目标一维距离像特征提取方法研究

针对雷达目标一维距离像的姿态敏感性和平移敏感性,直接将一维距离像用于目标识别很难取得好的识别效果,用目前的普遍做法进行目标识别存在计算量和存储量大的问题,提出把一维距离像作为随姿态变化的序列及强散射中心维数、目标特征尺寸、散射中心分布熵三个特征,并以这三个特征采用外场实测数据进行目标识别实验,取得了较好的识别效果。     

基于线性调频步进信号的空间自旋目标时变三维成像方法

三维成像对空间目标测量、分类、识别等具有重要的意义。线性调频步进信号具有瞬时带宽较窄的特点,可获得较远的探测距离,在空间目标监视中具有优势。基于线性调频步进信号模型,提出了一种空间自旋目标时变三维成像的方法,并对由此产生的距离走动等问题进行了详细讨论。通过采用L型三天线雷达,首先分别获得各天线回波对应的高分辨距离像(high resolution range profile, HRRP)序列,然后利用Hough变换提取高分辨距离像序列中各个目标散射点的自旋运动特征,以获得各个散射点的自旋“轨迹”,最后通过对不同干涉平面内的高分辨距离像序列进行干涉处理,获得各散射点在每一慢时间时刻的空间方位向和俯仰向位置,结合高分辨距离像序列获得的距离向信息即可准确重构散射点的时变空间三维位置。仿真实验验证了文中自旋目标时变三维成像方法的有效性。     

35 GHz与94 GHz毫米波雷达目标特征比较

针对毫米波雷达的典型频率35 GHz和94 GHz,对雷达目标的雷达散射截面及一维距离像特征进行研究。通过计算机辅助设计技术完成目标的几何外形建模及网格剖分,利用图形电磁算法完成目标电磁散射仿真计算,得到目标的雷达散射截面及一维距离像特征。通过仿真结果及暗室测量结果比较可得,94 GHz比35 GHz会反映出更多的雷达目标散射截面细节;在同样宽带的情况下,两者反映的雷达目标散射强点分布相近,但94 GHz的强点分布更明显。     

雷达目标-维散射中心识别特征提取研究

针对雷达目标高分辨一维距离像在目标识别中存在计算量和存储量过大的问题,研究了基于一维散射中心的目标识别特征。在使用矩阵束法提取散射中心的基础上,定义了散射中心阶数、散射中心相对位置和中心矩三个平移不变特征用于目标识别,较好地描述了目标散射特性。三类目标外场实测数据的识别试验结果显示,相对于单一特征的目标识别,综合上述三个特征的识别不但能获得更好的目标识别率,而且识别结果对高斯白噪声不敏感。     

基于距离像幅度信息和Boosting的目标识别研究

在基于高分辨雷达距离像的目标识别中,有研究者指出散射点的位置信息具有比幅度信息更好的鉴别能力。对此,将距离像各距离单元按照幅度大小进行重排,得到只保留散射点幅度信息而去除散射点位置信息的平移不变特征,它反映了目标的反射特性,并利用Boosting算法和支持矢量机(SVM)进行了分类试验。基于实测数据的仿真结果表明,散射点的幅度同样是一种重要的识别信息。     

基于预分类的全极化HRRP模型匹配目标识别方法

全极化三维散射中心模型可准确描述目标的空间几何以及极化特征,已成为目标识别的有效手段之一。针对传统高分辨距离像的匹配算法计算量大、耗时长的不足,提出一种基于预分类的模型匹配目标识别方法,通过目标散射机理分析,对目标进行预分类,减小匹配模型数,然后利用全极化高分辨距离像的散射中心位置与极化信息构造模型匹配函数,实现了目标类别的判定。基于电磁仿真计算数据的识别实验表明,该方法具有良好的目标识别能力,相比于传统方法具有更高的识别正确率以及更低的存储量和计算量。     

基于复值HRRP CICA特征的多方位SAR目标识别

提出了一种基于雷达目标复距离像复值独立分量分析（complex independent component analysis, CICA）的合成孔径雷达（synthetic aperture radar, SAR）目标多方位散射特征提取和识别方法。根据雷达目标散射机理,将目标高分辨率复距离像建模为多个散射中心的复相干叠加。在分析复距离像的基础上,采用CICA方法实现了距离像中每个散射中心响应的分离。针对每个散射中心响应,利用高阶矩方法提取特征矢量。分类器基于隐马尔可夫模型（hidden Markov model, HMM）设计。采用美国运动和静止目标获取与识别（moving and stationary target acquistion and recognition, MSTAR）计划公开发布的目标实测数据进行算法实验,实验结果说明了提出方法具有较好的识别率。     

飞机目标的一维距离像特性

一维距离像已广泛应用于雷达自动目标识别 ,虽然一维距离像已将目标按距离分辨单元分割开 ,但每个分辨单元里还有许多散射点 ,该单元回波的复振幅为众多散射点子回波之和。当视角有微小变化时 ,其相位差的变化相当大 ,从而使各分辨单元的复振幅有大的起伏 ,所以一维距离像的方向敏感性十分强。对一维距离像的特性进行了研究 ,并通过预处理得到相对稳定的一维距离像。     

考虑近区多重散射的目标RCS图形电磁算法

计算目标雷达散射截面时,对于存在近区多次散射的目标,对存在近区耦合场的单元的识别非常复杂。从磁场积分方程出发,结合图形电磁计算平台GRECO,经过适当的坐标转换,可快速识别对单元产生耦合场的区域;同时,采用迭代物理光学方法,计算了典型目标的近场与远场RCS。数值算例证明了本方法的有效性,本方法考虑了目标的多重散射特性,使得图形电磁计算方法从物理光学方法扩展应用到迭代物理光学方法。     

星载防空警戒雷达的总体方案设计

本文针对美国本土防空及海面警戒的基本任务,提出了一种星载雷达的总体方案。文中考虑了双站和单站两种工作方式。对轨道高度、卫星星座的大小、雷达频率以及功率孔径乘积进行了综合分析和对比研究,其中还考虑了在近期内航天飞机发射能力的限制,以及现实的太阳能电源系统功率容量的限制。 本文对多种天线配置方案和扫描方式进行了探讨,包括机械扫描、与两维机械扫描相结合的有限电子扫描、与机械旋转相结合的一维电子扫描以及全相控阵。 最终所选择的系统是一种L波段组合馈电式相控阵雷达。它采用相位中心偏置天线,对主波束中运动目标的检测采用单脉冲异常检测法或相位归零技术。文中对由3至12颗卫星组成的各种卫星星座方案进行了分析研究,星座中的卫星高度为600海里至2000海里。     

基于HRRP的进动锥体目标特征参数求解方法

提出了一种基于雷达高分辨距离像(high resolution range profile, HRRP)求解进动锥体目标微动参数与几何外形参数的新方法。首先通过对目标的电磁散射机理分析,建立了进动锥体HRRP径向长度的精确数学模型,得到了距离像长度与雷达观测角、进动角和目标特征尺寸之间的数学关系;然后在此基础上,推导了在变视角观测条件下利用HRRP长度求解锥体进动角的精确表达式;最后解算出锥体目标的高度、底面半径和推算雷达观测角等参数。仿真结果验证了本方法的正确性和有效性。     

基于非线性变换的高分辨率距离像雷达目标识别

雷达目标识别的预处理工作是高分辨距离像领域中的重要组成部分,也是提高识别率的重点和难点。给出了一种结合信号统计特性的信号预处理方法,通过对高分辨距离像(highresolutionrangeprofiles,HRRP)的非线性变换作为特征,有效地拉大了异类目标信号之间的欧氏距离,从而提高了分类的识别率。基于ISAR雷达实测飞机数据的实验结果证明了该方法的有效性。     

加权KNN分类器在HRRP库外目标拒判中的应用

针对雷达自动目标识别中的库外目标拒判问题,提出了一种人工生成库外样本的方法和一种加权k最邻近(k nearest neighbors, KNN)分类器。通过人工生成库外高分辨距离像样本,解决了在训练阶段无法获取库外样本的难题。加权KNN分类器同时满足了基于问题和基于数据两大设计要求,能够很好地处理拒判问题。通过基于接收机工作特性(receiver operating characteristic,ROC)准则和基于损失函数准则的仿真实验,证明了加权KNN分类器具备优良的拒判性能。     

一种探测低飞目标的PD雷达仿真系统

针对相参体制的脉冲雷达波形, 在综合考虑雷达平台及低飞目标运动规律的基础上,采用半空间物理光学结合图形电磁学,快速准确地计算了半空间低飞复杂目标的雷达散射截面,并按照真实地形的地形高程数据和地形地物特征,生成地杂波模拟数据。最后,采用频域信号处理方法对包含目标和杂波信息的雷达回波信号进行研究,实现对目标探测、测速、测距的功能。给出了仿真系统的总体架构和各模块的功能原理,并用仿真实例进行验证。     

双基地雷达天线方向图损失分析

分析了双基地雷达目标回波的概率密度分布与接收角的关系 ,并推导了发射机工作在电扫和机械扫描方式下的双基地雷达天线方向图损失公式。对不同的双基地几何配置条件下的双基地天线方向图损失曲线进行了仿真。仿真结果显示 ,双基地雷达的天线方向图损失比单基地的要小。     

基于卷积稀疏编码与多分类器融合的雷达HRRP目标识别方法

针对雷达高分辨距离像(high resolution range profile, HRRP)目标识别问题,提出基于卷积稀疏编码与多分类融合(convolutional sparse coding and multi-classifier fusion,CSCMF)的识别方法。首先,该方法利用CSC方法对目标HRRP进行特征提取,同时实现数据压缩;然后,将测试样本的特征分别输入随机森林分类器、朴素贝叶斯分类器和最小值分类器进行预分类,得到3个预测标签。采用多数投票法对3个预测标签进行分类器融合,得到最终的识别决策。实验中研究了分类器融合方法。基于5种飞机目标的HRRP仿真数据进行了实验验证,实验结果表明该方法的分类准确率较高,而且对噪声有较强的鲁棒性。     

基于压缩感知测量值的扩展目标检测

针对宽带雷达扩展目标检测这一问题,提出了一种在复高斯白噪声背景下基于压缩感知(compressed sensing, CS)测量值的检测新方法。新方法将CS理论引入到宽带雷达扩展目标检测领域,首先通过构造sinc基来稀疏表示扩展目标的一维距离像(high resolution range profile, HRRP),再由复杂的近似消息传递(complex approximate message passing, CAMP) 算法从被复高斯白噪声污染的CS测量值中得到HRRP由sinc基线性表示的相关系数,最后由基于l-0范数的检测器实现扩展目标检测,同时经过推导得到虚警概率和检测概率。基于实测宽带雷达回波数据的实验结果表明,所构造的sinc基可以较好地稀疏表示扩展目标的HRRP；和传统的检测器相比,所提出的新方法可以更好地实现扩展目标检测。