基于多极化多特征提取和SVM的目标识别方法

充分有效地利用全极化雷达目标高分辨一维距离像极化信息是雷达目标特征提取领域一个热点问题.提取全极化雷达目标高分辨一维距离像的极化特征、结合其能量聚集区长度以及中心距特征共同构成特征向量,采用支持向量机进行特征分类,从而提出了一种基于多极化多特征提取和支持向量机的目标识别方法.基于转台数据的实验结果表明,提出的基于多极化多特征提取和支持向量机的目标识别方法有助于获得较高的分类正确率.     

系统频率偏差对同时全极化测量的影响及其校准

目标极化散射矩阵的精确测量是全极化雷达极化信息处理的前提和基础。基于正负线性调频信号，针对采用数字解线性调频处理的同时全极化测量体制雷达，分别推导了雷达中频频率偏差和采样频率偏差对同时全极化测量影响的数学模型，提出一种雷达中频频偏和采样频偏的联合估计与校准方法。仿真和实测数据表明：雷达系统频率稳定度会引起不同通道极化测量结果峰值位置和相对相位的变化，采用所提方法能够有效校正峰值偏移，补偿相位误差，提高目标极化散射矩阵测量的精度。     

基于递归神经网络的飞机目标识别方法

针对宽带高距离分辨全极化雷达体制,提出了一种基于实时递归神经网络算法的飞机目标自动识别方法,实现了全极化下五类飞机目标的自动识别。实验结果表明,递归神经网络用于飞机目标识别是有效可行的。     

最佳极化在雷达检测中的得益分析北大核心

最佳极化发射和接收是增大隐身目标RCS,提高雷达对隐身目标检测概率的有效方法。通过对目标RCS与雷达发射极化方式内在规律的研究,指出RCS与发射极化方式满足余弦关系,基于该规律提出一种提取最佳极化的新方法。仿真对比了不同发射极化方式下的目标动态RCS,并利用Swerling I检测模型研究最佳极化在雷达检测中的得益。仿真结果表明,采用最佳极化收发,隐身目标RCS得益最大可达30 dB,雷达对隐身目标检测概率得益最大可达0.5。仿真结果也证明了该提取最佳极化方法的有效性和可行性。     

最佳极化在雷达检测中的得益分析

最佳极化发射和接收是增大隐身目标RCS,提高雷达对隐身目标检测概率的有效方法。通过对目标RCS与雷达发射极化方式内在规律的研究,指出RCS与发射极化方式满足余弦关系,基于该规律提出一种提取最佳极化的新方法。仿真对比了不同发射极化方式下的目标动态RCS,并利用Swerling I检测模型研究最佳极化在雷达检测中的得益。仿真结果表明,采用最佳极化收发,隐身目标RCS得益最大可达30 dB,雷达对隐身目标检测概率得益最大可达0.5。仿真结果也证明了该提取最佳极化方法的有效性和可行性。     

雷达目标全极化一维距离像的瞬时测量方法

雷达目标宽带全极化测量在雷达成像、目标识别等领域有着重要应用,为此,基于正交频率分集思想,设计了一种用于宽带全极化瞬时测量的矢量信号波形;给出发射信号模型和回波信号模型,利用该波形的单个脉冲回波,可以获取测量带宽内多频点全极化数据,再经逆离散傅立叶变换后可以得到目标的全极化一维距离像;最后,用仿真数据和实测数据进行仿真实验,验证了该方法的有效性.     

极化域-空域联合估计在反辐射导弹抗诱偏中的应用研究

提出了将极化阵列应用到反辐射导引头上,导引头利用目标与诱饵的极化差异,采用极化域-空域联合估计方法抗诱偏。首先,利用波达方向矩阵法,估算出雷达与诱饵的空间二维到达角和极化参数,将估算出来的二维到达角信息为反辐射导引头提供导引,极化参数用来鉴别雷达与诱饵,从而达到抗诱偏的目的。然后,结合导弹运动方程及导引方程对反辐射导弹抗三点源诱偏进行了全弹道数字仿真,并且采用Monte-Carlo方法对全弹道仿真进行了多次实验,仿真结果证明了将极化域-空域联合估计应用于反辐射导引头抗诱偏的可行性。     

运动平台下频率步进雷达杂波相消新方法

相消处理是一种典型而又简单易行的杂波滤除方法。针对频率步进雷达,提出一种新的杂波相消方法,它利用同一距离单元上两帧回波脉冲所成的两幅高分辨距离像(HRRP)进行杂波相消。通过合理地选择帧间隔数,该方法能够很好地保持目标HRRP特性。针对雷达平台运动所导致的两幅HRRP之间杂波移位和成分改变问题,又提出了先利用杂波相关性进行杂波对齐后再相消的解决方法。仿真结果验证了所提方法的有效性。     

BM弹头雷达一维像干扰初探

根据目前反导雷达使用宽带信号对目标进行一维成像,检测目标几何特征的特点,从弹道导弹(BM)弹头雷达一维像(HRRP)特征出发,参照宽带线性调频雷达成像原理,讨论了对BM弹头HRRP可采取的几种电子干扰措施,包括对BM弹头HRRP的模拟和遮盖,给出了模拟BM弹头HRRP时所需生成的各信号特征,分析了每种遮盖干扰信号的功率利用情况,最后分析了每种干扰措施的优缺点。     

基于矩阵束方法的全极化雷达目标结构特征的描述

针对宽带、高距离分辨率、全极化雷达的工作体制,提出了利用矩阵束方法将雷达目标分解为沿径向距离上的散射中心分布。根据目标的瞬态极化响应,提取相应于散射中心的极化特征,由此形成目标沿径向距离分布的结构特征描述的新方法。     

基于部件模型的无人机系统小样本车辆目标识别方法

对地目标检测与识别是无人机系统典型任务之一,但受限于任务特殊性,往往难以获取足够的目标样本数据以实现高可靠的目标识别。为此,结合人的认知特性,提出一种基于部件模型的小样本车辆目标识别方法,可有效提高无人机感知能力。采用视觉显著性检测与物体性检测相结合的检测方法,提取目标可能区域;采用基于图论的GrabCut方法与最大类间方差法相结合的分割方法,分割目标并提取目标内部件;采用基于概率图模型的部件识别方法,通过将部件轮廓稀疏表示为条件随机场,并进行概率推理实现部件识别;采用基于贝叶斯的目标识别方法完成目标是否为车辆的判断。通过无人机拍摄的车辆图像验证表明,算法可在样本较少、光照变化、存在遮挡等情况下,以较高准确率检测并识别出车辆目标,同时识别算法具有一定可解释性。     

基于HMM的FOPEN UWBSAR图像中的树干杂波抑制

树干杂波是叶簇穿透(FOPEN)超宽带合成孔径雷达(UWBSAR)图像中叶簇隐蔽目标检测的主要干扰,能否有效抑制树干杂波是目标检测成功与否的关键。利用UWBSAR的大积累角成像特性所提供的目标方向性信息,基于隐马尔可夫模型(HMM),提出了一种识别并抑制树干杂波的方法。试验结果表明,该方法可有效识别并抑制FOPENUWBSAR图像中的树干杂波,增强叶簇隐蔽目标检测性能。     

矩阵变换特征与码序列联合学习的卷积码识别方法

现有基于深度学习的卷积码识别方法仍存在参数规模较大、识别性能较弱等不足。针对该问题,提出了一种基于矩阵变换特征与码序列联合学习的卷积码识别方法。将接收到的码字序列排列成矩阵形式,利用软信息剔除可靠性较低的码字,通过一种新的矩阵变换算法得到特征矩阵。在识别时,将原始码字矩阵和特征矩阵输入到具有多模态数据联合学习能力的网络模型,在神经网络中完成特征的提取融合与卷积码的识别。仿真结果表明,所提方法性能明显优于现有基于深度学习的识别方法,特别是对于高码率卷积码;当码率较低时,同样优于传统识别方法。当信噪比达到5 dB时,25种不同参数卷积码的识别率均可达到100%。     

神经网络在目标属性识别中的应用研究

首先介绍了目标属性识别的方法,并对多属性决策模型(MultipleAttributeDecisionModel,MADM)目标属性识别模型进行了分析,在此基础上提出了基于神经网络的目标属性识别模型,其能有效地解决目标属性识别问题。     

Visual-simulation region proposal and generative adversarial network based ground military target recognition

Ground military target recognition plays a crucial role in unmanned equipment and grasping the battlefield dynamics for military applications, but is disturbed by low-resolution and noisy-representation. In this paper, a recognition method, involving a novel visual attention mechanism-based Gabor region proposal sub-network (Gabor RPN) and improved refinement generative adversarial sub-network (GAN), is proposed. Novel central–peripheral rivalry 3D color Gabor filters are proposed to simulate retinal structures and taken as feature extraction convolutional kernels in low-level layer to improve the recognition accuracy and framework training efficiency in Gabor RPN. Improved refinement GAN is used to solve the problem of blurry target classification, involving a generator to directly generate large high-resolution images from small blurry ones and a discriminator to distinguish not only real images vs. fake images but also the class of targets. A special recognition dataset for ground military target, named Ground Military Target Dataset (GMTD), is constructed. Experiments performed on the GMTD dataset effectively demonstrate that our method can achieve better energy-saving and recognition results when low-resolution and noisy-representation targets are involved, thus ensuring this algorithm a good engineering application prospect.     

只测角两站被动定位系统中虚假定位点的识别方法研究

多站被动定位中,虚假定位点的识别问题是电子侦察中尚待解决的一个重要问题。本文研究包含一个运动站的只测角两站被动定位系统,提出先用扩展Kalman滤波对多个辐射源精确定位,然后通过空间相关处理识别虚假定位点的方法,大量的计算机仿真结果表明,上述识别方法在两目标张角大于测角误差的均方根值时,具有良好的识别效果。系统识别出的真实定位点,其定位精度可达单目标环境下的同等定位精度。     

基于局部积分双谱与SVM的雷达目标识别

针对高分辨距离像的特点,应用双谱与SVM研究高分辨雷达目标识别问题。提出了基于局部积分双谱与SVM的雷达目标识别方法。该方法选择具有最强鉴别能力的积分双谱构成局部积分双谱特征,基于局部积分双谱进行距离像特征提取,然后应用支持向量机对提取的特征进行分类识别。利用四种局部积分双谱的目标识别仿真实验结果表明,提出的方法具有良好的分类性能。     

基于灰关联分析和粗糙集的通信电台识别方法

通信侦察过程积累了大量电台通信记录,对这些数据进行分析、推理,可以识别电台的数量、装载平台等,为了提高识别正确率,提出了基于灰关联分析和粗糙集的通信电台识别方法。首先,依据粗糙集理论将信息表划分等价类,得到电台航迹;再根据灰关联分析计算雷达航迹和电台航迹的灰关联度,最后按照最大灰关联度原则进行通信电台关联。实验结果表明该方法适用范围更广,在多个平台的运动轨迹交叉且在交叉时刻各有电台通联、同一平台上的多个电台在不同时间通联这两种情况下,均能较好地对电台进行关联。     

针对舰船目标高分辨距离像的特征选择方法

为了提高基于高分辨距离像(HRRP)的舰船目标识别率,首先通过目标区域提取来解决HRRP的幅度敏感性和平移敏感性的问题;然后根据传统的特征提取方法,提取出15个较好的特征进行多特征综合识别;最后在基于Fisher准则的特征选择方法上进行改进,提出了一种基于特征互补性的特征选择方法,选择一个最优特征子集。通过仿真实验验证了提出的特征选择方法,同时选择出一个最佳分类器。