进动锥体目标平动补偿及微多普勒提取

针对平动调制下的进动锥体锥顶及锥底滑动型散射源微多普勒提取问题,提出一种利用微多普勒曲线交叉点频移信息完成平动补偿并利用正交匹配追踪(orthogonal matching pursuit, OMP)提取微多普勒的方法。根据进动锥体散射源微多普勒变化规律建立回波模型,引入二次型平动速度调制项,发现微多普勒曲线交叉点处的瞬时频移是由剩余平动引起的。利用Harris-Laplace角点检测获取时频图中微多普勒曲线交叉点信息,通过最小二乘参数辨识得到剩余平动参数;针对平动补偿后锥体散射源微动特性构建回波信号原子集,利用OMP稀疏分解提取各散射源的微动信息。仿真验证了所提方法的有效性。     

基于电磁散射数据的弹道目标宽带回波仿真

弹道目标宽带回波是进行目标特征分析与识别研究的基础.针对实测弹道目标宽带回波数据获取代价昂贵的问题,建立了锥体目标轨道运动和进动模型,结合电磁场相对变换理论推导了高速运动目标雷达回波公式,分析了目标高速运动对宽带解线频调回波的影响.在此基础上给出了一种由静态电磁散射数据乘以相位影响因子仿真生成弹道目标动态宽带回波的方案,仿真实验验证了该方案的可行性.     

基于机载窄带雷达的舰船目标多普勒特性分析

针对机载窄带雷达探测海面非合作舰船目标识别能力不足问题,首先建立了舰船横滚、俯仰和偏航三维微动下舰船运动方程,在此基础上建立了窄带雷达探测舰船的回波信号模型,分析了回波信号多普勒频率成分及其特征。理论分析结果表明,舰船三维微动会导致雷达回波信号的多普勒频率相对无微动情况下出现频谱展宽;并且不同位置的散射点具有不同的时频变化曲线;在短时间内,各散射点微多普勒时频曲线以类似LFM形式的线性关系变化,在较长时间内以类似正弦信号形式周期性变化,其周期与横滚角变化周期相同。     

基于微多普勒的弹道多目标分离方法

弹道多目标分离对弹道导弹早期预警和识别具有重大意义。目前弹道目标微动提取与识别的研究都是基于“单目标多散射点”和“多目标单散射点”的假设,而对实际中弹道“多目标多散射点”的情况缺乏考虑。针对这一问题,首先分析了进动锥体弹头和摆动锥体诱饵的微多普勒形式,得到了同一目标不同散射点的微多普勒具有相同的周期性。对于多目标分离问题,首先利用Radon变换估计平动参数实现了多目标平动补偿;之后通过分析多目标时频图循环平稳性,发现弹道多目标分离本质上是多个二维一阶循环平稳(first order cyclostationary,FOCS)分量的分离问题;其次,提出了一种基于二维FOCS处理的多目标分离方法;最后,通过仿真验证了该方法的有效性和在强噪声下的稳定性。     

任意平面圆周旋转散射点雷达回波理论模型的建立与仿真研究

一个物体上的任何一个部件的机械旋转都可能调制雷达回波的相位函数,产生附加的频率调制作用,其表现为目标的多普勒频率产生了边带.基于雷达后向散射理论和散射点模型,针对雷达目标的任意圆周旋转散射点,详细推导并建立了雷达回波通用模型,对其与振动散射点的等效性进行了详细的讨论.最后通过两种方法对回波理论模型进行了有效性验证,理论分析和仿真结果表明,该模型是有效的.     

基于近场散射模型的超低空目标雷达回波模拟

近区超低空目标具有更为复杂的电磁散射机理,需要建立更为精细灵活的回波模型.基于改进的物理光学与等效电磁流方法建立了目标的近场散射模型,结合面元模型与"四路径"模型提出环境与多径的近区散射计算方法.利用建立的电磁模型,以雷达导引头探测近区超低空目标为应用背景,建立了雷达回波信号模型.验证了近场电磁模型的有效性,仿真分析了...     

脉冲多普勒引信多普勒信号及最佳启动频率分析

本文针对脉冲多普勒无线电引信的回波特点，提出利用等效散射点的方法建立引信目标的散射模型和回波模型，计算了各种交会状态下的最佳炸点误差，并通过小波变换实现了对多普勒频率曲线的平滑滤波。     

基于改进Dijkstra算法与时频域滤波的雷达目标识别

针对弹道中段雷达目标回波的微多普勒特征提取精准度不高导致目标识别率低的问题, 提出一种基于改进Dijkstra算法与时频域滤波相结合的雷达目标分类识别方法。该方法首先采取改进Dijkstra算法提取多分量回波信号中最强分量的瞬时多普勒特征, 然后利用时频域滤波方法滤除最强分量, 依次提取多分量信号的瞬时多普勒特征, 并将该特征应用于弹道中段雷达目标识别。仿真结果表明, 该方法适用于多种微动形式, 提取回波信号的微多普勒特征的精度更高, 对于弹道中段雷达目标平均识别率较高。     

一种基于GTD模型的目标散射中心提取方法

随着隐身技术的发展,臆身目标的镜面散射已基本消除.边缘绕射等上升为主要散射源.用基于几何绕射理论的GTD模型取代以镜面散射为主的常规目标的指数和散射模型,来精确描述隐身目标的高频电磁散射特性.并且采用旋转不变技术(TIS_ESPRIT)替代多重信号分类(MUSIC)算法,精确估计目标散射中心的位置信息,避免了MUSIC算法用谱峰搜索提取参数的过程.并时TLS_ESPRIT算法进行了改进,有效降低其计算量.同时,利用特征分析法的信号与噪声子空间正交特性、二项式近似两种方法来提取散射中心的类型参数.仿真结果表明,该算法高效、精确、具有良好的分辨率,可以有效地提取以边缘绕射等为主要散射形式的臆身目标的散射中心.     

高速动态空间目标宽带回波仿真方法研究

获取空间高速动态目标的宽带回波数据是进行空间目标电磁特性研究,开展空间目标探测与识别的基础.针对静态测量和动态测量不同形式的雷达发射信号,分别建立了空间目标静态测量条件下扫频宽带回波信号模型和解线频调的高速宽带回波信号模型.在分析两种信号模型差异的基础上,提出了一种利用静态数据仿真生成高速动态目标宽带回波的方法,并详细分析了该方法的适用条件.最后对仿真方法进行了验证,证明了其可行性和正确性.     

基于深度学习的弹道目标智能分类

针对弹道目标微动分类前需平动补偿及典型雷达散射截面积(radar cross-section, RCS)序列分类需构造人工特征的问题,提出利用弹道目标微动特性和RCS相结合的弹道目标智能分类算法。首先,建立弹道目标运动模型并分析得到方位角和俯仰角,从而获取RCS序列,在此基础上利用小波变换得到时频图并构建数据集;然后,通过卷积神经网络(convolutional neural network, CNN)提取时频图像特征序列并与RCS序列融合成高维特征;最后,利用具有容错能力的双向长短期记忆网络充分学习序列之间的相关性以实现目标分类。仿真结果表明,该算法比卷积神经网络和支持向量机的分类精度分别提高5%和2%以上,分类速度比卷积神经网络和双向长短期记忆网络分别提高1.5倍和2.5倍,实现了更高精度的快速智能分类。     

基于集成深度学习的有源干扰智能分类

针对现有基于机器学习的雷达有源干扰分类大多需要构建人工特征集且小样本情况下分类精度低的问题, 提出一种基于多通道特征融合的集成卷积神经网络(convolutional neural network, CNN)分类方法。首先, 建立多种有源干扰的数学模型, 仿真并利用短时傅里叶变换获得其时频分布图; 其次, 提取时频分布图的实部、虚部和模值三通道特征, 通过多种特征组合方式建立不同特征组合的样本集; 最终, 构建以CNN为基分类器的集成深度学习模型, 每个CNN分别提取不同样本集的特征, 对所有基分类器的预测结果做多数投票得到集成模型的整体预测结果。实验表明, 该方法能够有效实现小样本情况下多类有源干扰的高精度智能化识别。     

基于多分辨率显著性滤波的微动信号增强方法

微动信号是典型的非平稳信号, 时频分析能够获得微动信号的联合时间-频率分布图像, 是微动信号分析的主要工具之一, 良好的时频图像质量能保证后续特征提取和参数估计的准确性。然而在实际场景中, 时频图像通常受到噪声污染, 使得微动信号难以分辨, 严重制约了后续特征提取和参数估计。根据显著性检测和图像金字塔的基本原理, 本文在多分辨率表示图像上分别计算显著性并滤波, 最后进行加权融合获得增强的时频图像, 有效抑制了噪声, 提升了低信噪比(signal to noise ratio, SNR)下时频图像的质量和微动信号的显著性。实验结果表明, 对于仿真信号以及暗室测量信号, 在-7~7 dB SNR下, 采用该方法均能显著提升时频图像质量, 且-3 dB以下时能大幅提高周期估计的准确率, 是一种有效的微动信号增强方法。     

基于时频域特征和分层决策的通信信号调制识别

针对实际通信信号具有时变、非平稳的特性,将时频分布引入通信信号调制类型识别,提出了新的品质优良的时频域识别特征和使用时频域特征的分层决策分类器。即以基于Wigner Ville分布(WVD)的一阶时间矩特征和基于Margenau Hill分布(MHD)的局部时频域特征作为分类特征向量,通过特征向量与判决阈值的逐层比较以实现通信信号调制分类。仿真结果表明,该方法在低信噪比下的识别性能明显优于基于单纯的时域特征或频域特征的传统方法。     

Modeling simulation and experiment of micro-Doppler signature of precession

Spatial precession is a special micro-motion of the spinning-directional target, and the micro-Doppler signature of the cone-shaped target with precession is studied. The micro-motion model of precession is built first, and then the micro-Doppler model is developed based on the proposed concept of micro-motion matrix, by which the theoretical formula of micro-Doppler signature of precession is derived. In order to further approach to the actual case, the occlusion effect is firstly considered in micro-Doppler, and the simulated result with occlusion effect is well in accordance with the measured result in microwave anechoic chamber, which suggests that the micro motion model and micro-Doppler model of precession are both valid.     

双基地雷达微动空间目标全极化回波仿真方法

由于双基地雷达具有反隐身、抗干扰、抗摧毁等诸多天然优势, 双基地雷达的目标探测和识别问题逐渐成为研究热点。以双基地雷达微动空间目标为研究对象, 首先分析了电磁计算双基地散射数据和双基地雷达目标回波的对应关系, 然后指出了利用电磁计算数据获得的目标仿真回波与目标真实回波极化坐标系的差异, 并提出了相应的校正方法, 最后进行了仿真验证。结果表明, 所提方法保证了电磁仿真回波数据与实测回波数据的极化一致性, 可以为后续的双基地雷达目标特征提取、目标识别等算法研究提供数据支撑。     

基于FMCW雷达的旋转目标微动参数提取方法

针对旋转目标微多普勒频率相互交叠、重合难以提取的问题, 提出了一种基于调频连续波(frequency modulated continuous wave, FMCW)雷达的微动参数提取方法。考虑到旋转目标微多普勒频率具有正弦形式的特征, 利用多普勒信号构造了矩阵并进行奇异值分解, 使得奇异值比谱在旋转频率处的比值达到最大。为了估计旋转半径和初始相位, 对多普勒信号时频分析结果进行逆Radon变换, 将正弦曲线的参数估计问题转化成了参数空间中的峰值检测问题。仿真和实验数据结果表明, 结合奇异值分解、时频分析技术和逆Radon变换的旋转目标微动参数提取方法具有在低信噪比条件下提取高精度参数值的能力, 有效解决了相互交叉的微多普勒频率参数提取问题。     

连续波微动测量雷达及目标微动特性分析

目标或其部件微运动产生的微多普勒是目标识别的重要特征,对其进行高分辨测量和微动特征提取是识别的关键。设计了基于连续波体制的微动测量雷达方案,分析设计了收发分离的雷达微带天线,研制了X波段连续波微动测量雷达及其数据采集设备。利用该雷达实测数据采用时频分析工具对人行走的躯体、手、脚运动进行了微多普勒特征分析,实验验证了雷达测量数据的有效性。     

闪烁现象下旋翼目标微动参数估计方法

逆Radon变换以其精度高、抗噪性能好的优点常用于微动信号的参数估计,但是当旋翼类目标微动信号存在闪烁现象时,该方法失效.针对此问题,提出一种闪烁现象下的微动参数估计方法.首先,建立基于线性调频信号的单旋翼直升机雷达回波散射点模型,分析闪烁现象下回波的微动特性.其次,通过去噪卷积神经网络(denosing convol...