双通道MIMO-SAR运动目标成像

基于双通道多输入多输出合成孔径雷达(multiple-input multiple-output synthetic aperture radar, MIMO-SAR) 新体制,提出一种置换相位中心天线(displaced phase center antenna, DPCA) 离散调频傅里叶变换(discrete chirp-Fourier transform, DCFT) 实现运动目标的检测、定位和成像的方法。提出利用DCFT方法估计运动目标径向速度,考虑到线性调频信号通过DCFT处理后的单峰值特性,给出一种估计目标运动沿航向速度的快速搜索方法。由于同一多普勒中心频率在不同载频下的脉压位置不同,因而可以利用位置的比值来确定模糊次数,从而实现了运动目标的正确定位。在解模糊过程中,给出了载频设计分析。通过将传统双通道DPCA的一发多收体制扩展到双通道MIMO体制,不仅能够实现低信噪比情况下动目标检测,还可以完成动目标速度测量、定位和成像。     

基于目标轮廓特征的SAR图像目标识别

提出了一种基于目标轮廓特征的合成孔径雷达目标识别(SAR ATR)方法,该方法充分利用目标的局部空间结构信息进行识别。利用基于马尔可夫随机场(MRF)的图像分割及形态学处理提取SAR图像目标轮廓,在此基础上使用傅里叶描述子作为目标轮廓的特征量,选择最近邻准则下的模板匹配方法构造分类器,实现了基于轮廓特征的SAR图像目标识别。实验结果表明,本文方法具有优良的识别性能。     

基于滤波器网格失配的分布式相参雷达目标参数估计方法

针对分布式相参雷达(distributed coherent aperture radar, DCAR)精确的目标参数估计问题,首先建立了以多普勒分复用(Doppler division multiple access, DDMA)波形作为发射波形、存在滤波器网格失配的DCAR信号模型,接着分析并验证了滤波器网格失配严重影响目标参数估计进而降低DCAR信号相参合成性能,最后提出了联合全局-局域搜索和基于稀疏傅里叶变换(sparse Fourier transform, SFT)的两种DCAR目标参数估计方法来降低滤波器网格失配,联合全局-局域搜索的方法通过对滤波器局域加密的方式降低网格失配。为了降低运算量,利用目标信号频率相对于整体频域是稀疏的特性,采用基于SFT搜索的方法通过梯度下降的方式避免滤波器的遍历搜索。仿真实验验证了所提方法的有效性。     

运用形态膨胀检测红外运动点目标

本文为解决红外低信噪比条件下快速运动点目标的检测问题,提出了一种基于膨胀累加、边检测边跟踪的检测方法。运用形态膨胀运算使同一目标处于不同帧上的能量仍然能够实现有效的累加,从而达到增强目标并有效剔除虚警点的目的。同时本文还采用小波变换预处理的方法,对图像中相关的１／ｆ噪声进行白化。在本文的最后,采用红外图像序列对该算法进行模拟。实验证明该算法能够快速检测出信噪比为２的运动点目标,获得了很好的实验结果。     

用多层前向网络设计雷达目标分类器

概略地讨论了基于高分辨力技术的雷达目标识别问题。针对雷达目标分类器的技术需要,着重研究了多层前向网络的分类性能,提出一种网络结构自适应策略。并用其设计了分类器,在转台成像的基础上,对飞机目标的类型识别问题进行了仿真研究。研究结果表明,小规模多层前向网络对基于距离像的雷达数据样本具有较好的推广识别能力,识别率在９０％上下。     

毫米波雷达多运动目标检测算法研究

在现代毫米波雷达多目标检测系统中,多分量线性调频信号时频分析产生的交叉项干扰和复杂的运动补偿等问题显得尤为突出。为了减小交叉项所带来的误差,提出了基于分数阶Fourier变换(fractional Fouriertransform,FRFT)的Choi-Williams-distribution(CWD)变换,即p0阶CWD变换,并与Hough变换结合起来形成了一种新的检测方法。该算法避免了复杂的运动补偿处理过程,降低了计算量。通过对一帧脉冲的初相位回波信号进行的仿真实验,在强背景噪声的情况下能清晰地分辨相距为0.5 m的两个点目标。仿真结果表明此方法可以精确探测成组飞行目标。     

基于FPGA的4096点基-4 FFT模块的实现

现场可编程门阵列(fieldprogrammablegatearray,FPGA)技术,具有集成高度、逻辑实现能力强等特点,已经成为数字系统设计的重要技术之一。数字脉冲压缩技术可靠性高,灵活性好,可编程,在现代雷达中广泛应用。快速傅里叶变换(fastFouriertransform,FFT)是一种实现数字脉冲压缩的高效、灵活的方法,也是实现雷达数字信号中重要技术。首先说明了基4FFT的基本知识,然后介绍了如何使用Xilinx的FPGA的来实现雷达信号处理机的数字脉压的核心———4096点FFT模块。     

多目标决策分析中的目标关联分析法

针对多目标决策中的各目标之间存在相互联系 ,提出了“目标关联分析法”,通过建立目标关联矩阵 ,运用线性变换将原来相互关联的目标变换成一组等价的独立目标 ,进而确定影响系统运行的主要因素及权重 ,同时将各方案的原目标取值转换为独立目标下的取值 ,为多目标问题的分析和决策提供了一种新方法 .     

调频连续波SAR慢速动目标参数估计与成像

由于连续波合成孔径雷达（synthetic aperture radar, SAR）特有的工作方式,带来了不同的回波信号形式。首先分析了调频连续波（frequency modulated continuous wave, FMCW）SAR动目标回波信号模型,然后在补偿连续波SAR与脉冲式SAR不一致性的基础上,提出了一种基于Chirp Z变换校正动目标回波包络距离弯曲,Radon变换校正剩余距离走动,改进的离散Chirp傅里叶变换（modified discrete Chirp Fourier transform, M DCFT）搜索参数的新方法,动目标仿真数据处理验证了该方法参数估计的准确性和有效性。另外根据估计的参数对动目标成像取得了良好的聚焦效果。     

基于FrFT-Keystone运动补偿的OFDM声纳高速微弱目标相参积累检测算法

针对水下目标探测中使用的正交频分复用信号,提出了一种针对高速微弱目标的相参积累算法,以解决多脉冲积累下由目标机动引起的较大相位变化和由水下环境中信噪比低导致的相参积累增益不足的问题。所提算法利用分数阶傅里叶变换来估计目标的运动参数并进行补偿,并结合Keystone变换,实现对高速微弱目标的多脉冲相参积累。理论推导和仿真实验结果表明,所提算法能够有效补偿高速目标脉冲间的相位移动,并在低信噪比环境下取得较好的能量积累效果。     

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。     

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。     

一种军事图像目标识别神经网络系统

在军事图像目标识别中,目标通常发生比例、平移、旋转变化,有时还处于复杂背景之中或部分被障碍物遮挡,而识别往往要求是实时的。这使得传统的图像目标识别方法不能获得较好的效果。本文提出了一种神经网络目标识别系统,该系统能直接识别图像目标,而无需提取图像中的目标特征,具有目标识别的比例、平移、旋转不变性,具有良好的复杂背景下的目标识别性能,是一种高速、实用、识别率高的军事图像目标识别神经网络系统。文中给出了改进的神经网络模型并针对不同军事目标的识别需要进行了仿真实验。     

用于图像目标识别的神经网络方法

本文提出了一种全局最优的神经网络（ＦｕｌｌＤｏｍａｉｎＯｐｔｉｍｕｍＮｅｕｒａｌＮｅｔｗｏｒｋ）模型用于目标识别。通常所设计的神经网络不能保证全局最优，使得网络不一定收敛到期望样本点上。本文的模型采用了先设计稳定点、再构造吸引域的方法，提高了网络的识别正确率及速度。针对图像识别中矢量维数大的实际，提出了一种不变性方法，使得样本维数下降而分类距离保持不变。同时又证明了网络的收敛性、收敛速度及映射保距等。计算机模拟结果表明，网络对噪声或缺损图均能正确识别。     

基于BP神经网络的人脸识别

将BP神经网络用于人脸识别 ,建立了人脸识别模型 ,研究了样本采样训练、样本批量训练和样本完整训练三种训练策略对识别率的影响。所设计的识别模型包括图像压缩、图像抽样、输入矢量标准化、BP神经网络与竞争选择处理过程。利用ORL人脸图像数据库进行了仿真实验 ,结果表明 ,其识别模型在实际应用中是可行的。该模型简单 ,识别率较高。如将训练策略配合使用 ,则在提高训练速度和训练效率的同时 ,也使模型分类性能有了明显提高     

基于Gabor小波和神经网络的红外图像识别算法

首先对原始红外图像进行适当的预处理 ,然后用由小波Gabor滤波器的线性组合所构成的复合滤波器提取红外图像的特征 ,并且用神经网络获取最佳复合滤波器参数从而得到最佳的目标特征矢量。用两类方向相反 (左向和右向 )的低对比度红外坦克图像进行计算机仿真实验 ,取得了较好的识别结果。     

一种基于神经网络的识别反辐射导弹方法

本文利用反辐射导弹的飞行和电磁散射特性,给出了提取反辐射导弹特征量的方法,并用改进双向联想记忆神经网络作为识别器完成目标识别,分析表明,识别器有很好的识别效果.     

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。     

多层前馈二阶神经网络模型

本文首先建立多层前馈二阶神经网络模型，继而给出该模型的二阶Ｂ－Ｐ学习算法，在此基础上构造了二阶快速Ｂ－Ｐ（即ＦＢ－Ｐ）和改进的二阶ＦＢ－Ｐ（即ＭＦＢ－Ｐ）学习算法，在计算机上以两类飞机图像目标识别为例，对本文提出的多层前馈二阶神经网络模型及其三种二阶学习算法的性能进行仿真实验，并与传统的多层前馈一阶神经网络及其相应学习算法的性能作比较，从而获得若干有意义的结果。     

基于二次规划的神经网络遥感图像的恢复

提出一种二次规划的神经网络优化算法,并将该算法应用于遥感图像的恢复中。计算机仿真结果表明,所提算法收敛快、图像恢复效果好。