基于RCS序列的空间目标分类识别方法

结合三轴稳定卫星、自旋稳定卫星、翻滚目标和空间碎片的运动特征,依据强散射中心理论分别建立这四类空间目标的电磁散射模型,通过计算机仿真得到其RCS序列仿真值.针对这四类空间目标的RCS序列特点,提出了一种三轴稳定卫星与空间碎片的判别方法和利用RCS的周期性对空间目标分类识别算法,计算机仿真实验验证了算法的有效性.     

雷达目标高分辨距离像的特征提取及识别方法

本文首先应用ＴＬＳ－ＥＳＰＲＩＴ算法提取光学区高分辨雷达目标散射中心位置信息,并提出了“基于散射中心位置的相关匹配”目标识别算法,而后,证明了该算法相关匹配系数与所选择的基底无关以及算法的稳定性问题。最后,给出了五种飞机缩比模型的实验结果。     

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.     

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3DS的ISAR二维散射点模型仿真

当前,对ISAR成像和目标识别的研究很多,但用于ISAR成像和目标识别的目标模型大都相对简单.建立一种新的ISAR二维散射点模型,生成目标各种姿态的二维散射点数据库.首先选用3DS为散射点生成模型,以此为基础完成模型简化和信息抽取.然后根据目标姿态变化,计算转换坐标,并以F16战斗机为例生成二维散射点图像.最后采用步进频雷达信号对目标散射点模型进行ISAR成像.所建立的目标二维散射点模型可以用于ISAR成像和目标识别研究.     

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.     

ISAR雷达欺骗式干扰信号生成算法

宽带ISAR雷达能够从目标回波中计算得出众多目标特征,对ISAR雷达的干扰信号必须高逼真地模拟目标的电磁散射特性和运动特性。从弹头目标电磁散射机理出发,分析了干扰信号生成流程,提出二维成像干扰的实现方案。针对虚假目标特性模拟问题,提出基于一维距离像模板合成欺骗干扰信号的算法。算法采用距离像模板与实际宽带ISAR信号的卷积调制处理,生成的干扰信号能较好地反映目标的电磁特性。通过多个脉冲的模拟,生成的干扰信号也能够准确反映目标的运动特性。仿真实验对暗室测量数据和HRRP模板数据进行成像效果对比,验证了算法的有效性。该算法对二维成像干扰机的工程设计具有指导意义。     

单脉冲雷达四通道联合的高分辨测角新方法北大核心

常规单脉冲雷达具有方位、俯仰二维角度的测量能力,其角度分辨力取决于天线波束宽度,对主波束宽度内的双/多目标不具备分辨能力。为了提高传统单脉冲雷达测角分辨能力,提出一种新的单脉冲雷达系统结构,巧妙的提取和利用了雷达对角线差通道的接收信号;提出了一种四通道联合单脉冲测角新方法,一次脉冲测量即可同时获得主波束范围内2个目标的二维角度信息,显著提高单脉冲雷达的角度分辨能力。该算法简单便于工程实现,并且在不同信噪比和2目标回波功率比条件下都具有很好的稳定性。最后,通过仿真分析验证了方法的有效性。     

基于统计特性的舰船一维距离像方位角分帧方法

舰船目标一维距离像的方位敏感性是利用一维距离像开展雷达目标识别的难点问题。针对该问题,首先根据舰船目标一维成像的机理和特点,分析并验证了舰船目标一维距离像复高斯分布的统计特性;然后,在此基础上利用K-S假设检验对距离像方位角进行自适应分帧,使得每帧的距离像数据符合同一复高斯分布,而帧帧之间的数据符合不同分布;最后,针对分帧后距离像数据的统计分布,利用Bayes分类器进行5类舰船目标识别实验。实验结果表明:自适应分帧算法不仅提高了舰船目标的识别率,还能显著降低识别运算量和存储量。     

单脉冲雷达四通道联合的高分辨测角新方法

常规单脉冲雷达具有方位、俯仰二维角度的测量能力,其角度分辨力取决于天线波束宽度,对主波束宽度内的双/多目标不具备分辨能力。为了提高传统单脉冲雷达测角分辨能力,提出一种新的单脉冲雷达系统结构,巧妙的提取和利用了雷达对角线差通道的接收信号;提出了一种四通道联合单脉冲测角新方法,一次脉冲测量即可同时获得主波束范围内2个目标的二维角度信息,显著提高单脉冲雷达的角度分辨能力。该算法简单便于工程实现,并且在不同信噪比和2目标回波功率比条件下都具有很好的稳定性。最后,通过仿真分析验证了方法的有效性。     

雷达空间目标识别技术综述

随着人类航天活动的增加,对于卫星和碎片等空间目标进行监视变得非常重要。为了实现空间监视任务,对空间目标进行识别是非常必要的。对空间目标的轨道特性与动力学特性进行了介绍,对雷达空间目标识别技术的研究现状和发展趋势进行了详细的综述。     

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。     

基于多分辨分析的雷达目标识别方法

针对宽带高距离分辨率雷达的工作体制,提出了一种基于多分辨分析和信息综合的目标识别算法。目标特征由小波变换在相邻分辨率上的能量之比的对数构成。利用多分辨分析,将目标特征分解为反映目标结构概貌的低通特征和刻画目标结构细节的高通特征。利用辐射基函数神经网络分别对目标的低通特征和高通特征进行识别判决,然后将基于目标的低通特征和高通特征的判决信息进行综合,得到最终的识别结果     

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。     

基于LBP-PCA的多传感器目标识别算法

为了更加有效地提高多传感器图像融合后的识别率,提出一种基于LBP-PCA的多传感器目标识别算法。首先分别对红外和可见光图像进行预处理用以突显出要识别的目标,采用LBP算法提取目标的特征点向量,利用PCA算法进行特征融合,得到降维后的融合特征,最后利用SVM(支持向量机)进行分类和识别。实验仿真结果表明多传感器目标经过LBP-PCA融合后在保持足够数量的有效信息基础上降低了特征的维数,有效地提高了目标识别率。     

频率步进雷达距离旁瓣抑制自适应脉冲压缩算法

在频率步进雷达中,通常使用逆快速傅里叶变换方法进行高分辨成像。由于逆快速傅里叶变换的距离旁瓣高,有可能造成强散射点旁瓣掩盖附近弱散射点或者弱小目标情况,限制了其在强杂波环境下的使用。为了抑制高距离旁瓣,近年来提出一种基于最小均方误差准则的自适应脉冲压缩方法。基于自适应脉冲压缩算法原理,推导了频率步进雷达距离旁瓣抑制算法。针对静止和运动目标场景,分析自适应脉冲压缩算法的旁瓣抑制性能。仿真结果表明,与逆快速傅里叶变换和加窗逆快速傅里叶变换处理比较,自适应脉冲压缩算法具有更好的旁瓣抑制效果,能够更好地检测强散射点附近的弱散射点或者弱小目标。     

基于极化分解的目标识别方法研究

在全极化、高距离分辨力雷达体制背景下，研究了光学区雷达目标极化特性。利用极化分解将复杂目标分解为三个简单目标， 并提取描述三目标关系的特征参数对四类军用飞机目标进行了识别实验研究， 获得了良好的目标分类识别效果。     

激光成像雷达空间目标探测与识别技术

研究了激光三维成像雷达在动能拦截器空间目标探测与识别方面的应用。首先介绍了激光3D成像雷达系统基本原理,然后设计了激光3D成像雷达目标识别的工作流程,最后提出了基于旋转图像转换的3D目标识别算法。进一步探索了红外+LADAR主被动复合光学成像导引头在空天防御拦截武器目标探测与识别的应用,分析了复合光学导引头的关键技术,给出了相应的成像结果。     

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。