基于宽带LFM雷达的弹道目标精确测速方法

由于弹道中段末期稀薄大气对轻诱饵具有明显的减速作用,精确的速度测量是该阶段真假目标识别的重要途径之一。提出了一种基于宽带线性调频(linear frequency modulation,LFM)雷达回波信号的精确测速方法,该方法对雷达中频回波信号相位差进行最小二乘参数估计,完成弹道目标速度的精确测量。针对低信噪比条件下的精确测速问题,采用恒虚警率(constant false alarm rate,CFAR)检测与形态学滤波相结合的技术对噪声进行抑制,有效地提高了算法的鲁棒性和测速精度。对典型弹道目标的动态雷达特征信号及测速算法进行了仿真和分析,验证了算法的有效性。     

弹道导弹目标微动特性的微多普勒分析与仿真研究

真假目标识别一直是反导系统中地基雷达(GBR)的技术难点,而基于弹道导弹目标微动特性的雷达识别是近来研究的热点.微多普勒是目标微动特性的一种表征,基于弹头和诱饵微动特性的差异,提取微多普勒特征可用于识别真假目标.首先介绍了弹头和诱饵的运动特性,然后建立了弹头和诱饵的微动模型,并进行了微多普勒理论分析和推导,最后通过仿真实验分别研究了微多普勒的多散射点和噪声污染的问题.仿真分析表明多点和噪声对微多普勒提取影响不大;同时指出以目标微多普勒的周期、频率最大值以及平面变化规律为特征可识别真假目标.     

雷达识别及反识别技术综述

雷达识别和反雷达识别是现代雷达技术的一个重要发展方面。有关雷达识别的理论研究和技术应用正越来越引起人们的重视。近年来,国内外学者专家在雷达识别的理论研究和技术应用方面,均取得了相当大的进展。本文将对雷达识别及反识别技术作一综述,其中包括对雷达识别的定义、主要应用及分类方法、实施方法举例、雷达识别的发展趋向、反雷达识别及对抗反雷达识别的方法等。     

弹道目标雷达宽带识别仿真与评估

提出了一种将雷达目标识别方法与具体战情相结合的方法,并通过该方法对弹道目标雷达宽带识别方法进行了仿真与评估。仿真了空间目标飞行弹道后,通过坐标变换得到设定战情下的弹道目标雷达视线角。然后结合室内缩比模型静态测量数据,得到设定战情下弹道目标高分辨距离像。对仿真得到的三类弹头类目标进行识别,并分析了雷达带宽、信噪比、观测次数对识别性能的影响。     

抗反辐射导弹雷达诱饵阵防御效能分析

为了评定一个布置有诱饵的雷达阵地抗反辐射导弹(ARM)攻击的防御效能,提出了采用马尔可夫链的转移概率矩阵进行计算的方法。该方法通过计算在多枚ARM的攻击后,雷达诱饵阵地状态的变化,获得雷达阵地在ARM攻击后的毁伤概率矩阵,以及摧毁雷达所需要的ARM的期望数目。给出了应用该方法的具体步骤,并通过仿真实例检验了该方法的可行性和有效性。     

智能化雷达辐射源型号识别及其实现

针对国内雷达辐射源型号识别普遍采用数据库比较查询的缺点,提出和实现了一种用雷达辐射源体制和用途识别专家系统与数据库比较查询相结合进行智能化雷达辐射源型号识别的方法.实验结果表明,该方法能够显著地提高雷达辐射源型号识别的准确度,对于参数不全、参数发生畸变的雷达辐射源,其识别精度较采用直接数据库比较查询法尤为显著.     

基于最优特征矢量子空间的雷达目标识别

针对雷达特征子空间距离像识别中存在的如何选择特征基的困难,提出了一种基于最优特征矢量子空间的雷达距离像识别方法。该方法首先对原数据样本进行特征提取变换,再采用遗传算法选取最优特征矢量,由此组成最优子空间。通过对三种不同类型飞机实测回波数据进行识别,并与经典特征子空间法的对比实验,表明该方法的有效性。     

小波-神经网络在辐射源识别中的应用研究

针对目标所采用的辐射源识别方法对复杂体制雷达信号识别效率低或无法识别的现象 ,提出了一种新的辐射源识别方法。首先 ,利用小波包可对信号进行多维多分辨率分析的特点 ,对辐射源信号进行信号特征的提取 ,然后将各辐射源的信号特征作为ART2神经网络的训练样本 ,对其进行辐射源类型的识别。通过计算机仿真 ,对上述方法进行了验证。试验结果表明 ,这种基于小波 神经网络的辐射源识别方法在识别复杂体制雷达信号的应用中不仅克服了目前识别方法识别效率低的弊端 ,而且还有效地解决了对未知雷达信号无法识别的问题     

拖曳式诱饵抗单脉冲雷达导引头效能评估

对搭载拖曳式诱饵的作战飞机对抗配备有单脉冲雷达导引头的对空导弹的作战效能进行了评估。研究着重于拖曳式诱饵的作战参数设置,包括拖曳线长度、导弹不同来袭角下的施放方向等。根据非相干干扰的基本原理,通过对拖曳诱饵干扰作战过程的建模分析,以脱靶量为衡量标准,对不同诱饵战术参数下拖曳式诱饵对单脉冲雷达导引头的干扰性能进行了仿真建模分析,最后得到了不同预设场景下拖曳式诱饵的掩护包络。该评估模型有助于实际作战和工程实施中正确选取诱饵的技战术参数。     

基于深层卷积神经网络和双谱特征的雷达信号识别方法

针对复杂电磁环境下利用人工提取特征识别雷达信号存在的主观性强、特征冗余的问题,提出了一种基于深层卷积神经网络的识别方法。该方法首先提取雷达信号的双谱信息作为深层卷积神经网络模型的输入,然后利用模型的自学习能力提取深层特征,实现对不同调制样式雷达信号的识别,最后对不同结构网络模型的识别结果进行对比。仿真实验结果表明,相比传统雷达信号识别方法,该方法对于不同调制类型信号的识别效果优异,并且在识别率、抗噪性上都有所提升。     

手绘模拟电路图识别技术研究

主要研究手绘（印刷）模拟电路的识别技术．文章在优化图象质量和提高电路图素识别率等方面作了重点阐述．在元件识别的基础上,配合有限制的字符识别,形成了一种图象文字相结合的识别方法,提高了识别率,为电路图的自动分析打下良好的基础．     

基于多特征融合的运动目标识别

本文基于多特征融合,提出了一种运动目标识别方法。首先通过对运动目标的分割,分析得到各个目标的面积大小、形状复杂度;然后运用模板匹配方法,求得目标的运动速度。对上述特征进行模糊建模,提出相应的模糊规则,并采用模糊神经网络对推理系统的各个参数进行优化,进而识别目标。把这种识别系统用于对道路的监控,从而有效地识别道路中的机动车辆、行人以及摩托车/自行车。仿真试验表明,这种系统具有较强的学习能力以及识别精度。     

含噪远距离运动目标图像自动识别的技术途径与方法的研究

本文主要研究含噪远距离运动目标即运动点目标图像自动识别问题，提出了利用点目标运动特性与能量辐射特性来进行目标识别的新技术途径，讨论了点目标运动轨道与速度参数以及其能量辐射特性参数的获取方法和多层前馈二阶神经网络分类器的设计方法。在微机上以三类含噪运动点目标图像识别为例，对文中有关点目标特征参数的获取与分类方法进行了仿真实验，结果表明，本文提出的含噪运动点目标图像自动识别的途径与方法是可行和有效的。     

精确制导炸弹传递对准算法与仿真

近年来精确制导炸弹在战争中初露锋芒，受到了普遍的重视。作为机载空射武器，炸弹惯导系统在投放之前必须进行必要的初始对准。结合航空制导炸弹的特点，针对载机主惯导与炸弹子惯导速度/方位角匹配的传递对准模型，分别建立了精确对准和快速对准模型．并在仿真系统建立的基础上，从不同模型、载机不同机动方式、不同惯性元件精度等角度对模型和算法的有效性进行了比较和验证，给出了工程实现过程中一些切实可行的建议。     

基于多散射中心模型的雷达目标识别方法

针对宽带毫米波雷达目标识别要求 ,提出了一种基于目标光学区多散射中心模型进行目标匹配识别的新方法。该方法首先基于多散射中心理论建立待识别目标的模型、利用遗传算法的全局优化能力进行目标识别。与常规的全姿态角匹配识别方法比较 ,具有需要的存储量、计算量较少的特点。仿真试验验证了该算法的有效性。     

三种新型神经网络树算法之改进与比较分析

VittorioMurino提出了三种将神经网络和树结构结合起来的算法。简单介绍了三种结构算法并对其做了细化改进,使其实现更具体、可行,应用范围更广泛;分别利用两组模拟数据和Iris植物分类数据对三种结构与传统的神经网络做了比较实验,给出了三种结构用于模式识别的算法速度、识别率、泛化能力等性能的对比分析。结果表明,三种各具特色的神经网络树结构均有显著的优越性。     

一种基于神经网络的红外目标识别方法

文中介绍了一种基于神经网络的目标识别方法。该方法利用径向基函数（ＲＢＦ）神经网络,结合目标边界的形状特征,对平移、旋转及尺度变化情况下的目标进行了分类识别。实验结果表明,这种识别方法性能稳定,且具有很高的识别精度。     

Velocity measurement technique for high-speed targets based on digital fine spectral line tracking

1.INTRODUCTIONWith the increasing demands for high performanceradar,velocity measurement has become a necessaryfunction of modernradar systems.It is one of thei m-portant features to distinguish a true warhead fromdecoys in missile defense phased array radar systems.The reason for this is that the velocities of warheadsand decoys are different because of their differentmasses.Velocity measurement can also be used tocompensate for the phase distortion of wideband echosignals to prevent spe…     

基于元学习的雷达小样本目标识别方法及改进

基于深度学习的雷达目标识别方法近年来获得较大关注, 但实战中存在时效性约束和资源限制, 小样本识别难题大大限制其在实际识别任务中的性能。针对这一问题, 本文基于元学习算法, 通过从多个相关任务中学习到的元知识改善新任务的性能, 引入迁移学习思想, 提出一种改进的小样本学习方法, 并通过详细的性能对比实验分析了该方法的应用边界条件。基于实测高分辨距离像数据的实验结果表明, 元学习方法在历史积累样本所含目标类别较多, 与目标任务相关度较大的极小样本情况下, 性能优势才突出, 所提方法可显著提升其综合识别性能。     

一种有效的舰船目标识别新方法

本文讨论了基于非相参雷达回波的目标自动识别问题,提出了一种船目标识别的新方法。基于本方法,一种实验性的船目标识别系统已经构成并运行。理论分析和实验研究所得结果表明,利用所设计的识别系统可以获得目标识别的高可靠性。八类船目标总的识别成功率超过90％。