一种新的基于HRRP的雷达目标识别算法

雷达目标高分辨距离像(HRRP)包含目标结构信息,是目标重要的分类特征.提出基于独立分量分析(ICA)的雷达目标特征提取方法,将雷达目标高分辨距离像(HRRP)在"基信号"域中分解,提取相应的基系数组成向量,作为目标特征向量.采用反向传播(BP)神经网络作为识别系统的分类器,对神经网络的输出进行编码,为了克服分类器对非库属目标的误判问题,引入拒识门限设计一种新的分类器.采用电磁场时域有限差分(FDTD)算法仿真了飞机的宽带回波,并用所提的方法进行实验.结果表明,基于以上算法的雷达目标识别系统在最大拒识率前提下具有较高的正确识别概率.     

用极化信息实现雷达目标的分类与识别

利用极化信息，提取表征雷达目标的五个特征参数，并给出了这五个特征参数的显式表达式。运用BP神经网络技术，对选定雷达目标进行学习并分类计算。计算机模拟结果表明，这种利用极化信息和BP神经网络技术对雷达目标进行分类和识别的方法是可行的。     

视觉和毫米波雷达信息融合行人识别算法

提出了一种在主动防碰撞系统中采用视觉和毫米波雷达数据融合来识别行人的算法.在基于单目视觉获取的图像中提取HOG特征,采用支持向量机的分类方法检测行人,获取行人信息,通过快速容差中频匹配算法快速地检测目标,并获取目标信息,将基于视觉的行人信息传递给毫米波雷达;根据视觉检测的行人信息与毫米波雷达检测的目标信息进行比对,将匹配通过的目标识别为行人;将基于视觉的行人特征信息与毫米波雷达检测的行人特征信息进行融合,得到行人目标的新特征信息.通过采集道路环境的视频和雷达数据对行人正确识别率进行验证.验证结果表明,采用所提出的算法进行行人识别,在获取更加精确的行人特征信息的前提下,正确识别率较高.     

基于单频涡旋电磁波雷达的人体目标步态精细识别

现有基于传统平面电磁波雷达的人体目标识别技术能够实现对步态差异较大的人体目标的分类识别,但在步态精细识别方面面临较大困难。将涡旋电磁波雷达应用于人体步态识别中,尝试通过发射携带有轨道角动量的单频涡旋电磁波来增加雷达回波中的目标信息量,以提高人体步态精细识别能力。首先建立了人体目标的涡旋电磁波雷达回波模型,并仿真生成了3种步态下的回波数据集;然后通过将回波变换到基频,获得目标线多普勒和角多普勒混合信息并用时频图表征,最终将时频图输入到卷积神经网络模型中获得分类结果。仿真实验表明：相比于传统平面电磁波雷达,使用涡旋电磁波可以提升人体步态精细识别能力。     

光电经纬仪与雷达异址条件下的姿态测量研究

针对光电经纬仪与雷达异址条件下姿态测量存在的问题,提出利用遗传算法和拉格朗日插值搜索,判别真正的目标点。将光电经纬仪的测角信息和雷达的测距信息归结到同一直线上,最终计算出空间目标的姿态角。该方法不仅适用于各类较大空间目标的姿态测量,也适用于各类空间目标的质点测量。它作为靶场外弹道测控技术的补充,具有一定的理论价值和实用价值。     

基于正演模拟的地下典型目标体探地雷达图像特征分析与评价

目前探底雷达应用领域越来越广,但探底雷达剖面图的信息解译缺乏系统性的标准。本文论述了水平层状目标体,圆形目标体,矩形目标体,地下管道,局部含水层,石油污染物六种地下典型目标体模型正演模拟的图像特征。运用二维时域有限差分法构建污染场地中六种地下典型目标体的正演模型,并获得地下典型目标体雷达剖面图,进一步汇总在正演模拟剖面图中的各个典型目标体的图像识别特点,并分析雷达探测过程中多次波、绕射波等杂波的形成机理,最后通过石油烃污染场地的钻探资料验证实测探地雷达图形特征分析的准确性。本研究为实际工作中探地雷达的反射信号解译和地下目标体的识别提供了一定的理论依据。     

基于v-SVM的多雷达数据机器识别方法研究

为了综合利用多雷达数据信息和获得高质量的点迹、航迹,需要对空中目标的多雷达数据进行机器自动识别。支持向量机（Support vector machine,简称SVM）是一种结构风险最小化原理,具有很高泛化性能的学习算法。使用SVM理论,通过对三部雷达的探测数据的分类、识别处理,对多雷达数据的机器识别方法进行了研究,分类正确率可以达到99．40％,表明,此机器识别方法是可行的。     

调频连续波雷达自旋目标干涉三维成像方法

相比脉冲体制雷达,调频连续波雷达具有功耗低、成本低、重量轻等优点,发展前景广阔,同时雷达三维成像技术可为目标的分类识别提供重要的特征信息。但是自旋目标在调频连续波信号条件下会产生一维距离走动以及回波相位的改变,这对干涉三维成像产生了影响。针对自旋目标在线性调频连续波雷达中的干涉三维成像技术进行了研究,分析了自旋产生的回波调制效应与相位变化,结合分析所得的调制前后目标在距离 慢时间像上微动特征的变化关系与扩展Hough变换提取的微动参数,解决了干涉三维成像中由于回波调制效应导致的目标坐标畸变问题,提出了基于调频连续波雷达的自旋目标干涉三维成像的具体处理方法。仿真实验证明,所提方法有效提高了自旋目标的干涉三维成像质量。     

基于地理网格和灰色关联的目标数据融合

提出了地理网格新概念、编码及其与地理坐标之间的转化,将同一目标在地理网格上的多个雷达信息,用灰色关联的方法进行融合,减小了干扰和随机因素引起的测量误差,使目标信息更统一、精确,同时从数据处理的角度提高了雷达的抗干扰能力,并通过实例验证了本方法的可行性和有效性。     

一种基于HMM的雷达目标识别方法

根据雷达目标散射点的一般模型和特定条件的简化模型；提出用RELAX方法从高分辨雷达回波提取目标散射点分布的位置信息作为目标HRRR的特征向量；利用HRRR对雷达视角敏感这一特点，用隐马尔可夫过程表征多视角雷达回波序列，获得目标距离-方位两维信息，用若干HMM子过程构成的模式链表征一个飞行目标的飞行姿态变化，从而采用基于隐马尔可夫模型的分类器实现目标类属和方位的自动识别和分类，实测数据的计算机仿真结果表明，这一方法的平均识率为99.80%和81.2%。     

雷达低可观测目标探测技术

 复杂背景下稳健高效的低可观测目标探测始终是雷达信号处理领域的研究热点和难点。一方面,强杂波背景和目标复杂运动使得信号微弱,时频域难以区分;另一方面,传统雷达体制回波信号资源受限,难以实现对目标信号的精细化描述,亟需发展雷达目标探测新体制和新技术。本文归纳总结了低可观测目标探测面临的技术难点,系统回顾了常用的雷达动目标检测方法,最后从目标探测技术和手段两方面对雷达低可观测目标探测的发展进行展望。     

基于主分量分析的空间目标识别方法

目标的雷达散射截面(RCS)包含了丰富的目标类别信息,如何有效利用目标RCS特征对空间目标的雷达识别具有重要意义.文中提取中心矩作为特征向量,采用主分量分析(PCA)进一步进行特征压缩,利用支撑矢量机(SVM)分类算法来实现识别.基于实测数据的仿真实验结果表明,该方法具有较好的识别性能和推广能力.     

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。     

Cameron分解法在极化SAR图像分析中的应用

利用Cameron分解法对极化SAR图像进行分析,将目标的极化散射矩阵与8类具有特定散射机理的典型散射体匹配,根据匹配角度提出了一种分类算法,从而对地物目标进行分类;实验结果表明,该分类算法对于分类地物目标,进而分析其散射机理是十分有效的。     

Gabor原子网络法在雷达目标高分辨距离像识别中的应用

针对飞机目标的分类问题 ,介绍了一种称为 Gabor原子网络的高分辨雷达目标距离像识别算法。 Gabor原子网络的输入层采用 Gabor原子变换作为预处理单元 ,完成对特征的提取。Gabor原子网络的隐层和输出层组成一个多层前馈网络 ,采用改进的反向传播算法对权值进行调整。文中同时给出了网络在训练过程中自动调整 Gabor原子节点的特征参数的算法。对 3种缩比模型飞机的微波暗室转台数据进行了分类 ,结果表明三维空间内的 Gabor原子网络方法比一维空间内的原始距离像或 Fourier幅度方法和二维空间内的 Gabor变换或小波变换方法更适合高分辨雷达目标距离像的识别     

机载雷达空域稳定算法

为使机载雷达指令克服载机机动而正确控制天线指向,在机载雷达控制回路中加入了空域稳定计算。用载机惯导系统提供的载机姿态数据和雷达数据库提供的雷达安装数据,把基于大地的雷达指令解算为雷达天线控制指令。根据实际工程应用中的情况分析,为提高空域稳定精度,提出了在空域稳定回路中加入补偿措施,即指令前馈、目标前馈、载机前馈和天线罩折射补偿。     

便携式高频地波雷达双频接收天线的设计与实现

现有高频地波雷达大多采用单一工作频率,较易受外部干扰影响,且回波包含信息有限。设计与实现了一种便携式高频地波雷达双频接收天线,通过对原有单频接收天线电路进行修改,增加频率控制端和开关电路,实现了三元交叉环/单极子接收天线同时双频工作的功能。室内测试及现场实验结果均验证了该双频接收天线的有效性。     

利用不规则曲线测量数据实现雷达目标三维成像

由于平台任务要求或环境影响,雷达数据采样路径可能是不规则曲线。利用通常舍弃的不规则曲线测量数据实现雷达目标三维成像,而且在稀疏测量情形下的成像分辨率甚至超过密集采样时传统成像算法的分辨率。不规则曲线测量数据的空间采样具有稀疏性和非均匀性,不能用传统成像算法得到高分辨率图像。基于压缩感知的雷达目标成像,突破了传统分辨率的瑞利准则限制,且可应用于非均匀采样数据。目标高频散射的稀疏性为压缩感知在雷达成像中的应用奠定了基础。更重要地研究证明,不规则曲线测量矩阵具有良好的互不相干性,因此基于压缩感知的三维成像能够满足重构精度和稳定性要求。考虑到三维成像中测量矩阵的高维性,用分段正交匹配追踪算法实现目标信号的稀疏重构。实验结果表明,算法不仅能够精确实现超分辨三维成像,而且成像算法具有很好的鲁棒性。     

基于雷达散射截面的汽车前方障碍物分类识别

识别汽车前方障碍物是汽车防撞技术的关键,仅对前方目标做距离或速度的检测会造成对目标的误判,影响报警系统的可靠性.为了识别不同的障碍物,研究了基于雷达散射截面（RCS）的汽车前方障碍物分类识别的方法.通过分析目标本身的物理特性及其RCS序列的统计特性,并对所得RCS序列进行梅林变换,提取有效特征,实现车前障碍物分类识别.将障碍物分为小轿车、大客车和行人3类,仿真验证了这种新方法的可行性.     

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。