基于HRRP的雷达目标识别研究综述

雷达目标识别(RTR)技术在国土防空和战略预警领域具有重要意义,目前相关研究大多基于高分辨距离像(HRRP)展开。梳理了当前研究主要聚焦于样本完备和小样本情况下目标识别的问题,研究方法主要聚焦于基于特征提取的识别方法、基于统计建模的识别方法以及基于深度学习的识别方法等3个方面。聚焦2大问题,从3个方面开展综述,进行归纳总结;指出在当前研究领域存在的5个亟待解决的问题,分析了下一步研究可以考虑的方向。     

基于PSO-BP神经网络的HRRP目标识别

为提高雷达目标识别准确率,提出了一种基于PSO-BP神经网络的雷达一维距离像识别方法。利用粒子群优化算法良好的全局搜寻能力,对BP神经网络的权值和阈值进行了优化,弥补了BP神经网络收敛速度慢、存在多个局部极值点的缺陷。利用实测数据对PSO优化前后的BP神经网络的识别性能进行了对比测试。实验结果表明,PSO-BP神经网络具有更高的识别准确率及噪声鲁棒性,分类性能优良。     

基于元学习的反舰导弹目标识别研究

为了进一步提高干扰环境下反舰导弹的目标识别精度和泛化能力,将集成学习中的元学习策略引入反舰导弹的目标识别领域,并提出了一种基于叠加归纳策略的元学习目标识别算法。该算法首先通过构建元层学习器对多个基层学习器的学习结果进行"再学习",以纠正基学习器的错误分类、巩固基学习器的正确分类,进一步提高集成分类精度;然后,以决策树为基学习算法构建了同质多分类器系统,在自建的全极化一维距离像HRRP特征数据库上研究了基分类器的数量以及元特征样式、元学习算法的选取对元学习系统分类精度的影响;最后,通过与单一分类器和常用集成算法的对比,验证了基于元学习的反舰导弹目标识别算法的可行性和有效性。     

基于二叉树直觉模糊SVM的弹道目标HRRP识别

弹道目标识别是一个多目标识别过程,二叉树支持向量机(BTSVM)是一种针对多类分类有效的分类器。BTSVM结构简单,训练快,但容易出现误差积累。为提高目标识别率,引入并改进了直觉模糊支持向量机,设计了一种基于自适应隶属度函数和直觉指数的多类直觉模糊SVM分类器。对训练集进行直觉模糊化处理得到直觉模糊数据集,用于训练分类器得到二叉树直觉模糊SVM分类器。将此分类器应用于弹道目标HRRP识别,提高了识别的正确率和识别效率,仿真结果表明了此分类器的有效性。     

导弹目标识别的最小贝叶斯风险分类器

在贝叶斯决策理论的基础上,通过划分目标特性空间的方法,推导了目标分类问题的总风险表达式.并根据导弹目标识别的特点,建立了导弹目标识别的最小贝叶斯风险模型,给出了基于风险分析的导弹目标识别的具体实现方法.最后,依据导弹目标的实际情况给出了仿真参数并进行了仿真试验,试验结果证明了本方法的有效性.     

基于HRRP的弹道目标特征提取技术综述

基于雷达高分辨一维距离像(high resolution range profile,HRRP)的识别方法是弹道中段目标识别的有效手段,从弹道目标HRRP中提取出反映目标本质属性且可分性良好的特征对真弹头的识别具有重要意义。以高分辨距离像为研究对象,在对弹道目标高分辨距离像的特点进行分析的基础上,对弹道目标HRRP特征提取技术以及近年来取得的成果进行了总结,包括长度特征提取技术、进动特征提取技术以及长度特征和进动特征的联合提取技术。最后对弹道目标特征提取技术的技术难点和发展趋势进行了分析,提出了一些解决思路。     

反舰导弹电视制导ATR方法研究——多目标几何识别

本文运用图象处理与图象识别技术,结合应用光学的方法,研究了舰船目标图象识别的有关问题,并提出了一个可用于反舰导弹电视制导的自动目标识别（ATR）系统的方案设想。实验室模拟结果表明本方案具有实现的可行性     

基于贝叶斯网络的反舰导弹身份识别

为了解决反舰导弹身份识别所面临的实时性和信息不确定性问题,提出了采用贝叶斯网络识别反舰导弹的方法。设计了4种贝叶斯网络分类器,分别在导弹仿真数据集和UCI数据集上作了测试,比较了它们各自的分类性能。实验结果表明,朴素贝叶斯网络的分类准确率虽然比其它分类器稍低,但它简单有效,稳健性比其它分类器都好,可用于反舰导弹身份的实时识别。     

基于虚拟目标的反舰导弹的最优制导律研究

为了对抗敌方预警系统的跟踪、预测以及远程防空导弹的拦截,反舰导弹的飞行弹道应采用大空域变轨弹道。将弹目相对运动分解为俯仰和航向两个平面内的运动,考虑了制导过程中能量消耗最小以及末端角度要求,分别设计了两个平面内的最优制导律。利用该制导律可以引导反舰导弹向大空域内任何虚拟目标进行变轨机动,从而实现了各种各样的大空域变轨弹道。只要虚拟目标参数设置合适,反舰导弹的各项性能指标均能满足要求。弹道仿真表明了所设计的最优制导律的有效性。     

基于目标点的反舰导弹航路规划方法

针对反舰导弹航路规划的作战需求,提出了一种简单的反舰导弹航路规划方法:构造对航路造成威胁的障碍物的外接三角形,结合导弹的性能限制,选择外接三角形的部分边作为规避该障碍的路径段,规避对航路有威胁的威胁区,进行直接以目标点为目的的搜索.仿真结果表明该算法较大地提高了航路规划效率.     

基于MHD的反舰导弹预定目标选择方法

如何对编队预定目标进行自动选择,是超视反舰导弹亟待解决的一个问题.提出用基于Hausdorff距离的形状匹配理论来解决编队预定目标选择问题.平均Hausdorff距离(MHD)能够较好地比较两个点集所构成形状的相似程度.通过寻找刚体变换下的最小MHD来搜索最佳匹配位置,最后用双向最近邻准则获得对应点.仿真实验表明了算法的有效性.     

基于贝叶斯分类器的目标价值等级分析

现代战争作战目标繁多,从目标价值角度对目标的重要程度进行评估,建立了基于朴素贝叶斯分类器的目标价值评估模型,并利用基于无向完全图的贝叶斯分类器,将目标属性间的关系加入到评估模型中,为指挥员和决策机关的作战目标选择提供了科学的依据.     

基于RCS的空间目标识别研究

空间目标的雷达探测与识别技术在航天监测、开发利用空间资源方面具有广阔的应用前景。空间运动目标RCS序列为非平稳时间序列,常用时间序列分析方法很难对其进行特征提取和识别。针对空间运动目标RCS序列的变化规律,引入小波变换以及模糊分类对空间目标的RCS序列进行特征提取和识别。实测数据处理结果表明,对于空间目标的旋转姿态识别,该方法取得了较好的实验结果。     

基于加权MHD的反舰导弹预定目标选择方法

平均Hausdorff距离(MHD)方法基于编队的整体形状进行匹配来寻找对应点,因此,不像距离选择区法和扩展搜索图选择法那样受导弹自控段的导航误差和目标机动散布的影响。为了进一步提高反舰导弹的目标选择能力,考虑所匹配点集不同区域对Hausdorff距离函数的贡献程度不一样,提出了加权MHD(WMHD)来研究编队预定目标选择问题。首先通过刚体变换方法将火控雷达和末制导雷达探测到的编队点集进行位置匹配,然后利用WMHD方法获取其最优变换位置,最后据此最优变换位置预测预定选择目标在末制导雷达开机的位置。通过仿真实验表明其具有较强对抗冲淡干扰和形状扭曲失真的能力,且性能明显优于MHD方法。     

基于神经网络的舰船目标识别研究

为了实现对水下目标的识别,在现有特征提取方法的基础上,提出了一种从DEMON谱线谱和DEMON谱连续谱提取的特征方法,并设计了一个基于BP神经网络和多神经网络分类识别器的舰船目标识别系统。通过对实际舰船噪声目标进行识别,识别效果比较满意。这对舰船目标识别的发展具有一定的参考价值。     

反舰导弹目标毁伤预测的贝叶斯推断模型研究

导弹反舰作战是一种有效的非对称打击作战样式,目标毁伤预测在其中承担着关键一环。针对现有反舰导弹目标毁伤预测方法在计算代价或样本规模等方面的限制,在贝叶斯网络技术的框架下,提出一种用于目标毁伤预测的贝叶斯推断模型。该模型将导弹反舰作战的突防和毁伤等过程抽象成高层的概率语义,仅需少量样本数据就可驱动模型关键参数的学习过程,在实现目标毁伤预测的同时还附加有发射弹量规划能力。通过实验,验证了模型的可行性与有效性。     

反舰导弹对岛礁区目标的搜捕概率研究

针对打击岛礁区目标时反舰导弹搜捕概率计算问题,通过分析末制导雷达实际搜索过程和捕获条件,构建了目标选择规则,建立了岛礁影响下的反舰导弹搜捕概率计算模型,给出了综合距离、方位、分辨率和目标选择的搜捕判据,并依据概率分布函数,研究了反舰导弹自控终点散布、水面舰艇机动模型及其对搜捕概率的影响。最后仿真分析了目指坐标位于岛礁四周不同位置、搜索扇面变化对搜捕概率的影响。结果显示,水面舰艇靠近岛礁、或位于岛礁后方长条形区域内时,搜捕概率越低;位于岛礁前方即使距离较近时搜捕概率也较高;距岛礁较近时,较小的搜索扇面更优。     

机械故障特征与分类器的联合优化

在机械故障诊断中,特征选择和分类器的参数优化都可以提高诊断精度。利用特征和分类器参数的依赖关系,提出了特征选择和SVM参数的联合优化方法来提高诊断性能。联合优化方法采用支持向量机(SVM)作为故障分类器,SVM半径—间距上界(RM界)为目标计算诊断精度,并应用遗传算法求解此优化问题。齿轮故障诊断试验结果表明,联合优化的诊断精度要优于单独优化特征和SVM参数,而且优化速度更快。因此在故障诊断中,利用特征和分类器参数联合优化能够快速取得较好的诊断精度。     

基于MEMS传感器与惯性开关的目标识别技术研究

运用ABAQUS仿真平台建立导弹撞击不同硬度目标模型以及MEMS惯性开关模型,分析了导弹撞击目标过程中的惯性过载情况、惯性开关在撞击惯性力情况下的闭合情况,结合导弹弹道过载特性及目标识别解算准则,设计了MEMS惯性触发电路和惯性开关;结果表明:MEMS惯性触发电路可以对防空导弹弹道过载进行准确的测量,当冲击过载超过30...     

基于KNN的合成孔径雷达目标识别

针对合成孔径雷达(SAR)目标的识别问题,提出了一种基于K近邻方法(KNN)的SAR图像目标识别方法。首先,有别于传统的图像特征提取方法,采用逆向思维,通过剪裁和去噪方法对图像的冗余信息进行\"剔除\",从而尽可能保留图像的原有信息,并将其作为待分类特征。然后分别用KNN和支持向量机(SVM)在MSTAR(Moving and Stationary Target Acquisition and Recognition)数据集上进行了仿真对比实验。实验结果表明,此方法下KNN的分类效果明显优于SVM,其精度均达到94%以上,证明了所提方法的有效性。