MMV模型下无源双基雷达低空目标微动特征提取

基于频分复用模式下的正交频分复用信号外辐射源双基雷达模型,对带旋翼低空目标进行回波建模,得到目标微动参数与回波微多普勒参数间的关系.在此基础上,针对数据缺损条件下的低空目标回波,采用基于多重观测矢量(MMV)模型并结合稀疏重构方法,实现了目标微动特征参数的提取.仿真结果表明:针对低空微动目标,该方法提取参数的均方误差可达到10-3量级.相比于单重观测矢量模型,该方法能更加准确实现数据缺损条件下的微动参数提取,耗时随模型重数的增加而减少,可为实际环境下低空目标微多普勒特征提取提供参考和借鉴.     

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.     

多频段外辐射源无人机检测实验研究

近年来,基于无源双基地雷达的无人机检测手段一直受到国内外研究人员的广泛关注。但常规双基地雷达的无人机检测方法需要作参考信号重构和杂波抑制等手段,使得检测算法较为复杂。基于循环谱的检测算法在不经信号重构和杂波抑制下,利用外辐射源雷达的循环平稳特性和循环谱的强抗噪性,可直接提取到旋翼无人机的微动特征。但该方法使用单频外辐射源雷达,在检测的稳定性和连续性上,由于受到目标距离、俯仰角度等因素的影响而显得力不从心,且检测精度不高。该文从外辐射源信号的循环平稳特性出发,提出了基于多频段外辐射源雷达的无人机检测方法。实测实验表明,使用多频段外辐射源检测时无人机回波信号的循环谱等高图识别率要高于单频段外辐射源雷达,多频联合处理能使检测性能更加平稳。     

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。     

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。     

对称三角线性调频连续波雷达目标微动特征分析与提取

建立了对称三角线性调频连续波(STLFMCW)雷达目标的微动模型,通过对微动目标回波信号的分析,推导了微动目标的微多普勒表现形式,分析表明微动目标在扫频周期内的连续运动会导致目标的微多普勒曲线出现走动和展宽现象。针对该问题,进一步提出了一种微多普勒曲线展宽抑制及距离走动补偿的方法,完成了对相位的校正,并利用扩展Hough变换提取出了目标的微动参数。最后通过仿真实验验证了文中所提方法的有效性。     

窄带雷达网弹道目标微动特征提取

目标微动特征是弹道中段识别的有效特征之一。针对单部雷达获取目标微动信息的局限性,提出了一种利用窄带雷达网进行弹道目标进动特征提取的方法。首先,建立了锥体进动模型和窄带信号模型,得到了散射点微多普勒表达式。然后,在锥体非理性散射点转化为理想散射点的基础上,通过频谱分析,实现了不同视角下散射点的匹配关联。最后,利用锥顶微多普勒信号对锥底进行补偿,在雷达视角方差最小时求得补偿系数。再联立2部雷达的微多普勒信息即可求出参数。仿真结果表明该方法能够精确提取微动参数和结构参数。     

运动目标微多普勒特征提取方法

雷达目标的微多普勒效应为目标精确识别提供了新的技术途径;近年来获得了广泛研究。为了实现对目标微多普勒特征的快速准确提取,在对逆合成孔径雷达系统中含旋转部件运动目标雷达回波信号距离-慢时间二维谱图域分析的基础上,提出了一种基于图像域的微多普勒特征提取方法。利用二维谱图上微多普勒曲线的正弦周期特性,实现对不同微多普勒曲线的分离和参数的快速提取,从而获得目标真实的微动信息,为目标的快速准确识别提供了依据。最后,仿真实验验证了该方法的有效性。     

线性调频步进信号雷达目标微多普勒效应分析

线性调频步进信号的距离高分辨能力为目标的精细微多普勒特征提取奠定了基础,因而研究该信号体制雷达的微多普勒效应具有重要意义.在阐述线性调频步进信号成像原理的基础上,研究了线性调频步进信号体制下雷达目标微多普勒效应的产生原理,分析了距离像走动和卷绕的产生原因,并通过重点分析旋转和振动形式的微动引起的微多普勒效应,比较了其与线性调频信号体制下微多普勒效应的异同,得出了在满足距离像不卷绕条件下目标微动参数与谱图上正弦曲线参数之间的关系,为后续的微多普勒特征提取工作提供了理论基础.仿真计算验证了本文微多普勒效应理论分析的正确性.     

基于距离最近原则的微多普勒曲线分离和特征提取

为了分离微动目标的微多普勒曲线,提取有效的特征参数,提出了一种基于距离最近原则的微多普勒曲线分离和特征提取方法。首先建立了双基地雷达滑动散射点的微动模型,分析了微多普勒特性,然后采用Hough变换剔除锥顶正弦曲线,通过距离最近原则分离出锥底散射点的非正弦微多普勒曲线,对分离出的非正弦曲线求最大值和最小值计算出振幅。通过仿真,验证了该方法的有效性。     

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。     

基于循环自相关/平均幅度差函数的弹道目标微动周期估计

雷达微多普勒(m-D)是弹道目标的突出特征,为弹头识别提供了重要手段.然而,当弹道目标的微动伴随平动时,时频分布不再表现为正弦调制曲线,此时基于时频分布正弦假设的微多普勒特征提取方法可能失效.针对这一问题,提出了一种循环自相关函数(CACF)和循环平均幅度差函数(CAMDF)相结合的估计算法,来获取时频分布的循环系数矩阵和该矩阵的平均循环系数,从而估计出弹道目标的微动周期.该算法以时频分布的循环周期性代替正弦调制的周期性,不需要假设目标平动已被准确补偿,有效克服了传统微动周期估计方法的不足.理论推导论证了该算法的可行性,仿真实验验证了该算法的有效性和抗噪性.     

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。     

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。     

基于正弦调频傅里叶变换的自旋微动群目标分辨

近年来针对孤立目标的微动特征提取技术已较为成熟,但针对群目标的分辨与微动特征提取技术尚有待深入研究。本文以空间自旋微动群目标为例,提出了一种基于正弦调频傅里叶变换的自旋微动群目标分辨方法。首先建立了自旋微动群目标的回波模型,在此基础上采用正弦调频傅里叶变换来提取回波中的微多普勒特征分量。针对正弦调频傅里叶变换在分析多分量正弦调频信号时所特有的交叉项问题,提出了一种有效的交叉项抑制方法。最后,结合交叉项抑制方法,利用正弦调频傅里叶变换处理自旋群目标微动信号,实现了对自旋微动群目标的分辨,并准确地提取出各子目标自旋频率特征。     

基于谱延拓的SAR复图像谱分裂目标Doppler解模糊

合成孔径雷达(SAR)地面目标的径向运动会导致Doppler模糊,将目标Doppler频谱分裂为不同模糊数的2部分,显著增加了目标定位、识别和分类的难度.为实现谱分裂类型目标解模糊,该文基于复图像距离-Doppler(R-D)域的目标包络斜率正比于模糊数的特性,提出一种在谱延拓R-D域作二次距离徙动校正、搜索残留徙动斜...     

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。     

近程PRC-CW雷达运动目标特征研究

为获得运动目标特征,基于目标多点散射模型推导了近程伪码调相连续波(PRC-CW)雷达回波多分量信号模型.在该模型基础上提出将运动目标的细微频谱结构作为该目标特征,并详细阐述了特征提取的方法.该方法在常用的脉压-快速傅里叶变换处理之后,利用频谱细化方法得到目标的细微频谱结构,然后通过梅林变换实现了该结构特征对于目标不同入射角情况下的尺度不变性.给出了实现过程框图.目标外场实测数据试验结果表明不同目标的细微频谱结构明显不同,反映了不同目标的结构特征.     

基于合成导向矢量广义MUSIC算法的水平极化米波雷达测高方法

米波雷达具有抗击隐身目标和反辐射导弹的天然优势,但其俯仰维波束较宽,探测低空目标时波束打地,多径效应的存在严重影响米波雷达测高精度。针对这一问题,采用均匀线阵米波雷达经典镜像多径传播信号模型,总结归纳了以广义多重信号分类算法为基础的3种测高方法,并在此基础上提出了一种适用于水平极化米波雷达基于合成导向矢量广义MUSIC算法的精确测高方法,仿真实验与性能最优的第三种测高方法进行对比,在重点分析目标仰角、信噪比、快拍数、幅相误差和地面反射系数等因素对低空目标测高性能影响的基础上得出一般性结论,证明了新方法的优越性。