复杂环境下少样本域自适应雷达RD智能识别技术

针对复杂电磁环境下，传统基于雷达回波的目标识别方法定位精度差和识别能力不足的问题，以典型海背景环境下的雷达时频二维像目标为研究对象，提出了复杂环境下少样本域自适应雷达智能RD识别技术，通过设计基于分离注意力的偏移区间配准目标识别算法架构，实现了对目标的精确定位和识别，同时设计了域自适应技术对源域和目标域进行特征配准，解决少样本条件下算法场景适应性不足的问题。通过在雷达回波仿真数据和真实数据上对算法测试验证，取得了较优的结果，证明了该算法的有效性。     

一种频域亚像元影像匹配方法

频域相位匹配方法可以分为空域Dirac Delta函数法和频域直接求解法两类,前者一般只能达到整数像元匹配精度,而后者可实现亚像元匹配精度,但算法复杂度高,匹配可靠性较前者低。基于其各自的特点,文章将上述两类方法有机结合,提出了一种可靠、高精度的优化相位匹配法。通过对不同的混叠量、信噪比影像进行匹配实验,验证了文章提出的匹配方法对混叠具有一定的抑制能力,对噪声有较强的鲁棒性。对于纹理丰富、存在少量混叠的影像匹配误差优于1/100个像元。     

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。     

一种基于模糊隶属度的雷达辐射源识别新方法

在雷达辐射源识别中,一般采用隶属度来衡量知识参数和侦察参数的相似性,并以此进行识别,其难点在于隶属度函数的确定。针对这一难点,提出了一种新的脉间特征参数和脉内特征参数隶属度的计算方法,并提出了一种综合特征权值的计算方法,对雷达辐射源进行加权识别。仿真结果表明,这种方法的识别效果优于传统的识别方法。     

螺旋桨目标的雷达回波信号相位解缠技术

建立了螺旋桨的雷达回波信号模型。对模型回波信号的相位混叠效应进行了理论分析,讨论了回波相位混叠效应出现的原因,通过模型改进获得了螺旋桨的雷达回波相位的理论表达式。提出插值与可调门限相结合的算法和自适应数值积分算法两种相位解缠方法,分别用于桨叶数为偶数和奇数时的相位解缠。仿真结果表明:两种算法有较高的精度。     

一种基于迁移学习的遥测数据异常检测方法

为解决卫星遥测数据异常检测面临的数据不平衡且缺乏有标签样本的问题，提出一种基于一维卷积神经网络(1dCNN)迁移学习的异常检测方法。首先利用源域卫星的遥测数据对1dCNN进行预训练，使得模型的卷积层具有卫星状态特征的提取能力；然后将训练好的模型迁移到缺乏标签数据的目标域卫星中；利用目标域有标签样本对预训练模型进行微调，从而实现了对目标域测试集样本的异常检测。为了使1dCNN能够适应遥测数据样本的不平衡性，引入了代价敏感训练策略，建立动态损失函数，从而提升代价敏感一维卷积神经网络(cs 1dCNN)对于异常样本的识别能力。以某两个卫星的电源分系统遥测数据进行了验证，实验结果表明该异常检测迁移方法具有较好的有效性和鲁棒性。     

超模式斜采样遥感图像超分辨复原方法

超模式斜采样成像技术通过将两排探测器阵列倾斜成像提高相机空间分辨率。由于不满足香农采样定理．图像中出现混叠。为了降低混叠对遥感图像超分辨复原的影响,文章提出了一种结合最佳倒易晶胞的超分辨复原方法。该方法根据超模式斜采样频域对偶网格建立相应的混叠模型．通过权重函数衡量噪声和混叠在频谱中的分布,得到噪声、混叠最小最佳倒易晶胞;并基于Huber—MRF（Markov Random Field）图像先验模型建立了耦合最佳倒易晶胞的MAP（Maximuma Posterior）超分辨复原模型。实验表明,该方法降低了超模式斜采样成像中混叠对复原的影响,获得了良好的超分辨复原效果。     

弹载SAR大斜视改进CS成像算法

针对弹载SAR在成像过程中复杂的运动状态,以及大斜视所造成的频谱混叠问题,建立了大斜视加速运动模型.引入新的CS因子,有效解决了距离频谱混叠问题并补偿了导弹在三方向速度和加速度的影响;引入方位deramp处理方法,有效解决了方位多普勒频谱混叠问题.仿真结果表明该方法优于现有算法.     

基于ICA和小波脊的多辐射源调制类型识别

针对电子侦察中多个雷达辐射源信号混叠时的调制类型识别问题,利用独立分量分析将多个雷达辐射源信号进行分离,再对分离后的辐射源信号采用小波变换,提取信号时频分布的脊线,最后计算脊线特征值,通过脊线特征值来判断辐射源调制类型.仿真实验验证了该方法的正确性和有效性.     

基于ITD和STD的液体火箭发动机模态参数辨识方法

在液体火箭发动机模态参数辨识领域,频域法仍是模态分析的主流方法,但该方法存在诸如功率泄露、频率混叠和离线分析等不足。本研究将基于时域识别的ITD法和STD法应用到液体火箭发动机模态参数辨识领域。由于这两种算法的基础是线性系统,利用Hilbert变换的方法,验证该发动机具有线性系统特征。与频域法对比的结果表明,该方法具有较高识别精度,且只使用实测响应信号,使用设备简单,因而可以在线分析,为发动机在工作环境下的参数识别奠定了基础。