基于线性卷积系数扩展特征的雷达目标识别

针对雷达目标高分辨距离像识别中的有效特征提取问题,提出了一种基于线性卷积系数扩展特征的雷达目标识别方法。该方法将高分辨距离像及其线性卷积系数扩展特征作为联合特征在核空间中进行特征选择,并采用支持向量机（support vector machine, SVM）作为分类器实现雷达目标识别。核空间中的特征选择可以解决联合特征高特征维数问题和非线性可分问题,进而提高SVM识别性能,而线性卷积系数扩展特征相比高分辨距离像具有更强的稳定性。同时,可以在一定程度上弥补因特征选择带来的高分辨距离像部分距离单元特征分量缺失。基于5种飞机目标高分辨距离像的仿真实验证明了该方法的有效性。     

基于FSVM的雷达多目标识别

重点分析了支撑矢量机多分类问题中存在的误分、拒分现象,针对雷达目标提出解决这一现象的模糊支撑矢量机。采用模糊支撑矢量机的分类机理对样本数据有限且残缺不全的高分辨一维雷达距离像进行多目标识别。实测数据(4种飞机雷达距离像)的多目标识别结果表明,模糊支撑矢量机与一般多类支撑矢量机相比在多目标识别时简单易行,而且在识别率上有显著的提高。     

基于参数估计的步进频ISAR成像运动补偿方法

分析了基于步进频雷达运动目标的回波信号模型,讨论了目标运动对ISAR成像的影响,针对当目标有速度或加速度时会造成高分辨距离像移位和畸变,并使二维像散焦的情况,提出了一种基于高斯包络线性调频信号自适应分解、高分辨距离像互相关法及多普勒横向像最小熵法的运动补偿算法。该算法利用高斯包络线性调频信号自适应分解得到回波多普勒调频率和目标运动的加速度,通过距离像移动对目标运动速度进行初估计,并用高分辨距离像互相关法及多普勒横向像最小熵准则提高目标速度及加速度的估计精度,然后进行运动补偿。该算法计算量小,估计精度高,仿真结果验证了它补偿效果好,能获得清晰的ISAR像。     

双基地雷达系统中的高分辨距离像

采取宽带发射信号,双基地雷达系统获取的目标一维高分辨距离像与单基地雷达下的距离像存在很大差别。首先从回波信号的相位出发,建立了双基地雷达回波信号模型。分析了双基地雷达系统中距离像的特点,并给出了对运动目标双基地距离像的补偿因子。分析了对多散射中心目标的双基地距离像与单基地距离像之间的关系,最后对双基地距离像进行了仿真。所提出的结论为多基地雷达系统利用多站同时获取的双基地距离像构造目标散射点三维结构图奠定了基础。     

利用目标方位信息改善雷达距离像识别性能

由于雷达的高分辨距离像对方位变化非常敏感,模板库中对每个目标都必须按较小的方位范围建立所有有关方位的模板。如果能够得知目标的大致方位角,可以缩小搜索范围,减小运算量。具体研究利用目标方位信息对识别率的影响,发现测试样本在类内匹配时,总是与附近方位的模板距离最小,而在类间匹配时,"最佳匹配"的经常是不同方位的模板,因此,利用目标方位信息基本不改变类内距离,但可以增大类间距离,从而提高识别率。仿真结果表明,利用方位信息是雷达目标识别的有效措施。     

雷达舰船目标HRRP成像视角参数估计

针对雷达舰船目标一维距离像敏感于姿态角,分析了成像视角对船长估计精度的影响,提出一种舰船成一维距离像视角参数估计方法,首先建立雷达舰船运动模型,对雷达跟踪数据预处理,并估计出目标的运动状态和航速,通过稳健回归估计方法进行二次曲线拟和,估计出舰船目标成像视角参数,通过本文方法估计的视角参数可用于基于高分辨距离像的舰船目标识别和船长估计中。经实测数据验证表明,估计出的视角平均误差小于5°,本文方法易于实践,具有较高的工程应用价值。     

一种噪声背景下的雷达目标识别方法

雷达高分辨距离像(high resolution range profile, HRRP)包含了丰富的目标结构信息,在雷达目标识别领域有良好的应用前景。针对传统的HRRP识别方法对噪声环境适应性差的问题,选用具有时移不变性的紧支撑小波自相关作为支持向量机(support vector machine, SVM)分类器的核函数,研究了幂次变换(power transform, PT)参数的选取对识别效果的影响,给出了参数选取经验公式,结合信噪比实时估算自适应地进行数据预处理以增强算法的抗噪性能。仿真表明,所提出的方法与传统的高斯径向基核SVM相比,提高了目标识别率,并且具有较好的噪声稳健性。     

基于复合特征及分层特征选择的雷达HRRP识别

雷达高分辨距离像(highresolutionrangeprofile,HRRP)具有方位敏感性、平移敏感性以及在特征空间高度交叠的特点,采用复合特征可以更好地描述目标特性。利用复合特征,结合分层识别结构提出了一种分层特征选择方法,充分利用了特征信息,简化了识别器结构,使识别运算量大大下降且提高了识别率。基于HRRP的平移不变特征和相关矢量机的计算机仿真实验表明,该方法是有效的。     

基于线性调频步进信号的空间自旋目标时变三维成像方法

三维成像对空间目标测量、分类、识别等具有重要的意义。线性调频步进信号具有瞬时带宽较窄的特点,可获得较远的探测距离,在空间目标监视中具有优势。基于线性调频步进信号模型,提出了一种空间自旋目标时变三维成像的方法,并对由此产生的距离走动等问题进行了详细讨论。通过采用L型三天线雷达,首先分别获得各天线回波对应的高分辨距离像(high resolution range profile, HRRP)序列,然后利用Hough变换提取高分辨距离像序列中各个目标散射点的自旋运动特征,以获得各个散射点的自旋“轨迹”,最后通过对不同干涉平面内的高分辨距离像序列进行干涉处理,获得各散射点在每一慢时间时刻的空间方位向和俯仰向位置,结合高分辨距离像序列获得的距离向信息即可准确重构散射点的时变空间三维位置。仿真实验验证了文中自旋目标时变三维成像方法的有效性。     

SIAR体制下单基地MIMO雷达距离高分辨研究

常规脉冲压缩处理只针对单根天线单一载频单次回波,对于MIMO雷达,由于发射采用多载频信号,回波信号通道分离后若能进行带宽合成,则相应距离分辨率会比单根天线提高数倍,有利于后续检测与跟踪。针对MIMO雷达设计中调频带宽和载频差的不同选取,分别采用时频域频谱拼接及频谱外推与Root MUSIC算法相结合的方法,得到目标高分辨距离像。仿真结果验证了该方法的正确性。     

机械扫描天线电磁计算与距离像特征分析

针对主动雷达导引头对防空导弹武器系统制导雷达站检测与识别的需求,研究了机械扫描天线电磁散射特性的计算方法,并对其距离像特征进行了分析。首先采用图形电磁计算法对反射面天线的电磁散射特性进行了建模和计算,然后利用其宽频带雷达散射截面计算数据合成天线的一维距离像,进而对不同姿态下天线的距离像特征进行了分析。结果表明,由于天线的旋转,距离像序列的强度、宽度和位置呈现周期性的变化规律,从而为采用距离像序列对机械扫描天线进行识别以及对旋转周期和尺寸等参数的估计提供了可能。     

基于卷积稀疏编码与多分类器融合的雷达HRRP目标识别方法

针对雷达高分辨距离像(high resolution range profile, HRRP)目标识别问题,提出基于卷积稀疏编码与多分类融合(convolutional sparse coding and multi-classifier fusion,CSCMF)的识别方法。首先,该方法利用CSC方法对目标HRRP进行特征提取,同时实现数据压缩;然后,将测试样本的特征分别输入随机森林分类器、朴素贝叶斯分类器和最小值分类器进行预分类,得到3个预测标签。采用多数投票法对3个预测标签进行分类器融合,得到最终的识别决策。实验中研究了分类器融合方法。基于5种飞机目标的HRRP仿真数据进行了实验验证,实验结果表明该方法的分类准确率较高,而且对噪声有较强的鲁棒性。     

加权KNN分类器在HRRP库外目标拒判中的应用

针对雷达自动目标识别中的库外目标拒判问题,提出了一种人工生成库外样本的方法和一种加权k最邻近(k nearest neighbors, KNN)分类器。通过人工生成库外高分辨距离像样本,解决了在训练阶段无法获取库外样本的难题。加权KNN分类器同时满足了基于问题和基于数据两大设计要求,能够很好地处理拒判问题。通过基于接收机工作特性(receiver operating characteristic,ROC)准则和基于损失函数准则的仿真实验,证明了加权KNN分类器具备优良的拒判性能。     

基于压缩感知测量值的扩展目标检测

针对宽带雷达扩展目标检测这一问题,提出了一种在复高斯白噪声背景下基于压缩感知(compressed sensing, CS)测量值的检测新方法。新方法将CS理论引入到宽带雷达扩展目标检测领域,首先通过构造sinc基来稀疏表示扩展目标的一维距离像(high resolution range profile, HRRP),再由复杂的近似消息传递(complex approximate message passing, CAMP) 算法从被复高斯白噪声污染的CS测量值中得到HRRP由sinc基线性表示的相关系数,最后由基于l-0范数的检测器实现扩展目标检测,同时经过推导得到虚警概率和检测概率。基于实测宽带雷达回波数据的实验结果表明,所构造的sinc基可以较好地稀疏表示扩展目标的HRRP；和传统的检测器相比,所提出的新方法可以更好地实现扩展目标检测。     

基于距离像时频非负稀疏编码的SAR目标识别

提出了一种基于目标高分辨距离像时频域非负稀疏编码的合成孔径雷达(synthetic aperture radar,SAR)目标识别方法。首先,将目标的SAR复图像转换为高分辨距离像。然后,采用自适应高斯基表示方法计算每个距离像的非负时频矩阵。其次,对训练目标所有距离像的时频矩阵采用非负稀疏编码方法学习时频字典。在目标识别中,通过将每个距离像的时频矩阵投影到低维的时频字典上来提取特征矢量。最后,在提取特征矢量的基础上,通过支撑向量机目标识别决策实现目标识别。采用美国“运动和静止目标获取与识别计划”公开发布的SAR图像数据库进行算法验证实验。实验结果说明了提出方法的有效性。     

飞机目标的一维距离像特性

一维距离像已广泛应用于雷达自动目标识别 ,虽然一维距离像已将目标按距离分辨单元分割开 ,但每个分辨单元里还有许多散射点 ,该单元回波的复振幅为众多散射点子回波之和。当视角有微小变化时 ,其相位差的变化相当大 ,从而使各分辨单元的复振幅有大的起伏 ,所以一维距离像的方向敏感性十分强。对一维距离像的特性进行了研究 ,并通过预处理得到相对稳定的一维距离像。     

基于HRRP的进动锥体目标特征参数求解方法

提出了一种基于雷达高分辨距离像(high resolution range profile, HRRP)求解进动锥体目标微动参数与几何外形参数的新方法。首先通过对目标的电磁散射机理分析,建立了进动锥体HRRP径向长度的精确数学模型,得到了距离像长度与雷达观测角、进动角和目标特征尺寸之间的数学关系;然后在此基础上,推导了在变视角观测条件下利用HRRP长度求解锥体进动角的精确表达式;最后解算出锥体目标的高度、底面半径和推算雷达观测角等参数。仿真结果验证了本方法的正确性和有效性。     

雷达高分辨距离像自适应角域划分方法

雷达高分辨距离像(radar high resolution range profile, HRRP)具有姿态敏感性的特点,一种有效的方法是分别对一组不发生散射点越距离单元走动角域范围内的HRRP样本进行处理。提出基于HRRP回波功率谱的顺序判别自适应分帧算法,通过对全局HRRP样本进行迭代搜索来确定数据划分边界,并自适应划分角域个数。所提方法依据散射点模型理论,考虑功率谱互相关系数变化规律,有效抑制了HRRP存在“距离像起伏剧烈”的样本。与自适应高斯分类器划分角域方法相比,所提方法在样本数据较小的情况下,仍可以有效地对目标进行角域划分。同时,与传统的利用互相关系数分帧方法和等间隔角域划分方法相比,所提方法可以有效降低识别运算量,减少识别算法处理时间,通过对3类舰船目标的仿真和3类民用船只的外场实测数据分析,表明所提方法是有效的。     

基于支持向量机的高分辨距离像分类法

支持向量机 (supportvectormachine ,SVM)是新一代学习机 ,具有良好的泛化性能。高分辨距离像(HRRP)分类是雷达复杂目标分类的重要方法。采用SVM作为分类器 ,研究了飞机目标HRRP分类法。设计了相应的预处理算法 ,并提出了结合VapnikChervonenkis维法和留一 (LOO)交叉验证法的参数选择算法。基于 5种飞机缩比模型的HRRP数据 ,比较了SVM分类法和最大相关分类法的性能 ,研究了噪声、训练用方位角采样数和训练样本集的大小对识别性能的影响。实验结果表明 ,SVM在HRRP分类上具有良好的应用前景。