SAR图像目标峰值特征提取与方位角估计方法研究

目标峰值特征是SAR图像目标识别的重要特征之一。峰值特征提取是SAR图像目标识别的一个重要步骤，为了由SAR图像快速、精确地提取目标峰值特征．本文首先研究了SAR图像目标峰值特征提取方法，提出了一种“子像素”级精度的SAR图像目标峰值特征提取方法．并通过仿真实验分析了峰值位置、峰值幅度的估计精度。由于目标SAR图像或SAR图像特征矢量对目标方位角变化的敏感性，因此，为了提高SAR图像目标识别系统的分类效率，本文还研究了SAR图像目标方位角估计方法，提出了一种利用峰值特征基于线性回归的sAR目标方位角估计方法，和现有方法相比，该方法除了计算速度快，估计精度较高之外，还能在估计方位角的同时，给出该估计的置信区间，从而更好的满足SAR ATR的实际需要。文中通过对大量实测MSTAR SAR图像目标方位角的估计实验，验证了本文目标峰值特征提取及方位角估计方法的有效性。     

基于全局—局部特征联合的光学卫星遥感图像舰船目标细粒度识别

针对光学遥感图像舰船目标类间差异小,需要丰富舰船目标的特征表示能力提高其细粒度识别准确率的问题,文章提出了一种基于全局—局部特征联合的舰船目标细粒度识别方法,设计了双分支特征提取与融合模型。首先,全局特征提取分支通过卷积神经网络提取图像的全局特征;其次,局部特征增强分支将浅层特征图打乱并重构,加入对抗性损失函数,训练网络识别局部重点区域特征的能力,提取目标局部特征;最后,将全局特征和局部特征进行融合,利用全连接层对特征进行降维处理去除冗余信息,增加鲁棒性,并利用融合特征完成分类任务。实验表明,该方法可以兼顾全局特征和局部特征,在FGSC-23舰船目标数据集上准确率达到86.36%,优于其他方法。     

基于星座图恢复的PSK信号调制方式盲识别

针对非协作通信条件下PSK信号识别问题,提出了一种基于星座图恢复的MPSK/MDPSK信号调制方式盲识别系统.该系统不需要信号任何先验信息,星座图恢复所需的参数如载波频率、符号速率、位定时信息均从接收序列中估计得到,同时,在系统中采用相位差分的方法以消除由载波估计偏差引起的星座图扩散.提出并定义信号隶属度函数,该函数利用星座图盲聚类得到的聚类中心的数目计算隶属度来实现MPSK和MDPSK信号调制方式识别.仿真表明,在AWGN信道条件下,当SNR＞11dB时,对所有信号的识别率大于90%,对于BPSK、4PSK信号在SNR＞6dB时识别率达到100%,证明了该算法的有效性.     

一种新的SMC-PHD滤波的多目标状态估计方法

针对现有的应用于多目标跟踪概率假设密度粒子滤波器的目标状态估计方法不能很好地解决目标密度较高情况下的多目标状态估计问题,提出了一种新的基于粒子标签的多目标状态估计方法。该方法利用附加在每个粒子上的身份标签将粒子分为不同的粒子群,粒子群的个数与概率假设密度粒子滤波器的目标估计个数相同。随后根据粒子与最近量测的似然函数估计目标的运动状态,使得粒子概率假设密度滤波器在目标密集的情况下仍能准确地估计出目标状态。仿真试验表明,论文所提方法在目标密度较大情况下能够较好地估计出多目标状态,并提高了目标关联的准确性。     

基于HOSVD局部重组的利噪抑噪经验模式分解及应用

及时准确地识别航天机构萌生和发展的损伤故障特征信息,可为机构故障诊断评估、科学任务调整以及未来在轨维修提供科学决策依据。集成噪声重构经验模式分解(ENEMD)及其衍生方法都是基于噪声利用机制以原信号中估计噪声改善模式混淆并实现信号降噪。然而,该方法中奇异值拐点难以获取、阈值处理中噪声不连续等带来的噪声估计偏差,将降低微弱特征提取准确性。为此,提出一种基于高阶奇异值分解(HOSVD)局部重组的噪声估计技术。研究基于滑动窗截断和Hankel矩阵相结合的张量构建,然后将奇异值曲率谱上的最大峰值点作为合理奇异阶,最后根据选取的奇异阶重构张量分解模型得到所需的估计噪声分量。在此基础上,将HOSVD局部重组引入ENEMD方法中,提出利噪抑噪经验模式分解方法。该方法可进一步提高微弱噪声估计精确度,实现对航天机构损伤微弱特征的增强提取。仿真分析和某航天轴承试验案例验证了该方法在损伤微弱特征提取和识别上具有实用性与有效性。     

一种空间邻近目标红外多传感器立体分辨方法

空间邻近目标在红外像平面的成像因相互交叠而形成簇状像斑,对红外传感器的信号处理提出了分辨的要求。为实现对空间邻近目标的立体跟踪定位,提出基于量子粒子群优化的空间邻近目标红外多传感器立体分辨方法。在对目标像平面成像建模基础上,构建基于最小二乘准则的空间邻近目标立体分辨目标函数,针对目标函数的高维非线性特点,以QP-SO解决目标函数优化问题,估计目标空间位置。仿真结果表明:相比于传统的先单传感器像平面分辨后多传感器视线交叉定位方法,此法具有更优的目标位置估计精度、辐射强度估计精度和目标个数估计正确率。     

空间自旋目标平动补偿与微动特征提取方法

针对空间自旋目标平动补偿与微动(m-D)特征提取问题，提出一种基于延时共轭相乘和微动分解的平动补偿与特征提取方法。该方法通过延时共轭相乘处理实现目标加速度估计，然后构建冗余的微动原子集，对加速度补偿后信号进行微动分解补偿，通过搜索补偿信号的最大谱峰获取目标的微动特征与速度信息。仿真试验表明,所提方法能够有效估计空间自旋目标的运动参数，并快速提取其微动特征。     

基于双谱综合特征提取的距离-速度同步拖引干扰识别方法研究

为有效对抗距离-速度同步拖引(R-VGPO)欺骗干扰,提出了一种综合的双谱特征提取方法用于识别真实目标回波信号和欺骗干扰。建立了拖引干扰信号模型,基于双谱分析良好的抗噪性能,分别对真实回波信号和欺骗干扰作双谱变换。根据双谱估计的结果,用围线积分双谱与辅对角积分双谱提取特征作为一次特征向量;为降低特征维数并消除交叉项干扰,用信息熵和基于Fisher准则的特征选择方法进行二次特征提取,建立特征数适中的综合特征参数集,在保留最具区分度的特征向量的同时,避免信息损失,突出优秀特征值的作用。仿真结果表明:与基于特征选择和基于熵的单一特征提取方法相比,提出的双谱综合特征提取方法可获得更高的识别准确率和更好的抗噪性能,能有效对抗距离-速度同步拖引欺骗干扰。     

开放世界下的雷达辐射源融合识别算法研究

针对开放世界下雷达辐射源目标库不完备的现状,对开放世界下雷达辐射源识别的信息融合模型进行了研究。建立了不同类型雷达特征参数的模糊隶属度函数,采用待测样本与模型样本匹配的方法生成广义概率指派函数,并采用修正的广义证据理论算法融合多参数信息获取识别结果。实验数据表明:该模型能在雷达辐射源目标库不完备的情况下,识别已知目标和判别未知目标,判别结果相对基于经典D-S证据理论和原始广义证据理论的融合识别方法更加可靠、有效,在雷达识别的场景中具有潜在应用价值。     

基于测量数据积累的弱目标检测前跟踪算法

检测前跟踪(TBD)算法是一种有效的弱目标联合检测与跟踪方法。当目标强度参数未知时,基于点目标假设的主流TBD算法通常将其建模为增广目标状态变量,在贝叶斯框架下联合估计目标运动状态与强度信息。本文研究发现强度参数估计精度受限于点扩散函数(PSF)的设置,提出了一种基于测量数据积累的弱目标TBD算法。该方法利用目标的航迹,积累多帧间目标占据分辨单元的测量数据,在实现弱目标的联合检测与跟踪的同时,对目标强度参数完成准确估计,为后续目标分类或识别提供有用的目标强度信息。仿真结果表明:在低信噪比条件下,所提算法的强度参数估计精度和稳健性优于主流TBD算法,并最终收敛于参数完全已知时的最优联合检测与跟踪结果。     

一种自旋稳定卫星姿态传感器数据异常的诊断方法

针对自旋稳定卫星遥测数据异常时,故障类型和故障源难于辨识的问题,提出一种数据驱动的故障诊断新思路.该方法提出将卫星姿态与传感器之间固有冗余关系是否保持作为判断故障类型的依据,并利用主成分分析把这种关系通过测量空间的特征值进行量化,监测特征值之间相应比例的变化实施判定;借助正交子空间的结构分析,选择SPE统计量进行故障检测和故障源的定位.在遥测数据的基础上模拟风云某型气象卫星的不同故障模式,并应用本文方法进行分析,结果表明,该方法克服了传统贡献图方法无法判别故障类型的缺点,可以实现对故障的正确诊断.     

多径信道下OFDM信号和单载波信号的盲识别

针对非协作通信条件下OFDM(正交频分复用)信号和单载波调制信号的类间识别问题,提出一种在多径信道下基于信号循环自相关的调制识别算法。该算法不需要信号和噪声的先验知识,可以直接对中频信号进行处理,具有较强的实用性。通过对信号循环自相关函数进行分析,仅需进行时域的延时自相关运算和特定延时下的循环自相关运算,就可以从频域提取特征值来实现OFDM信号和单载波信号的盲识别。在估计OFDM信号周期时,提出一种基于极大值抽取的延时估计算法,能在多径衰落信道中不需要先验信息的情况下完成估计。仿真表明,本文提出算法的识别性能优于传统的四阶累积量算法。     

基于最小距离法的遥感图像分类

本文在ENVI遥感图像分析软件环境下,利用最小距离法对遥感图像进行了有监督分类。仿真实验通过对遥感图像中地物目标的光谱信息和空间信息进行分析及特征提取,利用判别函数计算到中心的距离,解读遥感图像,并对分类结果进行定量评估。实验结果表明用最小距离法来分析遥感图像可以获得较高精确度。     

基于聚类的航天器多余物粒径特征识别方法

针对焊锡粒多余物粒径特征识别过程中,粒径区分度不足和粒径特征参数类间交叉对分类准确率的不利影响,提出基于聚类的高精密航天器多余物粒径特征识别方法.从信号时域与频域分析技术出发,选取多个特征参数构建多余物粒径初始特征参数向量;采用Fisher比量化各个特征参数对粒径的区分能力并削除贡献率较低的特征参数,从而构建最终多余物...     

Fault detection,identification and reconstruction for gyroscope in satellite based on independent component analysis

Although satellites are designed with high reliability, faults do occur when satellites are in orbit. To avoid the important services being affected, redundancy is used in satellites. There are many sensors in satellites. In order to reduce the cost, space, weight and power consumption, redundant sensors should be added to satellite as few as possible. Analytical redundancy is an efficient way to optimize the application of redundant. The gyroscope is the attitude determination sensor of the satellite. The minimum redundant structure of the gyroscope system is as follows: three gyroscopes installed in three-axis orthogonally and one gyroscope installed with slantwise for redundancy(3o+1S).To achieve fault detection, identification and reconstruction, hypothesis of statistical independence between the three-axis angular rates and hypothesis of statistical independence between the angular rates and fault are proposed. The scenario that only one sensor is faulting and there are only additive fault and full fault is supposed. Under these assumptions, firstly a threshold method is used for fault detection. After a fault is detected, independent component analysis (ICA) based algorithm for fault identification is employed. To overcome the ambiguities of ICA, correlation coefficients and prior information of the mixed matrix are used. Finally, the reconstruction matrix is obtained. By using this matrix fault signal is extracted so that the yaw, roll and pitch axes (three-axis) angular rates of the satellite can be recovered. Numerical simulations show this method can fulfill fault detection, identification and reconstruction of the gyroscope system.     

一种三维地形特征提取和匹配方法

针对行星漫游器地形相关导航中的地形匹配问题，提出一套三维地形特征提取匹配方法。该方法通过特征邻域散布矩阵特征值检测凸起和凹陷地形，以特征间距离和方向为元素构成三维特征描述集合，并引入集合相似理论判别特征是否匹配。由于采用特征之间的相对位置关系描述特征，从而提高了稀疏三维点云条件下地形特征的显著性。仿真结果表明，对于激光雷达（LiDAR）获取的三维地形数据，所提方法在特征重复检出率和正确匹配率方面优于现有方法，能够满足行星漫游器导航对地形匹配的要求。     

基于双时相遥感影像差异信息的深度学习滑坡检测

目前利用高分辨率卫星影像进行滑坡等地质灾害识别逐渐成为研究热点,滑坡目视解译依赖于解译人员的经验,耗时费力且提取精度低,而传统的滑坡自动识别方法易将滑坡和道路、裸地、建筑等多种具有相似光谱信息的地物混淆。针对以上问题,文章使用一种双时相高分辨率卫星影像差异信息的深度学习滑坡检测算法,获取时序影像各个波段和归一化植被指数（Normalized Difference Vegetation Index,NDVI）的差异影像作为深度学习的输入特征。为充分挖掘滑坡前后影像多种信息差异特征,采用了U-net网络模型耦合空洞空间金字塔池化和嵌入注意力机制模块相结合进行滑坡特征提取的方法,该方法增强了滑坡边界信息的保存,能够有效地提取滑坡边界信息和发生剧烈变化的区域。利用上述方法对恩施市和九寨沟进行了滑坡检测,实验结果显示,所取得的综合评价指标值（F1-Score）分别为88.4%和90.53%,误差较小、精度较高。表明该方法能够准确检测出高分卫星数据的滑坡边界,且能保持滑坡的完整性。     

基于时频原子方法的雷达辐射源个体识别

针对雷达辐射源个体识别问题,提出一种时频原子分解的特征提取方法.该方法针对主振放大式发射机,首先根据锁相环频率合成器相位噪声的功率谱,模拟含有特定相位噪声的辐射源信号.然后基于时频原子分解原理并采用膜算法将带有相位噪声的辐射源信号在正弦原子库中进行一次分解.最后利用分解后的原子提取出正弦原子能量特征和原子频率偏差特征,...     

复杂电磁环境下雷达目标距离像识别效果评估

分析了战场电磁环境复杂性及其对雷达目标高分辨距离像特征提取和目标识别影响,分别以距离像失真和识别率为度量标准,通过对比特征提取和目标识别效果,提出了一种复杂电磁环境下雷达目标距离像识别效能评估方法,并进行了仿真计算。     

一种用于空间群目标分辨的滑动窗轨迹跟踪算法

针对大多数现有的微多普勒分析理论难以解决空间群目标的监测与识别问题,本文提出一种基于提取目标运动特征的弹道中段群目标分辨方法。首先建立了多个具有滑动散射中心的旋转对称目标模型并得到其m-D曲线,在此基础上,利用形态学图像处理方法抑制一维距离像旁瓣,然后提出了一种滑动窗轨迹跟踪的方法分离出各散射点相互交叉的m-D曲线,再对分离结果进行经验模式分解(Empirical-Mode Decomposition, EMD),最后通过提取能够反映目标运动特征的固有模态函数(Intrinsic Mode Function ,IMF),实现了群目标分辨。仿真实验校验了所提方法的可行性和鲁棒性。