锥柱体弹道目标遮挡效应分析

针对锥柱体弹道目标观测过程中存在的遮挡效应,探究遮挡区与可视区分界线在弹道目标上的具体位置,提出一种判断散射中心是否处于遮挡状态的方法。在窄带雷达观测的条件下,建立锥柱体弹道目标滑动散射中心模型,分析各散射中心的微多普勒特性。通过对目标遮挡成因进行研究,分析遮挡区与可视区分界线的具体位置,并提出一种判断散射中心是否处于遮挡状态的方法。仿真结果表明:理想散射中心与滑动散射中心微多普勒存在一定差异,遮挡效应会导致微多普勒出现截断现象且不同观测视角下遮挡效应对散射中心的影响不同。     

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。