基于波形熵的雷达目标一维距离像检测技术

高分辨雷达一维距离像目标检测实质上是扩展目标检测,具有与低分辨雷达回波目标检测不同的特点.通过分析目标一维距离像和噪声的波形特点,提出了一种基于波形熵的一维距离像检测方法.该方法对目标一维距离像信号形式和噪声的先验知识要求少,运算复杂性小,易于工程实现.仿真实验说明算法能有效地提高检测性能.     

基于高分辨距离像的目标识别技术发展现状与趋势

高分辨距离像(HRRP)是宽带雷达获取的目标散射点子回波沿雷达视线方向的投影矢量和。它能够提供目标的距离向几何结构和材料质地信息,且易于获取和处理,因此国内外许多学者将研究重点集中在基于HRRP的目标识别技术。本文简介了基于HRRP的目标识别系统模型,总结了HRRP姿态敏感性等关键问题及其解决途径,综述了基于HRRP目标识别的特征提取、分类器设计两项关键技术的研究现状,讨论了其未来发展方向。     

基于位置信息的高分辨雷达角闪烁抑制方法

角闪烁误差是导引头寻的制导的主要误差来源,基于高分辨力雷达的单脉冲测角算法可有效改善角闪烁现象。现有的研究大多基于幅度加权的思想,利用距离单元的幅度信息进行加权平滑处理。本文在现有高分辨测角算法的基础上,结合高分辨一维距离像的位置信息,提出了一种新的角度信息处理方法。该算法充分利用了距离像有效单元的目标信息,提高了角度测量精度。仿真实验表明该算法对角闪烁有较好的抑制作用。     

基于高分辨距离间隔像的频率步进单脉冲雷达测角技术研究

 频率步进雷达合成高分辨距离像时对速度补偿的精度要求很高,而采用高分辨距离间隔像处理则可以大大降低这种要求。首先分析了高分辨距离间隔像成像的一些问题;然后阐述了基于高分辨距离间隔像的单脉冲雷达测角机理,并且提出了3 种过采样条件下的单脉冲雷达距离间隔像测角算法,进行了计算机仿真,结果表明距离间隔像交叉项选大测角方法性能优于其它两种方法。     

一种基于波形的距离扩展目标检测方法

针对高分辨率雷达距离扩展目标检测问题,提出了一种基于一维距离像波形的距离扩展目标检测器。分析了目标一维距离像的波形特点,对一维距离像的离散序列进行FFT变换,获得变换后的低频分量平均值与高频分量平均值的比值,以其中最大的比值作为检测统计量并进行有无目标的判决。仿真结果表明,此检测方法的检测性能要优于依赖于散射中心空间分布密度的广义似然比（SSD—GLRT,Spatial Scattering Density—Generalized Likelihood Ratio Test）检测器,并且明显优于基于波形熵的检测器。     

海上舰船目标的宽带雷达散射特征信号仿真

提出一种将目标高频电磁（EM）散射计算多径回波模型与不同海况条件下粗糙海面前向复反射系数模型相结合的方法,对海上舰船目标宽带雷达回波进行仿真和分析。简要分析了目标-海面相互作用的多径回波模型,给出了目标体的电磁散射计算方法,研究了不同海况条件下海面前向复反射系数随频率和擦地角的变化特性,并通过仿真分析了海面对舰船目标雷达回波的影响。对比分析舰船目标体直接散射及在不同海况条件下考虑多径效应时的雷达散射截面（RCS）变化特性,并在不同海况条件下对目标进行二维逆合成孔径雷达（ISAR）成像仿真,验证了本文方法的有效性。     

利用一维像序列时域差分估计目标进动频率

针对弹道目标识别中目标运动特征参数估计问题,提出一种一维距离像（HRRP）序列时域差分目标进动频率估计方法,该方法首先对一维距离像进行归一化处理,利用峰值法对齐相邻一维距离像,然后计算相邻一维距离像之间的差分值,获得相邻一维距离像差分值序列,最后采用快速傅里叶变换（FFT）从该差分值序列中估计目标进动频率。该方法具有以下优点：利用相邻一维距离像差分值序列能够增强目标进动频率成份,降低其他频率成份,更有利于进动频率的估计;只需要对齐相邻2个一维距离像,而避免了对齐一维距离像序列所带来的问题。利用由FEKO软件计算的进动目标宽带一维距离像仿真数据进行了实验,结果表明所提方法比常规的加权累积法更有效,估计精度更高。     

雷达目标窄带合成距离高分辨成像的聚焦技术与用于目标识别的研究

 就窄带合成脉冲距离高分辨一维成象速度补偿的常用的几种方法（时域法,频域法、最小熵值法）进行了分析和比较。并将二者结合起来,更有效地对速度进行估计。得到任意视角及可变信噪比下的一维距离高分辨率像,并用线性内差神经网络进行识别,得到了满意的结果。     

基于马尔科夫链的单站SAR海面场景宽幅高分成像算法

针对单站合成孔径雷达(SAR)实现海面场景高分辨率宽测绘带(HRWS)成像问题,结合海面目标相对整个场景的稀疏特性,提出了一种基于马尔科夫链的单站SAR宽幅高分成像算法。算法将宽幅的海面场景分为不同子测绘带,首先发射少量脉冲对各子测绘带进行距离向成像,利用距离向成像结果获取场景内感兴趣目标的数量信息。然后计算雷达波束指向的马尔科夫状态转移概率,并按此概率控制雷达对不同测绘带进行扫描。获得不同测绘带的稀疏子孔径后进行压缩感知成像。提出的算法可以在相同合成孔径时间内实现多个测绘带的宽幅高分成像,最后的仿真实验验证了所提算法的有效性。     

机载雷达岛岸背景舰船识别能力研究

本文介绍了机载雷达目标识别技术的现状,以及现有机载雷达所采取的目标识别技术,并用试验验证了机载雷达对岛屿与小型船只的分类能力。说明应用步进频体制可实现对目标与背景的高分辨距离成像,通过该体制可提取出目标的距离维尺度特征。该技术可用于区分海域中的岛礁、小型舰艇、大型舰船等尺度差异较大的目标与背景。     

Radar target classification of commercial aircraft

With the increased availability of coherent wideband radars there has been a renewed interest in radar target recognition. A large bandwidth gives high resolution in range which means target discrimination may be possible. Coherence makes cross-range resolution and radar images possible. Some of the problems of classifying high resolution range profiles (HRRPs) are examined and simple preprocessing techniques which may aid subsequent target classification are investigated. These techniques are applied to HRRP data acquired at a local airport using the Microwave Radar Division (MRD) mobile radar facility It is found that Boeing 727 and Boeing 737 aircraft can be reliably distinguished over a range of aspect angles. This augers well for future target classification studies using HRRPs     

Method for denoising and reconstructing radar HRRP using modified sparse auto-encoder

A high resolution range profile (HRRP) is a summation vector of the sub-echoes of the target scattering points acquired by a wide-band radar. Generally, HRRPs obtained in a non-cooperative complex electromagnetic environment are contaminated by strong noise. Effective pre-processing of the HRRP data can greatly improve the accuracy of target recognition. In this paper, a denoising and reconstruction method for HRRP is proposed based on a Modified Sparse Auto-Encoder, which is a representative non-linear model. To better reconstruct the HRRP, a sparse constraint is added to the proposed model and the sparse coefficient is calculated based on the intrinsic dimension of HRRP. The denoising of the HRRP is performed by adding random noise to the input HRRP data during the training process and fine-tuning the weight matrix through singular-value decomposition. The results of simulations showed that the proposed method can both reconstruct the signal with fidelity and suppress noise effectively, significantly outperforming other methods, especially in low Signal-to-Noise Ratio conditions.     

基于遗传算法的一种高分辨率雷达目标识别方法

目标识别是防空信息处理中的一个重要环节,而对空中目标类型的识别还没有成熟的理论。通过对高分辨雷达回波信号的分析,在遗传算法的基础上,提出了一种高分辨雷达目标识别方法,由此进行目标识别。仿真实验结果表明,该方法具有高的识别率和强的抗干扰能力。     

一种基于稀疏分解的微多普勒频率估计算法

目标微动特性和微多普勒特征分析在真假目标识别方面发挥了重要作用。由于微动目标雷达同波具有非线性、多分量性等特征,需要相应的具有高分辨力、低交叉项、大的动态范围的分析工具,才能较好地揭示目标微多普勒特征。稀疏分解方法中的匹配追踪（MP）具有频域高分辨能力,对于信号细微特征提取具有很好的效果。研究了基于匹配追踪的微多普勒频率估计问题,该方法可以准确提取出目标微多普勒频率,为后续的目标识别提供了重要的依据。-     

基于小波变换的单脉冲雷达目标RCS测量方法研究

随着现代信号处理技术的发展,对非平稳信号分析和处理的小波分析技术已成功应用于雷达目标特性分析领域,大功率单脉冲雷达作为我国航天测控网的主干设备,具有一定的目标特性识别能力。本文主要针对脉冲雷达RCS测量原理,讨论了基于小波变换的单脉冲雷达空间目标RCS测量方法,提出应发挥窄带低分辨率雷达在未来空间目标识别中的作用。     

基于自适应遗传BP算法神经网络数据融合的空中目标识别

空中目标识别是现代防空作战的重要研究内容。本文利用不同类型目标产生的多类型传感器的数据信息对目标进行识别。为了训练神经网络目标识别分类器，将遗传算法和BP算法相结合，提出了一种新的自适应遗传BP算法，利用这种神经网络来确定指标的权值。仿真试验结果表明，基于自适应遗传BP算法神经网络的识别是一种简单、可靠的目标识别方法，具有很好的目标识别效果。     

三维模型在SAR图像自动目标识别中的应用

提高高分辨率SAR图像在复杂战场环境中的目标识别能力,对防御未来战争中来自地面目标的威胁具有重要意义。针对地面特定目标的大小、方位、旋转等变化以及强杂波背景给目标识别带来的严重影响,提出将目标的三维模型投影到二维平面,采用余弦傅里叶矩和瑞利分布的CFAR检测方法分别对其矩特征和峰值特征进行提取,利用级联组合分类器对目标识别进行建模分析,并通过试验验证该方法的有效性。结果表明:该方法实现了在特征维数高和姿态变化下的目标识别,而且无需额外增加对制导控制系统的开销。     

Automatic target recognition using enhanced resolution SAR data

Using advanced technology, a new automatic target recognition (ATR) system has been developed that provides significantly improved target recognition performance compared with ATR systems that use conventional synthetic aperture radar (SAR) image-processing techniques. This significant improvement in target recognition performance is achieved by using a new superresolution image-processing technique that enhances SAR image resolution (and image quality) prior to performing target recognition. A computationally efficient two-level implementation of a template-based classifier is used to perform target recognition. The improvement in target recognition performance achieved using superresolution image processing in this new ATR system is quantified     

High Range Resolution Profile Automatic Target Recognition Using Sparse Representation

Sparse representation is a new signal analysis method which is receiving increasing attention in recent years. In this article, a novel scheme solving high range resolution profile automatic target recognition for ground moving targets is proposed. The sparse representation theory is applied to analyzing the components of high range resolution profiles and sparse coefficients are used to describe their features. Numerous experiments with the target type number ranging from 2 to 6 have been implemented. Results show that the proposed scheme not only provides higher recognition preciseness in real time, but also achieves more robust performance as the target type number increases.