器来识别动作。在此基础上,设计77 GHz毫米波雷达动作识别实验系统,结果表明:算法在10种人体动作数据集上达到了97.7%的识别准确率,可见所提方法实现了对人体动作的准确识别。     

雷达近场成像中SVM的目标识别方法

雷达近场成像中,在精确定位的基础上,为解决目标形状识别问题,提出了利用支持向量机（SVM）预测目标信息的方法.根据时域算法——后向投影（BP）算法和频域算法——频率波数域（F-K）偏移算法得到的场强值作为SVM的特征数据,并利用时域有限差分法（FDTD）进行仿真.仿真结果表明,基于BP算法的SVM识别方法具有特征数据提取时间长、SVM预测时间短、多目标时目标信息全和虚警较多等特征,基于F-K算法的SVM识别方法具有特征数据提取时间非常短、SVM预测时间非常短、多目标时目标漏检的特征;两者都能较好地识别目标的形状,且前者的识别能力高于后者,而后者更适合实时成像.     

基于TR技术的sin-FDA-MIMO距离角度联合估计

多输入多输出正弦频控阵雷达能够对目标在空间中的距离和角度进行二维估计,如何提高二维估计的精度变得尤为重要。为了提高sin-FDA-MIMO目标距离角度联合估计精度,本文引入时间反转技术,利用信号多路径传播的空间多样性来提高距离角度估计算法的性能。本文首先分析了sin-FDA-MIMO的接收信号模型,其次推导了基于TR技术的sin-FDA-MIMO雷达的接收信号模型,对两种信号接收模型分别采用Capon和MUSIC算法进行单目标和两目标距离和角度的估计。最后仿真验证了本文结论的正确性。     

基于单频涡旋电磁波雷达的人体目标步态精细识别

现有基于传统平面电磁波雷达的人体目标识别技术能够实现对步态差异较大的人体目标的分类识别,但在步态精细识别方面面临较大困难。将涡旋电磁波雷达应用于人体步态识别中,尝试通过发射携带有轨道角动量的单频涡旋电磁波来增加雷达回波中的目标信息量,以提高人体步态精细识别能力。首先建立了人体目标的涡旋电磁波雷达回波模型,并仿真生成了3种步态下的回波数据集;然后通过将回波变换到基频,获得目标线多普勒和角多普勒混合信息并用时频图表征,最终将时频图输入到卷积神经网络模型中获得分类结果。仿真实验表明：相比于传统平面电磁波雷达,使用涡旋电磁波可以提升人体步态精细识别能力。     

基于多个伪随机序列调制的视觉脑机接口研究

传统的基于编码调制的视觉脑机接口(BCI)使用一种编码及其移位来调制不同的视觉目标,限制了目标数的增加,因而限制了系统的信息传输率。基于两种不同类型的三个伪随机序列调制实现了一个48个刺激目标的BCI系统。采用两个不同的Golay码和一个近完美序列对目标进行调制,使得每个码的自相关特性和每个码之间的互相关特性都很好,大大提高了刺激目标数。通过模板匹配法对训练数据进行分类识别获得了很高的识别准确率,并和一类支持向量机方法进行了比较。选取了8个受试者进行了实验膜板匹配法的平均识别准确率达到93.49%,证明了这是一种提高刺激目标数的好方法。     

基于卷积神经网络的合成孔径雷达图像目标识别

为了解决现有合成孔径雷达(SAR)图像目标识别算法识别率不高、泛化能力不足的问题,提出一种基于卷积神经网络的SAR图像目标识别模型CMNet网络。通过设计针对SAR图像特点的特征提取网络,在损失函数中引入中心损失与Softmax损失联合监督训练过程,兼顾类内聚合和类间分离,提高算法精度和泛化能力。网络模型中所有卷积层后引入批量归一化层加快模型收敛速度、防止过拟合。实验使用美国运动和静止目标获取与识别数据库进行测试,10类目标平均识别率达到99. 30%。结果表明,提出的CMNet网络模型具有较高的识别率和泛化能力,在公开数据集上取得较好结果。     

基于正演模拟的地下典型目标体探地雷达图像特征分析与评价

目前探底雷达应用领域越来越广,但探底雷达剖面图的信息解译缺乏系统性的标准。本文论述了水平层状目标体,圆形目标体,矩形目标体,地下管道,局部含水层,石油污染物六种地下典型目标体模型正演模拟的图像特征。运用二维时域有限差分法构建污染场地中六种地下典型目标体的正演模型,并获得地下典型目标体雷达剖面图,进一步汇总在正演模拟剖面图中的各个典型目标体的图像识别特点,并分析雷达探测过程中多次波、绕射波等杂波的形成机理,最后通过石油烃污染场地的钻探资料验证实测探地雷达图形特征分析的准确性。本研究为实际工作中探地雷达的反射信号解译和地下目标体的识别提供了一定的理论依据。     

无人机着舰姿态对尾钩定位的影响

鉴于无线电引导系统无法满足大型轮式固定翼无人机着舰引导的高精度要求,提出一种通过机身加装合作反射镜实现对无人机尾钩定位的光电引导系统,避免了传统光学引导中图像识别引起的跟踪定位误差。讨论了激光反射定位方法,重点分析了无人机姿态变动对基准点测量精度的影响,提出了激光反射镜安装位置的选择方法。最后通过仿真,给出了飞机姿态变动对尾钩测量精度影响的程度。     

小波神经网络的毫米波雷达目标一维距离像识别

将小波变换和反向传播神经网络理论结合，设计一种小波神经网络结构。由于小波变换在时间和频率空间所具有良好的定位特性，使小波神经网络可对输入输出数据进行多分辨的学习训练。介绍神经网络的数学框架和该网络的学习算法。根据毫米法频率步进雷达目标一维距离像所给出的信息，将所提出的小波神经网络用于3种实际雷达目标的识别。实验结果表明，小波神经网络收敛速度快、识别率高。     

一种基于模糊聚类的自动目标识别算法

研究利用低分辨率雷达视频回波信号实现可靠的自动目标识别问题 ,提出了一种基于模糊聚类的自动目标识别算法 .基于这种算法 ,对三类船目标进行实验 ,获得平均近 90 %的正确识别率 .理论和实验表明 ,采用这种算法可以设计出可靠的自动目标识别系统