利用高分辨率和极化信息进行目标识别的研究

极化特征用于目标识别的一项主要研究是将极化信息与高分辨率雷达技术相结合。在研究了目标特定的 极化变换作用后,提出了基于一维距离像,利用目标回波中的极化现象对目标进行识别,并得出了有关目标识别特 性的结论。     

利用高分辨率和极化信息进行目标识别的研究

极化特征用于目标识别的一项主要研究是将极化信息与高分辨率雷达技术相结合.在研究了目标特定的极化变换作用后,提出了基于一维距离像,利用目标回波中的极化现象对目标进行识别,并得出了有关目标识别特性的结论.     

基于非负矩阵分解的癫痫脑电自动检测

针对多分类癫痫检测算法因特征维数多而导致识别率不理想的问题, 提出了一种基于分数阶傅里叶变换 (FrFT: Fractional Fourier Transform)和非负矩阵分解(NMF: Non-negative Matrix Factorization)的癫痫脑电自动识 别算法。 首先采用 FrFT 对脑电信号进行时频聚焦, 并利用短时傅里叶变换 (STFT: Short-Time Fourier Transform)提取脑电信号的时频特征; 再应用 NMF 对提取的时频特征进行降维; 最后将降维后的特征输入到支 持向量机(SVM: Support Vector Machine)分类器中进行识别。 实验结果表明, 该方法能识别正常、 癫痫发作间 期和癫痫发作期 3 类脑电信号, 其分类准确率可达 98. 8%。     

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。     

Gabor原子网络法在雷达目标高分辨距离像识别中的应用

针对飞机目标的分类问题 ,介绍了一种称为 Gabor原子网络的高分辨雷达目标距离像识别算法。 Gabor原子网络的输入层采用 Gabor原子变换作为预处理单元 ,完成对特征的提取。Gabor原子网络的隐层和输出层组成一个多层前馈网络 ,采用改进的反向传播算法对权值进行调整。文中同时给出了网络在训练过程中自动调整 Gabor原子节点的特征参数的算法。对 3种缩比模型飞机的微波暗室转台数据进行了分类 ,结果表明三维空间内的 Gabor原子网络方法比一维空间内的原始距离像或 Fourier幅度方法和二维空间内的 Gabor变换或小波变换方法更适合高分辨雷达目标距离像的识别     

面向沉底目标的分数阶傅里叶变换谱重排回波时频处理

基于谱重排原理,在混响限条件下,根据工程需要讨论Wigner-Ville、短时傅里叶变换(STFT)和分数阶傅里叶变换(FrFT)3种谱重排下目标宽带回波时频特征的表征过程.用二维FrFT重排谱表征目标回波,在此基础上设计时频匹配检测器.研究结果表明:FrFT谱重排有利于表征沉底目标回波时频局部化特征,且在一定程度上抑制混响,提高二类目标回波在时频面的能量集聚性,便于设计二维匹配检测器,提高水下目标检测性能.     

利用高分辨距离像的雷达目标识别

雷达高分辨距离像和相关滤波器在识别目标中的联合应用中具有研究潜力。其中相关滤波器的作用是使回波相干峰的期望值最大化,本文在实验中利用3种不同地面目标的雷达模拟距离像的相关滤波器数据验证其有效性。结果显示,利用目标的方位信息是可以进行可靠的目标识别的,并且识别是以多个滤波器为基础的。     

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。     

基于小波分析的战斗机起飞噪声特性

为封锁跑道智能地雷的目标识别提供一种有效的技术手段,利用小波分析的方法对战斗机起飞噪声信号的时频特性进行分析,通过对其起飞阶段产生的噪声信号进行了测试方面的研究。利用小波变换技术对该噪声信号的时频特性进行分析,获取了目标信号在多尺度上的细部特征。结果表明,利用小波变换获取的能量分配特征与战斗机起飞噪声信号频率分布相一致。     

基于一维距离像和微动特征的弹道导弹识别方法

弹道导弹目标识别是导弹防御系统的重要环节.用于弹道导弹识别的特征通常包括RCS特征、极化特征、雷达高分辨一维距离像(HRRP)、ISAR像、微动特征等.研究目标散射中心模型,给出了基于散射中心理论的HRRP特征.弹道导弹在释放诱饵过程中,弹头和诱饵在结构和质量上的差别会表现在微运动特征上,据此构建了弹头及诱饵的微运动模型,得到弹头进动模型及诱饵摆动模型,对所建模型回波进行短时傅里叶变换(STFT),提取时频脊得到微动特征.弹头及其诱饵有着丰富的结构信息,仅依靠单一特征识别弹头目标效果并不理想.提出综合HRRP特征与微动特征的多特征联合识别方法,对联合的多特征采用主成分分析(PCA)降维,采用支持向量机(SVM)作为分类算法,仿真结果表明,联合HRRP特征与微动特征并通过PCA降维后弹头识别率得到明显提升.     

用于HRRP多类目标识别的D距离分类器

在雷达自动目标识别（radar automatic target recognition,RATR）领域,为了保证基于高分辨距离像（high-resolution range profile,HRRP）的目标识别算法在进行小样本多类目标识别时仍然具有优异的识别性能,需要提出一种同时具备优异泛化性能与低运算复杂度的识别算法。利用比值计算两个向量之间的比值距离,并将比值距离应用于距离分类器中,称之为D距离分类器。然后利用八类地面目标实测数据将D距离分类器与其他一些RATR统计模型进行比较,分别分析其在小样本与多类目标时的识别精度。最终结果验证出D距离分类器在训练样本有限且多类目标识别时仍然具有优异的泛化性能与很低的运算复杂度。     

基于小波和神经网络的目标识别方法

基于高分辨一维距离像，对雷达信号目标识别的小波分析和神经网络方法进行了理论研究和实验分析。小波变换起到了数据压缩作用，并且用不同的小波得到不同的结果。ISAR获得的三种飞机目标真实回波数据所形成的一维距离像作为实验数据，并且用神经网络对目标分类器进行了设计。     

利用回波时频相关差异的雷达欺骗干扰识别方法

针对线性调频(LFM)相参雷达抗自卫式欺骗干扰问题,提出2种利用回波时频相关差异的雷达欺骗干扰识别方法——经典时频相关移频干扰识别方法和尺度时频相关移频干扰识别方法。经典时频相关法首先对回波进行脉压相参积累,同时对回波进行去斜相参积累,最后根据目标峰值差异识别真假目标;尺度时频相关法首先同样对回波进行脉压相参积累,同时计算回波二维简明分数阶傅里叶变换(2D-CFRFT),以解决经典时频相关法中回波加窗问题,最后同样根据目标峰值差异识别真假目标。试验结果表明:当干信比大于0dB、干扰移频量大于雷达带宽15%时,经典时频相关法和尺度时频相关法干扰识别准确率均接近100%;相比中心频率测量法和调频斜率捷变法,经典时频相关法真实目标识别准确率接近100%的临界信噪比分别降低了8dB和4dB,尺度时频相关法分别降低了4dB和2dB。     

基于Gabor变换的微动目标微多普勒分析与仿真

由于目标微动特征信号具有非线性和非平稳的特点,为有效提取雷达目标的微动特征,为雷达目标的分类与识别提供依据,在单频信号体制下,以旋转散射点目标为例,基于时频分析的方法提取了旋转目标的微多普勒信息,通过仿真验证,得到了微动目标的微多普勒特征,比较了几种常见时频分析工具的变换结果及性能差异.仿真结果表明,Gabor变换方法在微动目标微多普勒提取方面是可行而稳健的,Gabor变换的巨大潜力将为微动目标特征识别提供新的途径.     

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。     

多类型的雷达有源干扰感知新方法

针对雷达有源干扰可识别的类型有限且识别效果欠佳的问题,提出了一种多类型雷达有源干扰识别新方法。该方法首先利用变分模态分解对雷达有源干扰信号进行分解,得到具有不同中心频率带宽有限的固有模态分量,然后分别计算每个固有模态分量相应的矩形积分双谱,并计算其Renyi熵以组成特征参量,最后采用随机森林分类器将多个随机决策树的结果取众数,从而实现了雷达有源干扰类型的识别。仿真结果表明,所提方法不但能够有效地识别多种不同类型的雷达有源干扰,而且具有良好的抗噪声性能和稳健性。与基于熵理论的识别方法和基于时频特征的识别方法相比,当信噪比为5 dB时,压制式干扰识别率分别提高了0.33%和1.75%;与基于时频图的识别方法和基于时频分布的识别方法相比,当信噪比为0 dB时,拖引欺骗干扰识别率分别提高了3.89%和5.06%。     

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。     

采用同步挤压小波变换的人体运动姿态分析

针对人体运动的雷达回波信号特征复杂、不同运动姿态微多普勒频率差异小、难以区分精细特征的问题,提出了一种采用参数可调的同步挤压小波变换(SSTAP)的人体运动姿态分析方法。首先根据实测人体运动数据构建人体运动模型及其雷达回波模型;然后利用SSTAP方法对人体运动模型雷达回波信号进行分解,获得人体各主要部位的时频特征;再通过调整同步挤压小波变换的2个参数获得人体整体回波信号的具有最佳时频分辨率的时频特征,进一步与各部位的人体时频特征比较获得了人体运动姿态的信息。实验结果表明,相比广义S变换(GST)、小波变换(WT)等时频分析方法,基于参数可调的同步挤压小波的人体微多普勒分析结果更加清晰精细,更能反映人体微运动的特征,其微多普勒频率的分辨率比GST、WT分别提高了17%和14%。     

小波神经网络的毫米波雷达目标一维距离像识别

将小波变换和反向传播神经网络理论结合，设计一种小波神经网络结构。由于小波变换在时间和频率空间所具有良好的定位特性，使小波神经网络可对输入输出数据进行多分辨的学习训练。介绍神经网络的数学框架和该网络的学习算法。根据毫米法频率步进雷达目标一维距离像所给出的信息，将所提出的小波神经网络用于3种实际雷达目标的识别。实验结果表明，小波神经网络收敛速度快、识别率高。     

基于时频分析的雷达侦察信号处理技术

现代雷达系统越来越多地采用复杂的非平稳信号波形,给电子侦察系统的信号处理提出了越来越高的要求,不仅需要检测出信号包络,还要对雷达信号分选和识别的关键脉内特征参数进行分析提取．为此,将广泛应用于分析和处理非平稳信号的时频分析技术引入雷达侦察信号处理中,介绍了短时Fourier变换、小波变换和WVD等线性和非线性时频分析方法,并应用这些方法对雷达常用的线性调频信号进行了时频分析和计算机仿真,仿真结果证实了方法的有效性．