基于Radon变换的弹道目标平动补偿

弹道目标平动补偿有利于弹道目标微动参数提取。针对多散射点目标平动补偿的问题,提出了一种利用Radon变换对目标整体微多普勒曲线进行参数投影来达到平动参数估计的方法。对典型弹道目标进行了建模分析,得出了其散射点微动距离表达式。根据雷达信息对目标回波进行预补偿并对预补偿结果进行时频变换,再采用Radon变换对时频曲线进行参数投影,利用熵值法对投影得到的二维平面进行参数提取。利用提取的平动参数对回波进行平动补偿,仿真结果表明了上述方法的准确性。     

基于DPCA和Radon变换的多通道SAR微动目标检测

为实现强杂波噪声条件下SAR微动目标检测,在DPCA信号的距离压缩域提出基于Radon变换和基于时频分析—逆Radon变换的2种微动目标检测方法。在距离压缩域,微动目标回波表现为沿方位向直线,利用Radon变换对直线的聚焦性实现微动目标检测;对DPCA信号作时频分析,微动目标引起的微多普勒频率表现为正弦形式,利用逆Radon变换对正弦曲线的聚焦性实现微动目标检测。通过对比,基于Radon变换的检测方法参数估计性能更好,而基于时频分析—逆Radon变换的检测方法具有更高的检测概率。最后,通过实验仿真验证了所提方法的有效性。     

基于WVD-Radon变换的宽带延展目标回波参数提取

分析了宽带延展目标的时延-时间伸缩效应及其导致的回波信号在时域和频率域的特性;针对LFM信号的时频分布特点,利用WVD和Radon联合变换技术,提取LFM信号在时-频域分布上的特性参数,提出了一种宽带延展目标回波参数提取方法,得到了目标的时延—时间伸缩分布.仿真结果表明,该方法是可行的.     

基于多尺度小波变换的二维图像角点检测技术

提出一种基于多尺度小波变换的二维图像角点检测算法。首先利用二维零交叉边缘检测算子对图像进行边缘提取得到二值边缘图，通过基于边素（边过程）的围线跟踪算法得到图像的边缘围线。对边缘围线的方向曲线进行多尺度小波变换，利用变换结果的局部最大值信息检测和定位出图像角点。仿真结果表明该算法可有效地实现二维图像的角点检测与定位，具有较高的精度     

基于小波Radon变换检测线性调频信号

对信号小波分析的结果进行Radon变换,简称小波Radon变换。通常情况下,线性调频信号小波变换的结果在时间尺度图上呈现曲线的形式,而在时频图上呈现直线的形式。通过Radon变换检测时频平面上的直线,可以精确地得到调频信号的参数。仿真结果表明,小波Radon变换是一种较好的线性调频信号检测方法。     

高分辨率雷达目标一维距离像的编码识别算法

文中提出了一种高分辨率雷达目标一维距离像的识别算法。该算法借用图像处理方法,先对雷达目标的一维距离像进行编码,经过傅里叶变换提取一组形状特征。这组特征精确地描述了一维距离像曲线的走向。而后,利用人工神经网络技术对一定姿态角变化范围内的这组形状特征进行识别。实验结果表明,可以获得良好的识别效果。该算法为雷达目标一维距离像识别算法的实时处理提供了一条有效途径。     

基于姿态角变化的目标体坐标系下雷达视线的研究

考虑目标姿态角对目标跟踪/识别中的雷达RCS值的影响,建立了雷达测量坐标系与目标体坐标系之间的坐标转换模型.将雷达转换为姿态角不断变化的目标体坐标系下一点,研究雷达视线在目标体坐标系下的方位和高低角.利用Matlab对其进行仿真,得出雷达视线方位和高低角随时间变化的曲线,有效验证了坐标转换模型的正确性和重要性.     

一种改进的小波域LFM雷达信号参数估计算法

提出了基于重排小波-Radon变换的线性调频信号的参数估计法。该方法先将小波尺度图转为时频分布图,为提高聚集性引入了时频重排,再将重排图进行Radon变换以进行参数估计。仿真结果表明,该方法有效提高了时频分布图的聚集性,节省了后续Radon变换的时间,同时也抑制了噪声干扰,辨识效果明显提高。     

毫米波主动导引头锥扫测角方法

主动毫米波导引头通过自主发射高频脉冲实现对目标的定位与跟踪,具有良好的抗目标雷达关机性能。圆锥扫描是一种有效的导引头寻的工作体制。借助傅立叶变换方法,从回波中提取出目标雷达相对导引头机械轴的角误差及其初始方位,利用这两个参数就能对导引头轨迹进行实时校正,从而实现对目标的精确瞄准。仿真结果验证了新方法对目标角误差和初始方位的估计性能。     

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。