子波去噪在雷达信号处理中应用

在介绍子波变换功率谱计算方法的基础上，提出了一种基于子波变换理论的雷达视频回波信号去噪方法，该方法首先对回波信号进行多分辨分解。确定每一尺度上的门限阈值；然后对信号进行离散子波变换，去除各尺度上低于对应门限阈值的信号成分，再利用离散子波反变换获得了去噪后的视频回波信号。利用该方法对实测雷达视频回波数据进行仿真验证，获得了较好的效果。     

一种基于子波特征的模糊神经网络目标识别方法

针对雷达目标识别中相对不变特征量提取这一问题，提出了一种基于子波变换的特征提取方法．通过对三类飞机一维距离像的分类和识别，验证了这种方法的有效性，同时在将模糊神经网络作为模式分类器方面做出初步尝试。     

雷达回波的奇异性检测及目标识别

讨论了信号中奇异性的测度——Ｌｉｐｓｃｈｉｔｚ指数，分析了子波变换与Ｌｉｐｓｃｈｉｔｚ指数的内在联系，给出了使用子波变换计算信号的Ｌｉｐｓｃｈｉｔｚ指数的方法以及Ｌｉｐｓｃｈｉｔｚ指数在实际应用中的物理背景和意义。结合Ｌｉｐｓｃｈｉｔｚ指数及其检测方法，对三类飞机的雷达回波数据进行了实验模拟。通过计算回波波元的Ｌｉｐｓｃｈｉｔｚ指数来构造特征向量，并使用人工神经网络进行分类识别，给出识别的模拟结果。结果表明检测雷达回波波元的Ｌｉｐｓｃｈｉｔｚ指数进行雷达目标识别是一个有效的尝试。     

子波变换在VTS雷达信号检测中的应用研究

根据子波变换的多尺度分析理论和ＶＴＳ雷达目标和杂波的特性，以及目前子波分析在信号处理中的应用情况，分析了用多尺度分析方法进行雷达杂波处理的可行性，并提出了用多尺度分析进行雷达信号处理的基本方法。     

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。     

基于波形匹配的超宽带雷达目标识别

在理论上对波形匹配算法进行了详细地推导，对超宽带雷达目标回波进行了特征提取和分类判决，并在计算机上完成了数值仿真。从仿真结果来看，此识别方法效果良好，易于实现。     

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。     

大角度旋转目标微波成像

增大转台转角可提高目标成像时的横向分辨率,传统成像算法大转角会引起雷达像模糊,采用一种插值办法在频率空间的直角坐标系中计算出雷达回波数据,用二维快速傅里叶变换对回波数据进行处理,从而获得转台目标的雷达像。经过对仿真数据进行验证,用该方法获得的二维雷达像,其质量高于用极坐标回波数据所成的像。     

基于调制特征的飞机目标自动分类

为了解决防空雷达飞机目标自动分类问题.依据飞机旋转部件对雷达电磁波的调制机理、调制特性模型和防空雷达回波特殊性,在时域用相对量分析法提取了幅度、相位调制特征,在频域用复AR双谱分析法提取了调制周期特征.提出了基于幅度、相位、周期3种调制特征的逐级最近邻分类法,对来自20条航线不同姿态的3类8种飞机回波进行了自动分类实验,并讨论了每种调制特征对飞机分类的效果.结果表明3种调制特征和逐级最近邻分类法能有效用于防空雷达飞机目标的自动分类.     

雷达目标跟踪的子波滤波器

根据子波变换方法对雷达跟踪目标的位置测量数据进行了滤波,通过与传统卡尔曼方法的分析比较和模拟实验给出了目标跟踪的子波滤波的特性。     

近似小波变换的一种空中多目标分选方法

通过对由空中多目标间距引起的目标间多普勒频率的差异分析，基于Morlet小波变换，提出了一种空中多目标分选识别的新方法——小波变换谱分析法。此方法选用不同中心频率的Morlet小波，对信号进行小波变换，求取信号的功率谱，获得雷达目标的一维距离像，从而分选识别目标。     

基于DT-CWT和SVM的人脸图像集成分类方法

利用二元树复小波变换对人脸图像进行5尺度小波分解,并提取每一尺度下6个方向高频子图小波系数模的均值和标准方差组成60维的特征向量表征人脸,然后采用支持向量机的一对一分类算法对ORL人脸图像库进行分类实验,结果表明二元树复小波变换和支持向量机的集成方法能有效提高人脸图像的分类精度.     

基于小波多分辨探地雷达三维正演模拟及偏移处理

通过对Maxwell方程进行离散化,导出DB2-MRTD算法的探地雷达3D差分公式,并开发探地雷达MRTD法正演程序,利用该程序对三维雷达模型进行正演模拟,得到其相应的正演合成三维剖视图及切片图;通过对这些模拟结果进行分析,验证MRTD法在探地雷达三维正演中的有效性;利用爆炸反射原理和浮动坐标变换,推导出三维探地雷达波动方程差分格式,并把波场外推矩阵在小波域进行求解,进而得到探地雷达小波域三维偏移算法及偏移处理程序,把该程序应用于正演结果中。对比偏移处理前、后的雷达资料发现,该三维偏移算法能使3D正演剖面中的反射波归位、绕射波收敛,极大地提高了雷达剖面的分辨率。     

基于改进BP网络的地震动信号目标识别

应用人工神经网络进行目标识别是当前模式识别的重要方法之一。前向多层神经网络及其ＢＰ算法发展较为成熟的一种。该对ＢＰ算法加以改进,使得其性能所提高,收敛速度加快。     

基于小波变换的图像边缘检测算法及像素结构分析

对基于多尺度小波变换的图像边缘检测算法进行了改进.通过处理小波变换后出现的负值解决了双边缘问题;通过处理两层邻域的像素点解决了边缘线间断问题,并与传统算法的结果进行了比较,结果表明,利用这一新的算法可使图像边缘更加光滑、边缘定位更精确.     

形态小波变换在图像处理中的应用

论述了小波理论、多分辨分析技术与数学形态学的基本方法和内在联系，以及基于这三类理论所产生的形态小波变换的基本思想和应用方法，并通过一些基本的形态小波变换，展示了形态小波及其变换在图像处理应用中的巨大潜力。     

一种基于HMM的雷达目标识别方法

根据雷达目标散射点的一般模型和特定条件的简化模型；提出用RELAX方法从高分辨雷达回波提取目标散射点分布的位置信息作为目标HRRR的特征向量；利用HRRR对雷达视角敏感这一特点，用隐马尔可夫过程表征多视角雷达回波序列，获得目标距离-方位两维信息，用若干HMM子过程构成的模式链表征一个飞行目标的飞行姿态变化，从而采用基于隐马尔可夫模型的分类器实现目标类属和方位的自动识别和分类，实测数据的计算机仿真结果表明，这一方法的平均识率为99.80%和81.2%。     

工程信号的小波时—频分析方法

讨论了如何采用小波变换对工程信号进行时－频分析的方法,给出了小波变换时－频窗位置及大小与尺度及信号采样间隔的定量关系。