利用高分辨率和极化信息进行目标识别的研究

极化特征用于目标识别的一项主要研究是将极化信息与高分辨率雷达技术相结合.在研究了目标特定的极化变换作用后,提出了基于一维距离像,利用目标回波中的极化现象对目标进行识别,并得出了有关目标识别特性的结论.     

利用高分辨率和极化信息进行目标识别的研究

极化特征用于目标识别的一项主要研究是将极化信息与高分辨率雷达技术相结合。在研究了目标特定的 极化变换作用后,提出了基于一维距离像,利用目标回波中的极化现象对目标进行识别,并得出了有关目标识别特 性的结论。     

智能化武器系统发展的关键技术--雷达自动目标识别技术

雷达目标识别作为智能化武器发展的关键技术,在未来信息化条件下一体化联合作战中发挥着极为重要的作用。简要回顾了雷达目标识别技术的发展,重点介绍了在雷达目标识别方面取得的技术进展和主要成果,并概括了该领域的发展趋势。     

双谱特征在空中目标识别中的应用

分析了雷达对直升机和固定翼飞机这两类空中目标的识别能力.在识别能力得到满足的前提下,对这两类目标的双谱特征进行了分析,找出了它们之间的不同之处,提出了对这两类目标进行分类识别的方法.通过对18种直升机和固定翼飞机仿真数据进行检验,证明这种方法是有效的.     

利用极化信息研究目标识别

极化特征用于目标识别的一项主要研究是将极化信息与高分辨率雷达技术相结合．提出了利用回波中的极化现象对目标进行识别的方法,得出了有关目标识别特性的结论．     

利用高分辨距离像的雷达目标识别

雷达高分辨距离像和相关滤波器在识别目标中的联合应用中具有研究潜力。其中相关滤波器的作用是使回波相干峰的期望值最大化,本文在实验中利用3种不同地面目标的雷达模拟距离像的相关滤波器数据验证其有效性。结果显示,利用目标的方位信息是可以进行可靠的目标识别的,并且识别是以多个滤波器为基础的。     

雷达海面目标识别技术研究进展

 针对雷达海面目标识别特征数据缺乏和识别算法推广能力差等问题,从雷达目标电磁散射特性和目标分类识别两方面总结了雷达海面目标识别技术的研究热点和发展趋势。围绕海面目标雷达特性,从电磁散射测量和建模两个方面综述了国内外研究现状;从低分辨雷达回波、高分辨距离像、高分辨雷达图像3方面综述了海面目标识别技术发展现状;介绍了雷达海面目标识别工程应用情况;最后展望了海面目标识别技术的发展趋势。     

基于混沌特性的PRC-CW雷达目标回波分析和识别

伪码调相连续波(PRC-CW)雷达目标识别中,对于具有相同径向速度的不同目标的分析和识别是一个需解决的问题.针对PRC-CW雷达目标回波的非线性时变特性,该文运用非线性动力学方法分析了此类回波的混沌特性.通过Lyapunov谱、相关维、Kolmogrov熵3类混沌特性参数提取方法的研究,形成了一个完整的分析和处理流程.进而通过对多类实测目标数据混沌特性参数的分析,得到了X波段PRC-CW雷达运动目标回波呈现混沌特性的结论.以实际的计算结果的分析和比较,证明了基于混沌特性的PRC-CW雷达目标识别是可行的.     

自组织神经网络雷达目标识别的研究

提出一种用Kohonen自组织神经网络进行雷达目标识别的新方法。这种方法可以对多个目标组成的多频模式空间向二维神经元阵列作拓扑有序映射.并提出一种输入输出神经元之间的连接权的微调方法——裂化映射算法,从而使自组织分类器的识别性能得到进一步提高。对两种飞机目标的性能进行了实验.结果表明,这种新的目标识别方法具有良好的应用前景。     

频率步进高距离分辨技术在圆锥扫体制中的应用

对频率步进高距离分辨技术在圆锥扫描栖制雷达中的应用做了探讨，分析了在锥扫描体制下利用频率步进高距离分辨技术获取目标的距离回波而据以识别目标的方法、目标识别和获取角误差信号的关系。     

混沌在雷达信息处理中的应用前景

混沌是近年来在非线性科学领域异军突起的一个分支,混沌的初值敏感性和２ 个混沌系统之间同步的获得使得混沌用于保密通信成为可能,海杂波的混沌特性使得人们开始用混沌技术对传统的雷达信号处理进行新的探索。结果表明,混沌技术在雷达信号检测、目标识别及伪随机码信号的产生等领域内取得了突破性的成果。可见混沌在雷达信息处理这一领域内具有广泛而良好的应用前景。     

高频区雷达目标识别模板构造方法研究

提出了将最大最小相关模板应用于高频区雷达目标模板构造的思想，这种方法的操作对象为多个距离像，即将一定姿态范围内的距离像用一个组合模板来表示，从而使得数据库中目标模板数量减少。最大最小模板具有与其所代表的距离像之间的最小相关最大的特点。     

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.     

基于卷积神经网络的合成孔径雷达图像目标识别

为了解决现有合成孔径雷达(SAR)图像目标识别算法识别率不高、泛化能力不足的问题,提出一种基于卷积神经网络的SAR图像目标识别模型CMNet网络。通过设计针对SAR图像特点的特征提取网络,在损失函数中引入中心损失与Softmax损失联合监督训练过程,兼顾类内聚合和类间分离,提高算法精度和泛化能力。网络模型中所有卷积层后引入批量归一化层加快模型收敛速度、防止过拟合。实验使用美国运动和静止目标获取与识别数据库进行测试,10类目标平均识别率达到99. 30%。结果表明,提出的CMNet网络模型具有较高的识别率和泛化能力,在公开数据集上取得较好结果。     

基于去冲激响应的UWB雷达目标识别

提出了基于去冲激响应的UWB雷达目标识别方法,在理论上对该识别方法进行了详细地推导,并给出了该方法中所用到的窄脉冲的选取准则;最后,通过计算机模拟,给出了两种飞机模型不同姿态下的近似冲激响应数学模型,在此基础上对这两种飞机模型进行了识别仿真。从仿真结果来看,此识别方法效果良好。     

基于卷积神经网络的低分辨雷达目标一步识别技术

现有低分辨雷达目标识别通常采用先特征提取、再进行目标分类的两步识别算法,存在识别率难以提高和方法泛化性不足的问题,因此提出了一种基于卷积神经网络(CNN)的低分辨雷达目标一步识别算法。该算法直接将采样数据作为输入,利用设计的一维CNN,通过卷积池化等操作自动获取数据深层本质特征,无需特征提取,实现对目标的一步识别。仿真实验结果表明:基于CNN的低分辨雷达目标一步识别方法的识别率较传统基于提取特征的两步识别方法提高了10.31%,识别时间较传统两步识别方法减少了0.142 s,充分证明了一步识别方法的有效性,为低分辨雷达目标识别问题提供了新的解决途径。     

一种基于模糊聚类的自动目标识别算法

研究利用低分辨率雷达视频回波信号实现可靠的自动目标识别问题 ,提出了一种基于模糊聚类的自动目标识别算法 .基于这种算法 ,对三类船目标进行实验 ,获得平均近 90 %的正确识别率 .理论和实验表明 ,采用这种算法可以设计出可靠的自动目标识别系统     

使用特征匹配的三维目标识别方法

提出了一种基于特征匹配的三维自动目标识别方法．首先使用均匀采样选择特征点和自旋图描述子提取特征,定义相似度度量并且使用最近邻方法得到初始的匹配;其次使用向量场一致性算法消除错误的匹配;最后根据算法保留的正确匹配数目进行目标识别．针对目标识别的实际应用需求,进一步研究了点云的空间分辨率、激光雷达测距误差对目标识别性能的影响,可以为激光雷达三维目标识别系统的设计提供参考．