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     

一种有效的神经网络检测器

本文提出了一种有效的神经网络检测方法。该方法通过高效的自组织学习过程,使该神经网络对各种噪声或杂波分布能够快速准确地建模,最终能使在各种噪声分布条件下检测效果均逼近最佳检测器的性能。实验结果验明了该方法的有效性     

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LDA算法的一维距离像特征提取

在线性分辨分析(LDA)基础上,通过遗传算法寻找Fisher准则下最优的线性映射中心和相应的最优映射,使不同模式在特征空间内具有最大的可分离性,并将该算法用于雷达目标一维距离像特征提取与识别中。实验表明,和原算法相比,新算法在特征提取性能和目标正确识别率上有较大提高,说明了算法的有效性。     

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。     

基于本征极化的飞机目标识别

提出了变质极化散射矩阵对称性的最小Ｆｒｏｂｅｎｉｕｓ范数准则修正方法,并在此基础上利用本征极化理论提取了雷达目标的极化特征,对五种飞机目标进行了识别实验研究,取得了良好的目标分类或识别效果。     

一种用AR模型参数自适应检测瞬态信号的新方法

本文研究AR 模型参数特征用于瞬态信号自适应检测的问题。本文依据AR 模型参数矢量长度为特征检测信号的思思,提出了一种具有良好地自适应抑制噪声扰动的参数估计方法,弥补了LS、SVDT 方法的不足。理论分析和实验结果均表明,本文的方法具有很好的AR 模型参数估计和瞬态信号检测性能。     

基于时频分析的飞机目标识别

本文利用小波变换对五种飞机目标的雷达回波进行时频分析,得到了回波信号的时频分布图。全面清楚地描述了目标的散射特性。文中通过提取时频分布图的矩特征作为目标特征量,对五种飞机的目标作了识别实验,取得了良好的识别效果     

基于高分辨雷达的杂波分布模型

高分辨力雷达体制下,杂波散斑分量与调制分量更适合用广义Gamma分布模型描述,在此基础上,建立了广义复合杂波模型表达式,随后研究了在热噪声情况下的广义杂波分布模型;然后通过对模型选取特定参数,得到了广义K分布表达式,同时分析了取不同参数广义K分布时与经典杂波概率分布的联系;最后研究了上述有关杂波模型的统计特性,进而得到了参数估计的基本方法.进行了仿真实验,验证了结论.