空间目标进动特性及在雷达识别中的应用

针对弹道导弹防御系统中弹头目标的自旋特性,建立了锥体目标的进动数学模型,并基于进动参数推导出反映目标质量特性的特征量.通过对锥体目标RCS回波数据进行多项式拟合来估计进动参数,以此为弹道导弹目标雷达识别提供可靠的技术途径.实验结果表明在低信噪比、考虑目标平动条件下算法能够有效估计出目标的章动角.     

地基防御雷达的有源假目标极化鉴别能力

研究了有源多假目标等欺骗性电子干扰对地基防御雷达系统的有效性问题。首先详细分析了任一椭圆极化天线有源假目标的极化特性,并探讨了典型雷达目标的极化散射特性。在此基础上,设计了有源多假目标的极化鉴别算法,计算机仿真表明,具有极化测量能力的地基防御雷达系统具有对有源多假目标进行鉴别的能力。     

多发多收SAR波形设计与高分辨成像技术综述

多发多收合成孔径雷达(multi input multi output synthetic aperture radar, MIMO SAR)作为一种新雷达体制,通过多天线的收发可以获得比实际收发天线数目多的等效观测通道,相比传统SAR体制的约束,MIMO SAR在实现高分辨率宽测绘带遥感、慢速运动目标检测、三维成像等方面具有很大优势。该文对近年来MIMO SAR波形设计与高分辨成像技术的国内外研究现状进行了综述,重点总结了正交波形设计、方位向无模糊成像和提高距离向分辨率3个关键技术,最后指出了MIMO-SAR波形设计与成像技术在未来发展中需重点解决和关注的若干问题。     

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。     

Decision fusion recognition based on modified evidence rule

A modified evidence combination rule with a combination parameter λ is proposed to solve some problems in D-S theory by considering the correlation and complement among the evidences as well as the size and intersection of subsets in evidence. It can get reasonable results even the evidences are conflicting. Applying this rule to the real infrared/millimetre wave fusion system, a satisfactory result has been obtained.     

一种新的支持向量机快速训练算法

针对大规模数据集的分类中支持向量机的训练,为解决选取样本集合边界向量时需事先判定样本集合是否线性可分的问题,提出一种基于密度法的支持向量预选取方法。该方法不需要事先判定训练样本是否线性可分,具有较强的抗击噪音点和孤立点干扰的能力,并且计算简单,易于实现。实验结果证明了这种方法是有效的。     

光学区雷达目标散射中心提取及识别方法研究

首先回顾了在宽带体制下光学区雷达目标频域响应的特性 ,而后给出了矩阵束算法的原理 ,并应用该算法提取光学区雷达目标的散射中心 ,提出了所谓“基于散射中心极点和幅度的相关匹配目标识别方法” ,最后给出了五种飞机缩比模型宽带散射数据的实验结果。实验结果表明 ,该识别方法在白噪声条件下具有高识别率和强抗噪声能力。     

基于故障率为模糊数的故障树分析方法研究

在经典故障树分析方法的基础上，引入模糊集合理论，针对基于系统各部件故障率分别为三角形和正态型模糊数情形，应用Ｚａｄｅｈ 的扩展原理和模糊数运算法则对模糊故障树分析方法作了研究，最后给出了一个应用实例。     

基于散射中心的目标建模与识别

准光学区目标对高分辨探测信号的散射，表现出多散射中心。本文利用目标的这一物理特性，推导了相邻两个观测方位角上散射信号的近似比例关系，采用梅林变换重建了目标类模式，有效地克服了目标散射中心模型的参数敏感于观测方位角变化而带来的特征选择的困难。文中针对三种飞机目标（歼七、Ｂ５２、Ｍｉｇ２７）进行了识别实验研究，结果表明了本文所提出的目标识别方法是有效可行的。     

一种基于近邻搜索的快速k-近邻分类算法

针对传统快速k 近邻分类算法的缺陷 ,提出了一种基于近邻搜索的快速k 近邻分类算法———超球搜索法。该方法通过对特征空间的预组织 ,使分类在以待分样本为中心的超球内进行 ,有效地缩小了搜索范围。实验结果表明 ,在相同识别率和k值的情况下 ,超球搜索法的识别速度优于基本k 近邻法和传统快速k 近邻算法———及时终止法 ,而且不存在对训练样本搜索顺序敏感性的问题