基于统计特征的稳健的飞机识别

给出了一种用于稳健的高距离分辨率（HRR）雷达飞机识别（ID）的基于统计特征（StaF)的分类器，HRR波形峰特征在飞行中选择，没有对特征的数目与位置作出先验假设。所抽取的特征取决于所观测的波形（使特征的数目、位置与幅度为随机变量）的信息内涵，这项研究的主要目的是通过保持对已知目标的高识别率同时又使未知目标错误最小来提高分类的稳健性。文中给出了识别结果，表明这种统计特征（StaF)分类器可以显著地降低与未知目标相关的误差，同时保持很高的正确分类概率。     

基于局部特征核主成分分析的SAR图像识别方法

利用传统的核主成分分析方法识别SAR图像时,存在目标姿态角依赖性强、图像象素之间关联性差等问题。针对这些问题,提出一种基于局部特征核主成分分析的SAR图像识别方法。该方法首先对图像进行相关预处理,然后结合SAR图像的特点提出一种基于局部特征核主成分分析的特征提取方法,最后设计了一种双分类器对提取的特征进行分类。MSTAR仿真实验表明：该方法不仅可以增强图像象素之间的相关性,而且对目标姿态角不存在依赖性,仿真结果验证了方法的有效性和可行性。
     

采用矢量量化法压缩SAR图像

介绍了一种对具有丰富信息的图像进行的编码的简单、精致算法，该算法易于对不同的目标编码，利用目标类与背景不同的目标空间研究了用于压缩合成孔径雷达（SAR）图像的目标空间编码方法。研究了编译背景信息的变速残差矢量量化（VQ）算法。试验结果表明，该算法非常有效，所提出的编码方法可使压缩与图像的最终应用相匹配，因此，该编码方法是目标识别与目标分类的方法。     

合成孔径雷达图像中目标的统计特性

本文讨论了合成孔径雷达（SAR）图像中目标的统计特性，并验证了如何利用这一特性进行自动SAR目标分类及识别。文中介绍了一种用于估计目标雷达横截面积的目标平滑算法，这种算法可以与适当的噪声模式相结合以针对给定的成像构造产生多个目标，这就允许对目标特性进行统计分析，用于改进基于特征的分类，并通过对真实目标进行简单的分类实验进行了验证。     

匹配子空间STAP的空时自回归滤波

实用的空时自适应处理（STAP）算法取决于降维处理，采用了诸如主要分量或部分自适应滤波器的技术。降维不仅可以减轻计算量，还能减少估算干扰统计所需的采样。这样的结果源于假设杂波方差具有特定（非参数）结构。我们验证了如何将参数结构加在杂波和干扰上，以进一步减少计算和二次采样。这个方法称为空时自回归（STAR）滤波，它采用了两个步骤：首先，构造一个结构子空间，该子空间正交于有杂波和干扰驻留的结构子空间，其次，用与该子空间匹配的检测器可确定是否有目标存在。我们采用圆形阵STAP的实际仿真数据组，证实了该方法能够显著地降低信号-干扰与杂波比（SINR）的损耗，且计算量小于其它常用算法。在低2次采样情况下该STAR算法同样能取得很好的性能，这个特点对非平稳杂波的状况更有吸引力。     

基于GEE的廊坊城区黑臭水体的遥感监测

本文利用GEE(Google Earth Engine)平台中的多源遥感数据与随机森林分类器对廊坊城区黑臭水体进行了提取。研究结果表明：（1）光学遥感数据中的红光、绿光和蓝光波段可以准确反映水色信息,而雷达后续散射数据可以在一定程度上反映污水表面的几何信息,融合光学与微波的多源遥感特征可以更加准确地的提取黑臭水体信息。（2）随机森林分类器的训练精度达到96.7%,分类精度达到了93.7%,可以基本满足对城市黑臭水体监测的要求。（3）在非黑臭水体的岸边、干涸区域、桥梁等会出现分类错误,这些分类错误是由多源遥感数据的在黑臭和非黑臭水体属性特征空间上的重叠造成的,加大样本点的数量与更多特征属性的选择将有助于提高这部分区域的分类精度。（4）免费的数据与算法可以为环保相关部门低成本定期监测城区黑臭水体提供切实可行、廉价的解决方案。     

中段目标高分辨距离像姿态敏感性影响度量方法

高分辨距离像（HRRP）存在散射中心模型改变、越距离单元走动、闪烁现象三个方面的姿态敏感性,同时影响距离像预处理、特征选择、模板生成等方面。为了区分不同姿态敏感性对距离像识别的影响,从而研究针对性的解决办法,首先在识别理论框架下,建立了“HRRP姿态敏感性影响水平统计模型”作为姿态敏感性对目标识别性能影响的定量分析工具。其次,针对弹道中段目标识别问题,定量分析了中段目标HRRP的姿态敏感性。暗室实测数据表明,闪烁现象与越距离单元走动对HRRP识别的影响程度相近。最后,通过比较聚类模板生成算法和邻近姿态角模板生成算法,验证了基于姿态敏感性影响水平分析方法的有效性。此分析方法对于弹道中段目标识别具有一定的参考价值。     

一种红外成像引信中的飞机姿态识别方法

红外成像引信可以获得飞机的由完整到局部的一系列动态红外图像，飞机姿态识别对基于导引头信息利用的成像引信确定瞄准点具有非常重要的意义。文中分析了高速交会情况下飞机目标的运动特性，提出了一种飞机姿态识别方法，通过利用遗传算法确定像平面上飞机图像的旋转情况和机头位置，利用测距装置提供的距离信息、飞机图像的长度及红外探测器的系统参数确定飞机的俯仰情况，并利用弹目交会过程中机轴方位角和高低角的不变性重建局部成像跟踪情况下的空间机轴，最后实现了成像引信局部成像跟踪过程中飞机飞行姿态的识别。     

机载雷达的多个分辨率信号处理技术

合成孔径雷达（SAR）利用通过时间积累和自身的运动所获得的很高空间分辨率，可以降低某一给定分辨单元中的背景杂波功率，从而探测出非运动目标。而地面动目标显示（GMTI）雷达为了探测则采用低得多的分辨处理，利用的是实际孔径与动目标和杂波之间的空．时响应的相对差别。因此，SAR和GMTI代表了两种不同的时间处理分辨尺度，它们对探测固定（在SAR情况下）或者外围杂波中的（在GMTI情况下）目标来说是最佳的，并已经单独验证过，能够很好地工作。基于机载雷达数据处理的这种多个分辨率说明，就有可能研究出一种探测技术，该技术将着手优化信号处理分辨尺度（比如时间积累的长度）来与所关注目标的动态情况相匹配。本文研究怎样利用长相参处理时间间隔（CPI）的信号处理技术来改善GMTI雷达的探测性能。     

边界片段模板方法在空间探测识别中的应用

以对具有复杂边缘的空间目标进行准确的检测识别为目的,提出一种基于边界片段模板(BoundaryFragment Model)训练模式的空间目标识别方法.方法的步骤是:首先从训练集中提取目标的边界片段组成弱分类器;然后使用Adaboost算法将它们提升训练成为强分类器;对方法进行旋转、尺度、视点的不变性增强;最后将训练好的强分类器模板应用到待识别图像上,进行目标的检测识别.实验结果表明,本方法对带有各种旋转,尺度,以及视点变化的具有复杂边缘空间有形目标具有较好的识别效果.     

用自适应INS、单脉冲MUSIC和STAR（AIMS）进行目标瞄准

利用目标信号估计目标角度会受到主波束干扰的影响，解决该问题的一个办法就是综合多个传感器的数据。自适应单脉冲多信号分类（MUSIC）算法可以在干扰中区辨出目标方位角估值和俯仰角估或真实频谱。但在进行目标识别和分类时，仅依靠这种算法不能得到理想的误差概率。通过综合综合导航系统（INS）和单脉冲雷达的方位与俯仰信号，能提高精确检测目标位置的概率。设计AIMS算的目的是进行目标瞄准，并综合自适应INS系统、四孔径单脉冲雷达和空时自适应信号处理器的信号。自适应INS系统不断测量地基目标的位置变化；四孔径单脉冲雷达用MUSIC算法自适应地降低主波束干扰，实现可靠的角度估计；空时自适应处理机（STAP）则将目标从杂波中分离出来。结果表明，AIMS算法有效地综合了传感器数据。并提出了识别正确目标信息的效率。     

基于CNN-BiGRU的空间目标RCS异常检测方法

针对相控阵雷达获取单个空间目标RCS数据率低、传统姿态异常检测方法提取短RCS序列有效特征困难、检测准确率低的问题,提出了一种基于CNN-BiGRU网络的RCS异常检测方法。首先利用滑动窗口对一段时间空间目标RCS实时数据进行积累;之后采用一维CNN提取不同检测窗口RCS序列的多尺度高维特征向量,采用BiGRU提取特征向量的时序依赖特征。通过将两个网络级联,实现对RCS随目标姿态变化的多元特征信息的有效提取;最后基于全连接层实现对目标异常RCS序列的分类与识别。仿真实验结果表明：相较于传统方法,所提方法检测准确率更高,抗噪声干扰能力更强。实测实验结果表明：利用仿真数据训练的模型针对不同源的实测数据,在低数据率条件下能够保持较高的检测准确度,所提方法具有较好的泛化性,更适用于相控阵雷达体制下RCS的异常检测。     

密切关联的高距离分辨率自动目标识别与动目标显示跟踪系统的多模型估计器

本项研究的目的是利用采用高距离分辨率雷达（HRRR）与动目标显示测量的跟踪与自动目标识别系统之间的关联性。正如下文将要提到，这些系统是通过姿势、运动状态以及联贯约束关联起来的。利用这些关联性可使一个紧密关联的系统的性能大为提高。这一问题涉及两类不同类型的空间，即连续的运动学空间（如位置与速度），与离散的目标类型空间。我们选用多模型估计器（MME）来解决这一问题。MME由一组扩展卡尔曼滤波器组成（每一个目标类型配备一个滤波器）。采用这些扩展卡尔曼波滤器来处理连续的运动学空间的数据。此外，还要计算出每一个卡尔曼滤波器的概率并利用来测定对应的离散空间目标概率。本文给出的实验结果表明其性能优于常规的方法。     

最佳STAP的FFT共轭梯度法

提出了一种解决最佳空时自适应处理问题的快速共轭梯度迭代算法。可以用FFT实现该方法，办法是利用具有干扰协方差矩阵托普利兹块（BTTB）结构的块托普利兹矩阵。因此与对矩阵求逆的方法相比显著降低了计算的复杂性。为了说明上述方法的有效性，本文给出了计算机仿真结果。     

地基光学图像中本体-帆板结构航天器姿态估计方法

提出一种利用地基光学图像估计空间目标姿态的方法。针对本体-帆板结构航天器外形结构特点，定义了一种不易遮挡的两轴结构特征，设计了地基光学图像中该特征的提取方法；根据航天器成像过程建立了特征点二三维几何投影方程，实现了航天器三维姿态的解算。利用单站序列图像，可获得航天器姿态变化角速度信息。在轨航天器的试验结果表明，本方法能有效地从地基光学图像估计出航天器姿态。     

锥体目标空间进动特性分析及其参数提取

空间进动是弹道导弹中段飞行过程中锥体目标特有的运动特性，本文首先建立了锥体目标空间进动数学模型，给出了姿态角与空间进动参数的关系式，并利用进动参数获取了反映目标质量分布特性的惯量比。然后通过对目标RCS回波数据进行多项式拟合，估计进动参数，以此为雷达目标识别提供新的技术思路。仿真实验结果表明本文提出的算法能够有效估计出目标的进动角。     

通过扩展分区特征改善SAR目标检测

本文对利用扩展区分（EF）特征来改善合成孔径雷达（SAR）自动目标识别（ATR）系统观注目标聚焦（FOA）阶段处理的有效性进行了评估。不象传统的SAR检测特征仅能在对比度基础上将图像像素从背景中区分开，EF特征对物体的对比度和尺寸都敏感，EF特征算法便于实现，并已证实有着类似CFAR（恒虎警率）性质的新特征，我们使用这个新特征，通过两个数据库提供的SAR图像，对几种不同检测方法进行了测试，验证新方法对性能有所改善。     

空间拦截智能自适应变结构导引规律研究

结合空间拦截的精确末制导问题，本文介绍了一种对目标机动和参数摄动具有鲁棒性的自适应结构制导律（ＡＶＳＧ）。在此基础上，我们研究了一种智能自适应变结构制方法（ＩＡＶＳＧ）。此方法精略地估计出目标法向加速度的强度，并以此为依据自主地调整ＡＶＳＧ中变结构项的强度，这样，既可以消除视线角速度的抖动，又可以保证制导精度，仿真结果证明了ＩＡＶＳＧ的有效性。     

基于颜色识别的自由飞行空间机器人姿态实时跟踪方法

自由飞行空间机器人是当前智能机器人研究中很活跃的领域，为了研究机器人在自由飞行状态下的运动控制及姿态规划问题，我们设计了地面实验平台，该系统的视觉部分主要完成机器人姿态跟踪及捕获目标的识别定位，为了达到实时跟踪的目的我们采用了基于颜色的识别定位方案。这种方法计算简单，快速，且易于实现。     

采一维高距离高分辨率雷达的时间紧要运动目标自动目标识别

由于聚焦运动目标本身的困难给运动目标合成孔径雷达（SAR）成像和自动目标识别（ATR）带来了严峻的挑战。因此，运动目标的自动目标识别（ATR）最近引起了人们极大的关注。距离高分辨率（HRR）雷达模式通过多普勒波滤和杂波抑制形式显著地提高了目标与（杂波加噪声）（T／（C＋N））比的聚焦HRR轮廓像，提供了一条运动目标识别的途径。HRR和ATR的目的是实现并评估推广的工作条件下表现出稳健性的算法。采用了运动与静止目标捕获和识别（MSTAR）数据库的子集对基于模板的一维ATR研究了设计和性能。由于不能得到具有充分的统计意义的地面运动目标数据库，在仅采用距离维图像识别目标时，采用这种方法作为评估地面目标的可区辨性的间隔性中间步骤。本文概括数据、算法、性能结果并提出了建议。