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。     

基于时频分析的微动弹道目标ISAR成像方法

为克服弹道目标在微动情况时,其散射点的多普勒频率会随微动而变化,最终影响弹道目标的成像质量问题,提出了利用abor变换进行时间选择成像的方法。通过时频分析的方法,在时频域上找寻多普勒频率近似于直线变化的时间段,并在此时间段中对目标进行成像。仿真结果表明:在目标存在微动情况下,选择多普勒频率近似为直线的时间区间进行成像,能有效地聚集ISAR成像,仿真分析验证了该方法的有效性。     

基于DSFMT的旋转微动目标分离

针对窄带雷达距离分辨力低、无法从距离维分离弹道群目标的问题,提出利用离散正弦调频变换（DSFMT）分离群目标信号分量的方法。通过研究弹道目标的微动对回波信号的调制特性,建立微动信号的回波模型,利用离散正弦调频变换对正弦调频信号能量聚集的特性,将多分量信号投影到参数变换域上,构造目标函数,处理变换域上的峰值特征点,利用消去的思想逐步分离出各个信号分量。仿真实验验证了算法的有效性和鲁棒性。     

组网雷达弹道目标三维微动特征提取

研究弹道目标中的滑动型散射中心三维微动特征提取问题。分析滑动型散射中心的特点,介绍一种基于半周期时延相乘的散射中心微动特征提取方法,建立滑动型散射中心和理想散射中心微动的数学联系,利用组网雷达的多视角特性,从回波信号中提取参数,通过构造多元非线性方程组,以提取的参数作为变量,求解目标三维微动参数和部分结构特征。仿真实验验证了该方法的有效性。     

基于时变三维坐标重构的空间锥体目标微动特征提取方法

针对现有微动特征提取方法在散射系数复时变条件下不适用的问题,提出了一种基于时变三维坐标重构的微动特征提取方法。首先建立旋转对称空间锥体目标的微动信号模型,其次通过动态规划进行散射点分离,对各个散射点相位干涉处理后获得目标的时变三维像,最后利用高精度的三维坐标重构提取目标的三维微动特征。通过仿真实验在散射系数复时变的情况下进行微动特征提取,结果显示该方法的微动特征提取精度较传统方法有明显提高,可以较好地适用于散射系数复时变的情况。     

基于深度卷积神经网络的弹道目标微动分类

针对传统弹道目标微动分类缺乏智能性及噪声条件下分类性能差的问题,利用深度学习的高维特征泛化学习能力,提出一种将深度卷积神经网络用于弹道目标微动分类的方法。首先,在建立弹道目标微动模型的基础上,分析3种微动形式下的微多普勒表示,并生成雷达回波信号的时频图,作为训练、验证及测试的数据集;然后,运用深度卷积神经网络中的迁移学习对AlexNet和GoogLeNet进行再训练;最后,利用训练后的网络实现3种微动形式下的目标分类,并研究信噪比对分类性能的影响。仿真结果表明,与传统的微动目标分类方法相比,该方法不仅智能化程度高,而且在低信噪比条件下分类准确性更强。     

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。     

基于多视角距离像的弹道目标三维微动特征提取

针对现有估计方法提取散射点类型单一以及工程实现较为困难的问题,提出了一种基于组网雷达的多视角距离像提取三维进动特征方法。利用雷达网中各雷达多视角观测弹道目标,提取目标的距离像序列信号,求得最强2散射点在雷达视线上的投影长度,提取目标投影长度随时间变化的关系,利用最小二乘估计对关系式中的参数进行估计。运用组网雷达的多视角特性,根据不同视线方向上不同进动角频率的投影分量,提取目标三维微动特征。计算机仿真验证了提取方法的可行性与有用性,估计效果达到预期目的。     

组网雷达中旋转目标微多普勒效应分析及三维微动特征提取

目标微动特征提取是当前研究的一个热点,在组网雷达技术中研究了旋转目标的微多普勒效应,分别分析了组网雷达中不同信号形式下的目标微多普勒效应,并给出了其参数化表达。利用组网雷达的多视角特性,将不同信号形式下分布在不同位置的雷达获得的回波信号进行参数提取,通过构造多元非线性方程组,以提取的参数作为变量,进行目标3维微动参数解算,实现了目标3维微动特征的提取。仿真实验验证了所提算法的有效性。     

基于EMD算法的空间自旋目标平动补偿与微动特征提取

针对微多普勒频率附加在空间目标高速轨道运动产生的多普勒频移上使微动特征提取更加困难这一问题,提出了一种利用EMD算法对空间目标进行精确平动补偿和微多普勒特征提取的方法。对空间自旋目标进行建模,推导了窄带雷达条件下空间目标的微多普勒效应,并分析了平动分量对微多普勒的影响;把目标回波分解成一系列本征模态函数(IMF),然后求出瞬时频率,利用经验模型分解(EMD)算法对瞬时频率进行分解,分析各分量的能量百分比判别平动频移分量,实现回波信号的平动补偿;对平动补偿后的信号利用 EMD算法分离出微多普勒曲线,提取微动特征。仿真实验验证了该方法的可行性与有效性。     

基于FDD-OFDM信号外辐射源双基雷达的低空目标微动特征提取

作为当前一种广泛使用的民用移动通信信号,LTE信号是低空目标探测的一种重要外辐射源信号。开展基于LTE信号的低空目标特征分析与提取研究,对于低空监视与要地防护等具有重要意义。LTE移动通信信号的核心技术之一是多载频正交频分复用技术, OFDM,分为时分双工TDD和频分双工FDD 2种模式。针对FDD-OFDM信号,首先建立了带旋翼低空目标雷达回波模型,推导了目标散射点的多普勒和微多普勒参数化表达,并分析了其微多普勒频率的影响因素。在此基础上,使用时频分析和Hough变换结合的方法对目标的微动特征参数进行提取,验证基于FDD-OFDM信号外辐射源双基雷达的低空目标微动特征提取的可行性和有效性。     

基于宽窄带微多普勒融合的锥体目标三维重构

目标三维特征包含更为精细的结构和微动信息,以锥体弹头为研究对象,提出了一种基于宽、窄带混合体制雷达组网的锥体目标三维重构方法。首先建立锥体目标进动模型,详细分析了目标在不同体制雷达回波中的微多普勒调制特性,然后,使用改进的viterbi算法和最小二乘法对各散射中心的幅相信息进行提取和估计,并通过灰色关联度分析实现非理想散射中心的匹配。在此基础上,构建宽、窄带微多普勒信息融合方程组,解算出锥体目标的进动和结构参数,进而确定目标空间位置,实现三维重构。仿真结果表明,在信噪比为5dB情况下,目标的三维重构精度在91%左右。     

基于神经网络的人脸主特征提取

提出了用神经网络提取人脸图象主特征的方法，并对主特征在分类识别中的作用作了详细的分析，理论和实验证明，主特征不仅具有较强的分类能力而且具有很强的独立描述图象的能力。     

基于雷达回波反射率图的雹云特征提取

在雷达回波反射率图中，预示冰雹天气过程的云体具有视觉特征，它们一般由云体核、以核为中心的主体、主体外侧的过渡带及云砧构成，并且具有核的强度高、主体呈钩状、过渡带较窄等明显特征，这些特征在冰雹形成的前期具有一定的规律性．为将它们客观地提取出来，对其展开模式分析，提出一种探针模型，构建出基于探针模型的反映雹云过渡带特点的梯度特征和反映钩状主体的多个形态特征．经测试，超过92％的样本在用探针提取的冰雹单体的梯度特征和形状特征上呈现出良好的区分度，并验证了这些特征的有效性．     

基于DBN特征提取的雷达辐射源个体识别

针对传统特征参数难以表征复杂体制雷达信号个体特征的问题,基于深度置信网络DBN的深层特征提取和高维数据处理能力,提出一种基于DBN特征提取的雷达辐射源个体识别算法。首先建立基于多层受限玻耳兹曼机的DBN模型,然后通过DBN无监督提取脉冲包络前沿特征,再利用标签数据对模型参数进行有监督微调完成训练,最后输入未知辐射源信号脉冲包络前沿特征实现辐射源个体识别。与传统算法相比,该方法能够自适应地提取脉冲深层次细微差异,提取过程减少了对人为经验的依赖。实验结果表明,该算法对脉冲包络特征提取效果明显,有较高的识别精度。