雷达海面目标识别技术研究进展

 针对雷达海面目标识别特征数据缺乏和识别算法推广能力差等问题,从雷达目标电磁散射特性和目标分类识别两方面总结了雷达海面目标识别技术的研究热点和发展趋势。围绕海面目标雷达特性,从电磁散射测量和建模两个方面综述了国内外研究现状;从低分辨雷达回波、高分辨距离像、高分辨雷达图像3方面综述了海面目标识别技术发展现状;介绍了雷达海面目标识别工程应用情况;最后展望了海面目标识别技术的发展趋势。     

雷达目标微多普勒效应研究概述

近年来雷达目标微多普勒效应得到了较为广泛的关注,基于微多普勒特征的目标识别技术被认为是雷达目标精确识别领域中极具发展潜力的技术途径之一。从微多普勒效应概念、微多普勒分析及特征提取、微多普勒应用等方面论综述了当前国内外雷达目标微多普勒效应研究的发展和应用现状,并对未来的技术发展趋势做了进一步展望。     

弹道目标雷达微动特征提取与识别研究综述

弹道目标雷达微动特征提取与识别是雷达目标识别领域的重要研究方向之一。在简要阐述弹道目标识别重要研究价值的基础上，结合国内外研究现状，从点散射模型、滑动散射模型、属性散射中心模型等出发，总结了现有的弹道目标微动回波建模方法，进一步分别从单基、双基、多基等不同雷达观测视角出发，梳理了弹道目标微动特征提取与成像方法，对基于人工特征和传统分类器、及基于深度学习的弹道目标分类识别方法进行了总结，最后对弹道目标雷达微动特征提取与识别方向的技术难点和未来发展趋势进行了分析与展望。     

自适应噪声对消及其在雷达目标识别中的应用

简述了利用波形综合法进行雷达目标识别的工作原理及产生Ｅ脉冲和Ｓ脉冲的方法，提出一种新的识别参量和识别方法。为了减少雷达回波噪声对识别的不良影响，本还提出了一种抑制不相关噪声的自适应滤波方法，并将自适应噪声对消技术用于雷达目标识别。     

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。     

雷达目标微动特性研究

 雷达目标微动特性是当前目标探测与识别领域的新兴研究方向和热点课题,随着近10年的发展积累了一些研究成果。本文重点综述了微动目标雷达回波调制效应、微动特征提取、微动目标雷达成像、微动特性测量及雷达波形设计等方面的研究成果,部分成果已应用于空间/空中目标探测与识别等领域。本文的研究成果及结论为进一步推动国内微动特性研究提供参考和基础。     

用极化信息实现雷达目标的分类与识别

利用极化信息，提取表征雷达目标的五个特征参数，并给出了这五个特征参数的显式表达式。运用BP神经网络技术，对选定雷达目标进行学习并分类计算。计算机模拟结果表明，这种利用极化信息和BP神经网络技术对雷达目标进行分类和识别的方法是可行的。     

舰船目标识别技术研究进展

 舰船目标的有效识别和监控对维护海洋权益、保障海上航行安全至关重要。根据舰船目标信息的获取形式，从辐射噪声信号、雷达回波信号、卫星遥感图像、合成孔径雷达图像、红外图像、可见光图像几个舰船目标的主要信息获取来源出发，阐述了舰船目标识别技术的研究进展，总结分析了目前基于不同信号源的舰船目标识别方法普遍存在的具有高度任务相关性、计算成本高与运行时间长等问题。结合深度学习技术在语音识别、图像识别等领域的发展，建议将基于深度学习技术的典型目标识别方法Faster R-CNN及YOLO引入舰船目标识别领域，以研究鲁棒性更好、准确率更高、实时性更强的舰船目标识别方法。     

基于机器学习算法的合成孔径雷达图像的目标识别

合成孔径雷达有着观测范围广和分辨率高的特点,可以全天候工作,并能有效地识别伪装和穿透掩盖物,但也存在雷达图像数据量大且目标电磁散射特征复杂等特点,为目标的识别引入了噪声和干扰,因此发展快速和智能化的SAR图像目标识别技术得到越来越多的关注.本文针对美国空军研究实验室SAR图像中的8个目标物引入3种机器学习算法和一些数据处理方法构建了相关的识别模型,并对其识别能力进行对比分析,结果显示这3种机器学习算法通过优化算法都可以获得较高的识别准确率(> 80%),尤其是KNN算法的测试集准确率都可以高达97%.本文研究结果可为SAR目标识别的人工智能化技术提供一些方法上的参考和指导.     

雷达低可观测目标探测技术

 复杂背景下稳健高效的低可观测目标探测始终是雷达信号处理领域的研究热点和难点。一方面,强杂波背景和目标复杂运动使得信号微弱,时频域难以区分;另一方面,传统雷达体制回波信号资源受限,难以实现对目标信号的精细化描述,亟需发展雷达目标探测新体制和新技术。本文归纳总结了低可观测目标探测面临的技术难点,系统回顾了常用的雷达动目标检测方法,最后从目标探测技术和手段两方面对雷达低可观测目标探测的发展进行展望。     

雷达低可观测动目标精细化处理及应用

 雷达探测环境复杂、探测对象特征多样,回波具有低可观测性,雷达探测性能难以满足实际需求,面临着复杂环境下微弱目标检测难题。本文论述了低可观测动目标的内涵、特征、雷达探测面临的挑战以及精细化处理的关键技术,结合雷达实测数据给出了工程应用的途径,并展望了对精细化处理的发展方向。     

粗糙地面上复杂目标的电磁散射特性

粗糙地面与复杂目标的耦合散射特性研究一直是雷达目标识别领域比较有应用价值的课题.针对粗糙地面与目标的复合电磁散射特性进行重构,包括复合模型的雷达截面积(radar cross section,RCS)特性以及合成孔径雷达(synthetic aper-ture radar,SAR)成像特性.首先,对复杂目标进行几何建模并对粗糙面进行数值建模,构建地面与目标的一体化几何模型.然后基于空间射线分集技术、射线追踪技术以及劈边结构识别算法分离出复合模型中散射中心,包括面结构和劈边结构对应的散射中心,基于属性散射中心模型正向的确定散射中心对应的各个参数,最终建立起粗糙地面上复杂目标的散射中心参数化模型.并通过对其重构的散射特性与实测结果进行对比,分析了地面与目标的耦合作用.研究对雷达目标识别领域具有很大的应用价值.     

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。     

基于距离分类准则的雷达目标识别方法

雷达目标信号是非平稳信号，对于这样的非平稳信号，用于分类的特征往往包含在局部的时一频信息中，用一般的变换提取有效的特征比较困难。利用小波包基的性质，提出了一种雷达目标识别方法。首先，对雷达回波信号进行小波分解，利用距离准则，选择最优小波包基，从被识别的信号中提取具有最大可分性的特征，得到目标识别的特征向量，由此进行目标识别。仿真实验结果表明，该方法具有高的识别率。     

一种改进的Zernike矩的雷达图像目标识别方法

针对Zernike不变矩目标识别算法计算复杂,计算复杂度高的不足和雷达图像乘性噪声严重和识别率不高的问题,提出了一种快速计算Zernike矩目标识别算法.该算法通过利用Zernike矩对称性和反对称性对雷达图像进行快速计算求得不变矩,然后通过加权求得新的特征向量,最后通过支持向量机进行目标识别.实验结果表明,提出的算法不仅解决了计算过于复杂的问题,还降低了噪声且提高了目标识别率.