极化毫米波雷达目标识别方法的研究

本文针对毫米波雷达距离像识别这一应用背景,提出了一种应用极化信息使距离像幅值趋于平稳,用神经学习来提取距离像角不变特征的模式识别新方法;其特点是通过极化处理减弱斑纹可增强对目标的确认,经神经学习获取的子类型特征与常规方法相比载有更多信息因而识别率高;实验结果证明了该方法的有效性.     

基于目标一维距离像的雷达目标识别方法

讨论了马氏距离的性质,利用目标的一维距离像,提出了一种雷达目标识别方法.对雷达回波进行快速傅立叶变换,得到目标的一维距离像,计算其马氏距离,得到目标的稳定特征向量,根据相关算法进行目标识别.3种不同类型飞机回波的实测数据的识别结果,表明该方法是切实可行的.     

雷达小样本目标识别方法及应用分析

针对雷达小样本目标识别问题,结合元学习和迁移学习提出一套综合解决方案,旨在根据实际应用场景的不同提供合适的模型学习方式和分类方式,从而提升雷达小样本目标识别效率和准确率.同时,通过多组对比实验深入分析小样本学习算法在实际雷达目标识别场景下的模型性能变化,得出两个可有效指导工程化应用的重要结论.元学习模型在源任务信息充足...     

一种基于低分辨雷达的目标识别方法

讨论了一种基于低分辨雷达的目标(飞机)识别方法,描述了这种识别方法所依赖的硬件平台即目标回波数据采集系统的组成及工作原理,阐述了一种基于低分辨雷达的目标粗分类(目标大、中、小等粗略属性的判别)的方法,研究了低分辨条件下目标特征描述的思路, 尝试利用这些方法进行目标属性的粗分类以及进行机群目标架次的判别。现场实验表明,这 些方法是可行有效的,对于提高常规低分辨雷达的性能有着重要的意义。     

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。     

宽带多极化雷达目标模糊匹配识别方法

针对宽带多极化雷达体制,提出了一种雷达目标模糊匹配识别新方法。介绍了距离-极化模糊矩阵的构造和多维模糊匹配的原理,介绍了模糊匹配模式矩阵库的构造方法,利用宽带多极化测量数据进行了目标识别的实验。实验结果表明,该方法匹配运算量少,对目标姿态角的变化有较强的容忍能力,为解决宽带多极化雷达目标识别提供了一条有效的途径。     

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。     

基于独立分量分析的雷达目标识别方法

通过分析雷达距离像的数学模型,利用独立分量分析(independent component analysis,ICA)技术提取雷达距离像信号中的独立分量,并定义为独立基波形。将观测信号投影到几个峰度大的独立基波形上,得到的各个投影分量作为待识别的信号特征。由于独立基波形实际上对应了目标回波中的散射中心响应,使得通过该方法提取的特征不仅保持了独立性,而且还具有实际的物理意义。在此基础上,使用支持矢量机(support vectormachine,SVM)作为分类器,进行了仿真实验和对比实验,实验结果表明该方法是有效和可行的。     

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。     

基于子像空间的雷达目标一维距离像识别

提出了一种基于子像空间的雷达目标一维距离像识别方法。该方法一方面通过建立目标子像空间,改善了对输入目标为库属目标的识别率;另一方面基于假设检验理论,在分类判决中引入判决门限,能够有效地对库属目标和非库属目标进行判别。模拟实验结果表明该方法的有效性。     

A New RCS Statistical Model of Radar Target

In this paper, the drawbacks of conventional target fluctuation models used in radar target modeling are set out. It is usually difficult to statistically model a real target because there are very few parameters which can be used to approximate the probability density function (PDF) of a real target's radar cross section (RCS) in conventional target models. A new method of statistical modeling is suggested, according to which the first nth central moment of real target's RCS, combined with the Legendre orthogonal polynomials, is used to reconstruct the PDF of the target's RCS. The relationship between the coefficients of the Legendre polynomials and the central moments of RCS are deduced mathematically. Through a practical computing example, the error-of-fit is shown as a function of the orders of Legendre coefficients. By comparing the errors-of-fit caused by both the new model and the conventional models, it is concluded that the new nonparametric method for statistical modeling of radar targets is s     

雷达目标识别中的维数压缩

在雷达目标识别中,维数压缩(降维)的主要目的不仅是要降低特征量的维数、减少计算量,同时还要尽可能地保留分类鉴别信息,增加不同类别数据之间的可分性,提高目标的识别概率.K-L变换(KLT)是一种常用的数据压缩方法,但它只是按照均方误差(MSE)最小的原则来保留信息,本文在相对KL变换(RKLT)和多空间KL变换(MKLT)的基础上给出了一种新的压缩变换矩阵形式,它不仅能够使均方误差达到最小,而且可以提高识别概率.     

用子波变换提取目标回波波形特征

本文分析了子波变换及其在特征提取中的应用，具体讨论了在Ｈａｒｒ子波基底下，用Ｍａｌｌａｔ算法提取雷达目标回波波形特征的实例，从中可以看到子波变换用于特征提取的很有潜力的发展前景。     

用反卷积法获得雷达目标回波波形特征

本文探讨了高、低分辨力两类雷达视频回波与目标散射特性的关系,提出了适用于低分辨力雷达目标识别的回波卷积模型;利用微波暗室测量与数字仿真得到低分辨力雷达视频回波波形,并采用投影迭代反卷积算法,获得目标散射中心特征波形,这些波形在提取目标特征及识别方面优于原始视频回波,从而验证本文模型及算法的可行性。     

雷达目标回波数据采集系统的设计与实现

本文介绍了一种雷达目标回波高速自适应多通道数据采集系统的设计思想与系统结构。该系统采用双频采集方案，用固定的低采样率发现目标，用可变的高采样率详细记录目标回波。对雷达目标的检测与跟踪进行方位／距离双波门控制。该系统与主控微机配合可自动检测跟踪雷达天线扫描区域内的多个目标，高效地录取雷达目标回波。     

噪声调频干扰下的一种雷达目标检测方法

分析了Morlet小波变换的性质,利用Morlet小波变换在时间、频率局部化信号的能力,提出了一种噪声调频干扰下的雷达目标检测方法.运用该方法对雷达信号进行小波变换和相关处理,可极大限度地抑制噪声调频干扰和白噪声,由相关函数的峰值对雷达目标进行检测.仿真结果表明,该方法能够在噪声调频干扰下,有效地进行雷达目标检测.     

利用RCS幅度信息进行雷达目标识别

本文根据模糊分类的技术,提出了一种利用目标雷达散射截面(RCS)幅度时间序列来提取目标特征量、应用模糊数学原理进行综合判决的目标识别方法,给出了利用该方法和外场全尺寸目标静态RCS测量数据,对五种飞机和导弹目标进行特征提取和模糊识别的结果。     

随机捷变相位编码脉冲压缩的实现

捷变相位编码脉冲压缩技术是一项新的雷达信号处理技术。本文从理论与实验两方面就实现捷变相位编码脉冲压缩的几个主要问题进行了讨论。首先,作者提出了准最佳码集的构造方法。同时从理论上分析了采用捷变与压缩后积累相结合的信号处理方法对脉压性能的改善。其次,给出捷变码产生器、数字相关器及数字积累器的组成与工作过程、性能指标等。另外,作者还进行了计算机仿真及硬件实时处理方面的工作与实验。进一步验证了理论分析结果。     

超宽带雷达目标回波建模

根据复杂目标在超宽带信号照射下的电磁散射特性 ,建立起超宽带雷达目标合理的冲击响应模型 ,并分别针对线性调频、冲击、二相编码无载波等三种典型超宽带雷达信号 ,确定了给定目标的回波特征 ,对回波相关处理的结果表明 ,其输出能反映出目标特征 ,有利于雷达目标的识别。     

基于分形及正交小波变换的眼底图像快速压缩新方法

本文提出了一种基于小波变换（ＷＴ）及分形的图像快速编码、解码新方法。编码时对图像进行２Ｄ正交ＷＴ及去噪处理；对ＬＬ１子带图像进行基于质心分类的快速分形图像编码。解码时对ＬＬ１子带图像进行基于收敛准则及单缓存的快速分形图像解码；２Ｄ－ＩＷＴ，以重构原图像。实验结果表明：与传统方法相比，本文方法具有提高信噪比、处理时间大大下降及压缩比显著提高的优点。