直升机旋翼回波特性建模

给出了雷达半主动寻体制的直升机旋翼回波模型,分析了直升机旋翼回波的时频特性,以旋翼真实参数对模型进行了仿真,并研究了直升机旋翼回波在时域上的调制效应及频域分布特点。结果表明：理论模型所得结果与外场实验的导引头跟踪直升机实验数据吻合。     

基于高斯chirplet时频原子参数自适应时频分布图的不变矩特征提取方法研究

根据时频分布性质,针对雷达目标的特征提取与分类识别问题,提出了一种基于高斯c hirplet时频原子参数自适应时频分布图的不变矩特征提取方法。首先分析了各种不变矩, 总结了它们各自的应用特点;接着把雷达信号和其时频分布图的不变矩特征结合起来分析了 目标的各种行为对时频分布图不变矩的影响,然后对提取时频分布图不变矩的算法进行了详 细的研究,识别仿真结果表明,利用信号参数自适应时频分布图像的不变矩特征进行雷达目 标识别是一个卓有成效的方法,该方法充分利用了雷达目标的散射信息,具有较高的识别率 。     

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。     

弹道中段微动目标宽带回波模拟

弹道中段微动目标的回波中蕴含了目标的电磁特性和运动特性,为雷达目标识别提供了重要依据。本文研究了中段微动目标的宽带雷达回波模拟问题,提出了一种基于散射中心模型的回波模拟方法。通过对弹道中段目标的运动特性进行建模,分析了目标微动时各散射中心的位置变化规律,针对旋转对称体目标的外形特征,将目标的进动等效为二维平面内的转动,并基于物理光学法提出了一种计算散射中心遮挡效应的方法,解决了目标运动过程中姿态变化带来的遮挡问题。仿真实验与暗室测量数据的对比结果表明,所提方法可以有效模拟目标微动时各姿态的回波数据,为中段目标特征提取、目标识别提供了技术基础。     

基于时频矩阵非负分解特征的多视角SAR目标识别

针对多视角合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别问题,提出一种基于目标高分辨率距离像(High Range Resolution Profile,HRRP)时频矩阵非负分解特征提取和识别方法。该方法首先对SAR图像进行滤波预处理,得到相应的目标HRRP序列;然后采用匹配追踪时频分析方法计算得到目标HRRP的时频矩阵;应用非负矩阵分解技术分解时频矩阵,得到相应的谱矢量和时相矢量。基于分解得到的谱矢量和时相矢量提取时频域矩特征和稀疏特征。最后,应用隐马尔科夫模型(Hidden Markov Model,HMM)对这些时频特征序列建模及识别。采用美国运动和静止目标获取与识别(Moving and Stationary Target Acquisition and Recognition,MSTAR)计划公开发布的SAR目标数据库的实验结果表明,该方法不仅能有效降低时频域特征的维数,而且识别性能优于传统的时频域特征。     

基于FEKO的二维散射中心建模

为了给雷达目标回波仿真以及目标识别提供真实可靠的模板,在建立目标CAD模型的基础上,利用FEKO物理光学和矩量法相结合的算法得到目标的二维散射数据,并在小角区范围内对其进行二维傅里叶变换,建立了目标在该角区的二维散射中心模型。理论分析和仿真实验表明,该建模方法准确有效地反映了目标的电磁散射特性,在回波仿真和目标识别方面具有较高的实用价值。     

基于实测数据的宽带雷达回波半实物仿真方法

自动目标识别技术的发展对雷达回波仿真的要求越来越高。分析了散射点回波叠加法和电磁散射建模回波生成法各自的优缺点,结合两种方法提出了基于实测数据的雷达回波半实物仿真方法。首先通过电磁散射建模预估目标的RCS信息,再从实测回波数据中提取目标的运动特征,从而仿真出雷达回波。该方法灵活性好、精度高、易于工程实现,仿真出的回波成像后具有较清晰的轮廓和明显的运动特征。     

宽带雷达目标特性建模与回波仿真

根据宽带雷达目标电磁散射特性,采用基于几何绕射理论的GTD(几何绕射)模型对目标电磁散射特性进行建模;在此基础上,构建宽带雷达目标回波信号模型,结合回波信号特征,提出了一种基于去斜的宽带雷达目标回波仿真方法。对宽带雷达发射信号进行去斜处理以及傅里叶变换,得到去斜后的频域发射信号,将该信号与表征目标频域散射特性的数据在频域相乘并进行逆傅里叶变换,实现时域卷积,获取去斜后的宽带雷达回波信号。经过ISAR(逆合成孔径雷达)处理,对回波数据进行成像,验证了该方法的有效性。该方法能够有效减少运算量,降低工程化实现难度,可用于ISAR回波信号模拟设备。     

基于奇异值分解的双谱降维研究

在基于雷达高分辨距离像(HRRP)的目标识别中,双谱特征是一种有效的识别特征,但维数过高限制了它的应用。对双谱矩阵进行奇异值分解,提取奇异值向量以及大奇异值对应的奇异向量作为识别特征,与挑选双谱法相比,不仅识别率有所提高,而且克服了挑选双谱特征每有新目标加入都需重新挑选双谱频点的缺点,基于实测数据的识别结果验证了所提方法的有效性。     

基于极化神经网络的雷达舰船检测识别方法

相参雷达捕获的全极化海面目标距离-多普勒(RD)回波数据中，目标区域占比小、信噪比低，且海况环境与干扰种类多变，使得经典的深度神经网络在此种条件下检测识别精度较低。为此，本文提出了一种基于极化深度神经网络的全极化相参雷达海面目标检测识别算法。首先，引入极化特征提取模块挖掘目标与干扰的差异化特征;其次，通过特征金字塔网络解决小目标检测识别的问题;最后，使用级联结构进一步提升算法性能。在全极化相参雷达回波数据集上的测试结果表明:基于特征值与特征矢量的极化特征对于数据集中两类舰船目标的平均精度分别达到0.907 9与1.0，相比不采用极化特征有着显著提高。     

基于深度学习的雷达干扰识别方法研究

针对复杂电磁环境下雷达干扰信号识别问题，从优化卷积神经网络结构的角度出发，本文提出了一种对卷积神经网络结构LeNet-5增加批量归一化层和改变激活函数的方法。该方法能够加速网络收敛，提升网络的学习效率。本文首先建立舰船目标模型，分析了噪声调幅干扰、噪声调频干扰、梳状谱干扰和无干扰的真实目标回波信号在时频域的差异，然后利用四种信号对舰船目标模型生成数据集，最后通过本文所提方法实现雷达干扰的自动识别。仿真结果表明：在全信噪比条件下，本文所提方法对四种信号的识别准确率达到98.1%，表明所提方法有着较好的稳定性和鲁棒性。     

基于直升机平台SAR的方位重影抑制方法

直升机合成孔径雷达(SAR)已成为遥感领域的重要探测工具。针对平台微小高频振动导致方位重影,造成图像质量降低的问题,提出了一种振动相位补偿算法。首先利用回波录取的几何构型,推导基于直升机振动平台的SAR回波表达式,并引入雅可比-安格尔恒等式,对回波完成一阶贝塞尔级数展开,获得高频振动误差与方位向重影的关系式。然后,从直升机SAR实测数据入手,对方位相位进行差分、提取和快速傅里叶变换,得到振动频点信息,并对频点信息进行反演,得到高频误差相位。最后,利用高频误差相位对原始回波进行补偿,抑制成对回波模糊现象,从而消除方位重影。基于实测数据的成像处理结果验证了所提方法的有效性。     

基于深度学习的雷达辐射源识别算法

为解决雷达辐射源识别中特征提取困难、低信噪比条件下识别效率低的问题,提出了一种基于一维卷积神经网络和长短期记忆网络的深度学习智能识别算法,构建了一个CNN?LSTM网络,能实现对不同脉内调制方式雷达辐射源的端到端识别。该网络首先利用卷积层学习信号局部特征,然后将卷积层输出的结果输入长短期记忆网络,学习信号的全局特征,最终构造逻辑回归分类完成分类识别任务。仿真结果表明,该算法较单一卷积神经网络模型具有更好的识别效果,抗噪声效果更强,在-6 dB信噪比的条件下,识别的准确率仍能够达到90%以上。     

基于卷积神经网络的雷达辐射源稳健识别方法

针对低信噪比下，基于传统统计特征的雷达信号识别方法对复杂调制信号类型识别性能不高，因而处理复杂度高的问题，提出一种基于卷积神经网络的雷达辐射源信号稳健识别方法。该方法通过提取信号的瞬时相位特征，获得变换域的表征信号，将其作为卷积神经网络的输入，实现雷达辐射源信号的快速识别。针对瞬时相位特征对于信噪比敏感的特点，采用主成分分析方法对信号特征域进行降噪处理，提升模型对噪声的稳健性。通过仿真实验验证了所提出方法在不同信噪比下对7种调制信号类型的识别性能，通过理论分析及不同方法的实验对比，验证了算法具有耗时较短、识别准确率较高、噪声稳健性好等优势，具有良好的工程实用性。     

调频连续波合成孔径雷达滑动聚束成像算法

调频连续波(FMCW)体制下,传统脉冲合成孔径雷达(SAR)的"走—停"回波模型已经不再适用,快时间走动项引入的距离-方位耦合项不可以忽略,否则会使图像质量的降低。该文首先构建FMCW回波模型,其次,提出了一种基于两步式的滑动聚束SAR成像算法。所提算法针对滑动聚束模式中,多普勒历程大于脉冲重复频率(PRF)所造成的频谱混叠问题,采用方位频域去斜的预处理加以解决。由于距离徙动校正(RCMC)后方位时域依旧混叠,该算法通过方位去斜在频域完成聚焦避免再一次的解混叠操作。通过仿真验证,该算法能够实现高精度的FMCW SAR滑动聚束成像。     

基于参数化解调的旋转目标微多普勒频率提取方法

旋转运动是航天领域中最为常见的微运动,如卫星天线转动、弹道导弹自旋运动等。旋转目标的微多普勒特征对雷达目标识别具有重大影响。针对旋转目标不同散射点的微多普勒频率相互重叠、难以提取的问题,提出了基于参数化解调的旋转目标微多普勒频率提取方法。由点散射模型得到旋转目标的微多普勒信号解析形式。考虑到旋转目标微多普勒信号具有正弦频率调制特征,构造了基于正弦模型的参数化解调算子,优化微多普勒频率参数,使解调信号在载波频率处的频谱值达到最大。为了估计多个散射点的微多普勒频率参数,提出了参数迭代估计方法,在每次迭代中只估计当前最强散射点的微多普勒参数,将相应信号分量从原始信号中剔除,消除对后续分量估计结果的影响。仿真和实验结果表明:基于参数化解调的旋转目标微多普勒频率提取方法与传统时频峰值检测方法相比,能更精确地提取相互交叉的旋转目标微多普勒频率,为最终实现雷达空间目标识别提供了理论基础,能应用于卫星天线、弹道导弹等目标的监测、识别。     

基于CNN-LSTM神经网络的前视成像算法

雷达前视成像作为雷达成像领域的难点与重点,在自动驾驶、导航、精确制导等方面具有广阔的应用前景。传统的前视成像算法受限于天线孔径的宽度,无法实现高分辨率的成像,本文使用卷积神经网络（Convolutional Neural Networks, CNN）与长短期记忆（Long Short-Term Memory,LSTM）网络相结合实现前视成像中方位向的预测,首先介绍了扫描前视成像信号的类卷积模型及其病态性,利用脉冲压缩以及距离徙动校正对回波信号预处理,输入CNN-LSTM神经网络逐距离单元进行方位向估计。仿真结果表明：算法能有效提高前视成像的方位分辨率,实现前视成像的超分辨。     

基于信号重构的雷达与雷达对抗侦察一体化接收技术

针对雷达接收机和雷达对抗侦察接收机存在的不同特征,提出了基于信号重构的雷达与雷达对抗侦察一体化接收技术。首先利用复指数调制滤波器组将中频带宽分解为若干子带,再通过频谱感知和信号重构实现非均匀动态信道化,最后利用非均匀动态信道化技术分别接收雷达回波信号和辐射源直射信号。为了满足一体化接收机的瞬时动态范围、灵敏度、监视带宽以及频率分辨率等性能指标的要求,本文引入一种大M值高阻带衰减原型滤波器设计方法。理论分析和仿真试验表明了该一体化接收技术的有效性。
     

LFM脉冲压缩雷达的一种灵巧噪声干扰方法

为有效干扰线性调频脉冲压缩雷达,提出了一种基于卷积调制的灵巧噪声干扰实现方法.该方法是将干扰机接收并存储的雷达发射信号与噪声信号相卷积后转发出去.理论分析和仿真实验均证明了它能有效干扰LFM脉冲压缩雷达,且性能明显优于射频噪声干扰.