基于卷积神经网络的海面目标全极化高分辨距离像识别技术

针对雷达目标全极化高分辨距离像(high resolution range profile, HRRP)提取可分性特征时, 利用全部距离单元作为度量尺度无法保留各距离单元具体特征的问题, 在综合利用4个极化通道的舰船目标HRRP信息时选择单个距离单元作为度量尺度。在此基础上, 提出基于Pauli分解, H、α、A、α₁分解和结构相似性参数的特征提取方法对目标极化散射矩阵进行特征提取, 并将提取得到的特征与基于卷积神经网络(convolutional neural network, CNN)的舰船目标HRRP识别方法结合, 利用改进残差结构CNN从极化特征中进一步提取深层可分性特征进行目标识别。实验结果表明, 所提方法能够保留目标全极化HRRP更多特征, 提高目标识别的准确率。     

基于回折线极化器技术的VICTS天线全极化可调实现

提出了一种新的基于多层回折线结构的VICTS天线极化实现方式,首次采用两个回折线极化器级联的方式,以一个统一的极化器结构,在一副VICTS天线上实现线极化补偿和线/圆极化转化功能.天线无需更换极化器,即可实现线极化和圆极化的自由切换.设计了一个直径D=100mm的模型,验证了这种全极化可调方案的正确性.     

基于相干极化GTD模型的散射中心提取新方法

针对高分辨极化测量雷达体制,提出了一种基于相干极化几何绕射模型(GTD)的雷达目标散射中心提取新方法。首先建立了全极化测量条件下的相干极化GTD模型,并将MUSIC算法拓展用于高分辨雷达目标的全极化散射中心提取。该方法是一种极化和超分辨联合处理方法,它实现了对不同极化通道的散射中心数目、位置、类型、强度以及归一化相干极化散射矩阵的同时估计,同时还因充分利用了全极化信息,提高了各参数估计的精度。基于仿真和实测数据的实验结果验证了该方法的有效性。