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。     

基于时间-距离像的弹道目标进动特征提取

提出了一种联合宽带雷达多视角距离像进行弹道目标进动特征提取的方法。建立了锥柱体进动模型,并对散射点径向距离进行了分析。运用广义Hough变换提取散射点距离像的曲线参数。定义粗匹配和精匹配选择门限,根据提取的曲线参数信息来对散射点进行匹配,再由散射点初相差的不同进行散射点类型识别。最后,联立两部雷达提取同一散射点的曲线参数求解出进动角θ,再联立多视角距离像信息方程组进行目标的结构参数和雷达视角的求解。仿真结果验证了算法的正确性和有效性。     

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.     

基于雷达距离像的锥体目标进动参数估计方法

提出了一种基于雷达一维距离像序列和雷达测轨信息的飞行进动锥体目标的微动参数估计方法。首先对飞行锥体多次观测,得到各个时刻目标的雷达高分辨一维距离像,提取距离像的径向长度。再综合利用各个时刻的距离像径向长度、锥体质心的轨道位置信息,用最优估计的方法提取进动周期、进动角、锥体高度等主要参数。为了提高参数估计的效率,采用分步估计的方法,先利简化的数学模型粗估,再基于粗估结果利用精确模型二次估计,得到最终结果。对仿真数据进行了处理分析,证明了所提出方法的正确性和有效性。     

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。     

时间距离像消隐时弹头进动与结构参数估计

考虑弹道目标时间距离像存在消隐现象,提出了一种弹道目标微距离变化曲线断续时进动与结构参数提取方法。首先,建立了弹道中段目标宽带回波模型,推导了散射中心微距离变化曲线理论公式;其次,提取了时间距离像中各散射中心的微距离变化曲线,据此提出采用选点方法实现目标进动频率和平动参数联合估计,完成了弹道目标时间距离像的平动补偿;最后,利用扩展Hough变换方法进行补偿后断续微距离变化曲线的检测,基于各散射中心间的相对位置信息实现了弹道目标的结构参数提取。电磁仿真实验验证了该方法的有效性。     

弹道目标微动特征提取研究

微动特征是弹道目标识别的关键特征之一.针对这一特征,对弹道目标微动特征提取技术进行了分析,主要包括微动信号补偿与分离、微动目标识别以及组网雷达中弹道目标微动特征提取3个部分.同时结合国内外的研究现状,总结了现有的技术手段,并对相关技术的优缺点进行了分析.在此基础上,探讨了弹道目标微动特征提取的需要解决的问题以及未来的发...     

全极化雷达的多任务压缩感知目标识别方法

为有效利用全极化雷达高分辨距离像(High Resolution Range Profile,HRRP)的丰富特征信息和全极化样本中各单极化HRRP均对应于相同目标姿态的特性,提出一种基于多任务压缩感知的全极化雷达目标识别方法。该方法约束在不同极化字典中选择来自相同角域的字典原子对相应极化方式下的HRRP进行表示,可以有效利用不同极化HRRP之间的相关信息提高目标识别性能。基于电磁散射数据对所提出的方法进行了测试,实验结果证明了方法的有效性。     

基于分类器联合的反舰导弹HRRP目标识别与拒判研究

为了进一步提高存在库外目标情况下反舰导弹的目标识别率,利用高分辨距离像(HRRP)信息,构造了一个兼具拒判功能的反舰导弹目标自动识别系统。利用feko软件仿真建立了6类目标在不同方位角下HRRP数据库,并针对HRRP识别问题,提取7个基于目标结构的平移不变特征;选择二次判别分类器、7-最近邻分类器和决策树分类器作为基分类器,并利用LM-BP神经网络作为联合器构成多分类器系统;引入基于非参数估计的置信度评估方法,确保系统能够拒判置信度较低的待测样本。试验结果表明:LM-BP集成系统能够提高基分类器的分类性能,且在库外目标存在情况下,引入适当置信度判别阈值的多分类器系统能够兼顾识别正确率和宣判率。     

基于目标结构特征像的SVM目标识别方法

针对支持向量(SVM)对目标高分辨一维距离像(HRRP)识别率和稳定性不高的问题,研究将目标分解理论推广应用于对目标极化散射矩阵的分解,求得了目标结构特征像.在分析研究SVM的训练和测试方法的基础上,采用SVM通过结构特征像对两实验目标进行分类识别,结果表明,基于目标结构特征像的SVM目标识别方法能够提高目标正确识别率,且其稳定性较好.该方法是一种有效的目标识别方法.     

利用HRRP序列提取弹道目标进动周期

进动是中段弹头的特有属性,依靠提取进动周期进行目标识别有很大的理论和实际意义。首先建立了中段弹头的圆环边缘滑动散射点模型,并给出各散射点的坐标表示。在此基础上,利用解线频调算法,通过控制慢时间采样间隔获取一维距离像序列,得到目标在不同姿态角下的成像结果。最后,分析成像序列特征,提出了一种新的进动周期估计算法。仿真实验表明,所提方法能够准确有效地提取目标的进动周期。     

基于支持向量机的宽带相控阵雷达目标识别技术

宽带相控阵雷达高分辨一维目标距离像对弹道导弹的目标识别具有重要意义.首先对目标一维距离像进行预处理,通过双谱分析提取不依赖于目标平移的双谱特征,采用截断距离像频谱的方法减少了目标特征量维数.利用特征量的扩散因子对特征量进行预选择,并根据宽带相控阵雷达多目标跟踪时目标样本数有限与主副目标样本数不一样的特点,利用加权支持向量机(SVM)进行目标识别,实测数据表明所提出的方法是有效的.     

单脉冲测角在BM突防干扰机上的应用

高分辨雷达(HRR)使用目标HRRP检测目标,由此要求弹道导弹(BM)突防干扰机生成的多假目标信号中包含BM弹头HRRP信息,HRRP长度是HRRP的一个重要特征,需要通过测量雷达观测角计算得到,BM突防干扰机自旋,自身三维姿态难以提取,二维单脉冲测角系统难以应用,一维单脉冲测角系统根据自旋特点,可间断地测得雷达观测角,干扰机和BM弹头运动以及干扰机自旋对测角精度影响较小,间断得到的雷达观测角可以用来计算BM弹头HRRP长度,指出了干扰机章动是影响测角精度的主要因素,最后说明了探讨的方法对目前BM突防干扰机设计具有一定实际工程意义。     

基于小波能量矩的高分辨距离像特征提取

传统的小波能量特征提取方法没有考虑到每个分解频带上能量的时域分布.针对这一缺点,对传统方法进行了改进,提出了一种基于小波能量矩的局部能量提取方法,用于雷达高分辨距离像的特征提取.小波能量矩既反映了每个频带的能量大小,也反映了能量在时域轴的分布情况.目标识别仿真结果表明,基于小波能量矩的特征提取方法在识别率方面的性能优于传统方法.     

基于一维平均距离像矩特征的飞机目标识别

本文分析了利用一维距离像进行目标识别的问题。通过对目标相邻的一维距离像进行幅度平方平均处理,得到比较稳定的平均距离像。然后将目标的平均距离像看作二值图像,提取它的矩特征用于分类识别。对三类飞机目标进行分类识别的结果表明该方法是可行的。     

利用小波变换进行空间目标电磁特征提取与识别

高分辨雷达目标识别是当前高技术领域的一个研究重点,以一维高分辨距离像为原始信号,利用小波分析作为目标特征矢量提取的工具,对利用几种代价函数构成的特征向量的分类效果进行了详细的研究,提出了将小波变换、模糊神经网络和信息融合相结合的雷达目标识别方法,仿真结果表明,所提出的目标识别方法是一种有效的雷达目标识别方法.     

基于高分辨距离象的雷达目标识别特征分析

高分辨距离象是高频区雷达目标识别的最基本的依据。文中对高分辨距离象用于目标识别的两个方面的特征进行了分析 ,提出了相关角度的概念。该概念反映了距离象与目标整体之间的相似性 ,是基于距离象目标识别的又一个重要特征 ;分析了距离象相位信息的重要性 ,指出了利用距离象相位信息进行目标识别的方法和途径。     

高分辨一维距离像的雷达目标识别方法

提出了一种基于高分辨一维距离像的宽带雷达目标识别方法.首先使用零相位描述对雷达回波进行预处理,实现距离像的绝对对准,解决了平移敏感性问题.然后根据多分辨分析构造出3次Battle-Lemarie小波函数和尺度函数,对预处理后的一维距离像进行小波变换提取目标特征矢量,在显著降低特征存储空间的同时保留了主要散射点.最后对3类不同目标的雷达实测数据进行识别试验,结果表明本算法不但具有较高的正确识别率,而且能够有效降低加性高斯白噪声对识别率的影响.     

基于解线频调ISAR成像与散射中心匹配的弹道目标识别

为了能充分利用目标的散射中心进行弹道目标识别,提出利用解线频调的方法,通过对距离向和方位向进行快速傅里叶变换(FFT),实现对目标散射中心成像,然后从目标ISAR像中提取目标特征信息。最后提出了一种新的匹配识别的方法实现对目标的分类识别,该方法利用提取的散射中心的位置和幅度信息,通过构造匹配度矩阵,判定目标所属的类别。仿真实验表明,该方法在设定情况下具有良好的目标识别能力。     

基于轮廓特征的空间目标识别算法

高分辨力单脉冲雷达通过对三个通道回波成像可以获取各个散射中心的方位角和俯仰角,结合距离信息就可以得到各个散射中心在垂直于雷达天线轴的平面上的投影,形成方位-俯仰二维像.由于卫星的尺寸通常大于碎片的尺寸,因此卫星的方位-俯仰二维像的轮廓面积较大.提出了基于轮廓特征的空间目标识别算法,首先通过高分辨力单脉冲雷达对目标进行方位-俯仰二维像成像,然后从方位-俯仰二维像中提取目标轮廓,最后根据轮廓面积特征对卫星和碎片进行识别.经过计算机仿真实验,该算法取得了比较好的识别效果.