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。     

雷达目标散射中心模型反演及其在识别中的应用

提出了一种基于散射中心模型的距离像识别方法。首先采用稀疏空间网格上的宽带测量数据离线反演目标散射中心模型,再将从距离像中实时提取的一维散射中心特征与该散射中心模型的一维投影进行匹配完成在线识别。在散射中心模型反演中,提出了稳定散射中心的概念并基于此完成稀疏空间网格下的一维散射中心投影关联。在识别过程中,通过设计合适的匹配函数解决散射中心参数估计误差和模型误差造成的散射中心数目、幅度和位置不完全匹配问题。仿真实验表明,对于精度较高的模型,基于模型的识别方法与基于距离像模板的方法识别率相当,而在存储量和灵活性方面优势突出。     

基于预分类的全极化HRRP模型匹配目标识别方法

全极化三维散射中心模型可准确描述目标的空间几何以及极化特征,已成为目标识别的有效手段之一。针对传统高分辨距离像的匹配算法计算量大、耗时长的不足,提出一种基于预分类的模型匹配目标识别方法,通过目标散射机理分析,对目标进行预分类,减小匹配模型数,然后利用全极化高分辨距离像的散射中心位置与极化信息构造模型匹配函数,实现了目标类别的判定。基于电磁仿真计算数据的识别实验表明,该方法具有良好的目标识别能力,相比于传统方法具有更高的识别正确率以及更低的存储量和计算量。     

雷达目标-维散射中心识别特征提取研究

针对雷达目标高分辨一维距离像在目标识别中存在计算量和存储量过大的问题,研究了基于一维散射中心的目标识别特征。在使用矩阵束法提取散射中心的基础上,定义了散射中心阶数、散射中心相对位置和中心矩三个平移不变特征用于目标识别,较好地描述了目标散射特性。三类目标外场实测数据的识别试验结果显示,相对于单一特征的目标识别,综合上述三个特征的识别不但能获得更好的目标识别率,而且识别结果对高斯白噪声不敏感。     

目标一维距离像特征提取方法研究

针对雷达目标一维距离像的姿态敏感性和平移敏感性,直接将一维距离像用于目标识别很难取得好的识别效果,用目前的普遍做法进行目标识别存在计算量和存储量大的问题,提出把一维距离像作为随姿态变化的序列及强散射中心维数、目标特征尺寸、散射中心分布熵三个特征,并以这三个特征采用外场实测数据进行目标识别实验,取得了较好的识别效果。     

高速旋转目标三维成像的新算法

针对高速旋转目标三维成像的问题，提出一种有效的GRT CLEAN方法。该方法首先进行平动补偿,将高速目标的回波信号转换为高速转台模型。然后利用基于旋转散射点各次距离像回波的变化曲线所具有的特征，采用广义Radon变换(generalized Radon transform, GRT)得到目标散射点空间位置的近似估计。最后把该目标参数估计方法与修正的CLEAN技术相结合得到每个散射点的特征估计,并进一步得到目标三维像。理论推导与仿真结果验证了该算法的有效性。     

基于复值HRRP CICA特征的多方位SAR目标识别

提出了一种基于雷达目标复距离像复值独立分量分析（complex independent component analysis, CICA）的合成孔径雷达（synthetic aperture radar, SAR）目标多方位散射特征提取和识别方法。根据雷达目标散射机理,将目标高分辨率复距离像建模为多个散射中心的复相干叠加。在分析复距离像的基础上,采用CICA方法实现了距离像中每个散射中心响应的分离。针对每个散射中心响应,利用高阶矩方法提取特征矢量。分类器基于隐马尔可夫模型（hidden Markov model, HMM）设计。采用美国运动和静止目标获取与识别（moving and stationary target acquistion and recognition, MSTAR）计划公开发布的目标实测数据进行算法实验,实验结果说明了提出方法具有较好的识别率。     

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。     

FMCW毫米波雷达高分辨率目标距离像及其处理

在毫米波照射下,目标回波可模型化为多个散射中心回波的合成;宽带线性调频连续波(LFMCW)工作体制可以获得目标多散射中心在雷达径向距离轴上的投影分布,即高距离分辨率目标距离像(high range resolution range profile);综合利用距离像所提供的目标多散射中心空间分布和截面积信息,可以改善信号检测和跟踪性能,并完成目标识别。     

基于距离-方位二维聚类的海上编队目标距离像提取

在观测编队目标时波束内容易出现多个目标,可能引起距离像邻近甚至混叠,难以判断距离像簇与目标之间的对应关系,导致无法准确提取单个目标的距离像信息。本文基于距离像目标识别的需求,在海面编队结构信息的约束下,分析了波束内多目标出现概率,定义了多目标距离像之间的4 种关系,利用目标的距离和方位角信息进行二维聚类来判断距离像簇与多目标之间的对应关系,从而实现波束内多个舰船目标的距离像提取。仿真实验表明该算法能够在不同信噪比和带宽条件下很好地区分编队内不同目标的距离像,为下一步基于距离像信息的目标识别和稳定跟踪提供了重要条件。     

基于最优路径的弹道目标径向长度提取方法

针对强噪声环境中弹道目标径向长度提取困难的问题,提出了一种基于最优路径的弹道目标径向长度提取方法。首先对目标距离像进行时间积累,得到一维距离像时间序列,然后分别计算每相邻帧的距离像中各个像素之间转移的幅度代价函数和路径代价函数,根据总代价函数的大小判断各散射中心的相关性,搜索得到一条代价函数最小的路径即最优路径,确定目标头部和尾部散射中心的位置,进而得到各个时刻目标径向长度。该方法算法简单,在强噪声环境中也能保证较高的正确率。对仿真和模拟测试数据的分析处理验证了该方法的有效性。     

OQAM/OFDM系统基于迭代的辅助导频信道估计

针对基于交错正交调制的正交频分复用(offset quadrature amplitude modulation/orthogonal frequency division multiplexing,OQAM/OFDM)系统中信道估计问题,本文提出了一种基于迭代的离散导频信道估计方法。通过分析系统存在的固有干扰,指出传统离散导频信道估计方法性能较低的原因。通过减少辅助导频消除干扰的个数降低辅助导频能量,使用迭代的方法估计信道的性能。仿真结果表明,所提的消除两个干扰数据符号的迭代辅助导频方法在辅助导频能量与普通数据符号相同的同时能够得到更好的信道估计性能。     

多极化多特征融合的雷达目标识别研究

雷达多极化组合态距离像与单极化组合态距离像相比包含了更多的目标信息,因此也具有更强的目标鉴别能力;而距离像不同的特征同样包含了具有一定差异的鉴别信息,可以用来提高距离像的总体识别能力。基于D-S证据理论将多极化信息和六种常用的距离像特征信息有效融合起来,获得了较高的识别率,基于仿真数据的实验验证了结论的正确性。     

多目标交互式遗传算法在测试点确定问题中的应用

在遗传算法基础上提出了多目标测试点确定问题的新的解决方案。一方面由设计者根据对关键元件的关注程度,提高其相关测试点选中权值或直接预置隔离,另一方面在此基础上算法搜索出目标综合要求最高的测试点集来。为了把处于高适应度前沿的优秀编码之间的距离拉大,采用了指数方法。另外,为提高搜索的准确性,提出歧视规则的变异思路。最后通过对应用实例的仿真结果验证了算法的合理性和有效性。     

基于极化分集接收的HRRP欺骗干扰鉴别

有源宽带欺骗干扰能够生成虚假高分辨距离像(high resolution range profile, HRRP),严重影响成像雷达的目标特征提取与识别。为此,研究了基于极化分集接收的HRRP欺骗干扰鉴别方法。首先,建立了目标回波和欺骗干扰的正交极化宽带响应模型,分析了两者的极化相关特性差异;然后,利用正交极化HRRP之间的互相关系数作为鉴别量,提出了相应的鉴别算法;最后,利用飞机缩比模型及干扰机天线的暗室测量数据进行仿真实验。实验结果表明：在一定信噪比(signal-to-noise ratio, SNR)及鉴别门限条件下,正确鉴别概率将大于90%,验证了算法的有效性。     

基于复数全极化HRRP的雷达目标识别

针对实数单极化高分辨率一维距离像（high resolution range profile, HRRP）缺失了目标的极化信息和相位信息的问题,研究了复数全极化HRRP目标特征提取方法,为合理有效运用所提取的目标信息,提出一种基于Bagging的选择性集成算法,并在此基础上设计了复数全极化HRRP目标识别方法,最后通过实验验证该方法具有良好的稳健性和可分性。     

基于联合时频特征和HMM的多方位SAR目标识别

研究了联合时频特征和隐马尔科夫模型(hidden Markov model, HMM)的多方位合成孔径雷达(synthetic aperture radar, SAR)目标识别方法。利用HMM模型可以有效地对多方位SAR目标特征分析及识别。在HMM多方位SAR目标识别中的关键之一是SAR目标回波高分辨率距离像(high resolution range profile, HRRP)的特征提取。提出了一种时变频因子加权Fisher鉴别的特征提取方法。利用MSTAR实测SAR目标数据集进行了特征提取和识别实验,实验结果验证了方法的有效性。