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。     

空间目标RCS特性的分形分析

讨论了空间目标RCS特性分形分析的2种方法:布朗运动模型方法和小波变换方法,并针对RCS数据进行了处理。结果表明,小波变换方法计算的分形维数更稳定,而且能够区分雷达测量数据的正常与异常,明显优于布朗运动模型方法。最后指出了RCS实测数据不是严格意义上的自相似过程。     

基于离散小波变换的近程信号自动识别

进行信号识别的关键在于利用有限信号数据提取出有效的信号特征,然后根据这些特征作出判决。文中阐述了利用离散小波变换对近程信号进行分解处理,并结合具体应用背景,提取小波分解的细节作为信号识别的特征参量。仿真实验表明,基于小波分解的特征提取过程对噪声有较好的抑制能力,小波变换的应用能够有效提高对近程信号识别的能力。     

一种基于高分辨率距离像自动目标识别新方法

提出了一种基于高分辨率距离像的联合对准与识别新方法。该方法结合功率变换的使用，在利用8米雷达目标实测数据进行的识别实验中，获得了较高的正确识别率。     

基于小波变换和不变矩的车标识别方法

形状特征是目标识别的重要参数,小波变换的低频部分代表物体的总体形状特征,而图像中的噪声主要分布于高频部分。根据这一特征,利用小波变换消除噪声提取目标形状,进而利用特征不变矩距离进行分类,实现目标识别,将该方法应用在实测车标图像的识别中,结果表明识别效果较好。     

一种基于红外图像的目标自动识别算法

红外成像制导具有在各种复杂战术环境下自主搜索、捕获、识别和跟踪目标的能力,代表了当代红外制导技术的发展趋势。提出了一种红外图像预处理、跟踪、分类的自动目标识别算法,利用小波变换、形态学方法对红外图像进行预处理,提取不同频带的惯性不变矩作为特征量,利用神经网络进行分类识别,结果表明该算法具有很高的识别率,对于精确制导武器的目标识别研究具有一定的参考价值。     

利用RCS信息的宽间目标雷达识别

本文应用模糊数学和天体力学原理,提出了一种利用空间目标的雷达散射截面（ＲＣＳ）时间序列进行特征提取和模糊分类的目标识别方法,给出了利用该方法对三种尺寸的三轴稳定式目标ＲＣＳ序列进行特征提取和模糊识别的仿真结果。     

基于粗糙集与RBF神经网络的雷达辐射源信号识别研究

针对新体制、新用途雷达辐射源信号难以识别的特点,用粗糙集理论对雷达辐射源信号进行离散化、属性约简、规则提取,达到分类的目的。用粗糙K-均值聚类方法计算径向基神经网络（RBFNN）的聚类中心,然后用粗糙集理论约简得到的规则构建径向基神经网络对未知雷达辐射源信号进行识别。仿真结果表明,这种基于粗糙集与RBF神经网络的识别模型减少了识别冗余特征、简化了神经网络结构,能有效地识别雷达辐射源信号。     

基于S变换的时频特征提取与目标识别

目标的时间-频率联合分布能够很好地反映目标物理结构特征,可以作为雷达目标识别的一个有效手段。针对现有时频分析方法存在的识别率低和抗噪性能差等问题,提出一种基于S变换的空间目标回波信号电磁特征提取与识别方法。首先对目标的雷达回波进行时频分析,得出在较大方位角变化范围内和不同信噪比情况下,目标S变换的时频分布具有相对不变性的结论;然后基于这种稳定的时频分布特征,采用最小贴近度的方法进行分类识别。针对不同目标模型的仿真结果表明,该方法的识别率高于其他时频分析方法并且具有很好的鲁棒性。     

雷达目标特征融合的一种方法

由于雷达探测精度、噪声干扰、电磁干扰等因素的影响,使得利用目标的单一特征进行目标识别的识别率受到了限制。针对这一情况,提出了一种基于灰色理论的雷达目标特征融合方法。计算每类目标的各个特征与其相应模板的关联度,然后计算每类目标的综合关联度,由此进行目标识别。结果表明,该方法能够提高雷达目标的识别率。     

粗糙集理论研究综述

粗糙集理论是一种用于分析和处理模糊和不确定信息的软计算方法.本文回顾了粗糙集理论,介绍了粗糙集模型的主要概念,系统总结了粗糙集理论与其他智能方法的融合并介绍了粗糙集理论的硬件实现方法.     

Trajectory and telemetry measurements analysis using wavelets

The purpose of the report is to present wavelet technology used to improve the performance of trajectory and telemetry data. Modern methods of detection and exclusion of anomaly measurements, main matters of de-noising the measurement and multiresolution analysis of the signals based on wavelet transforms, are considered. Wavelet tools for analysis of measurements results are implemented by SEC SPbSETU in data processing program complexes, developed for the use at Russian trial space-launching sites. Practical capabilities of wavelet technology will be demonstrated by applied program, installed in the note-book PC for processing of GPS/GLONASS raw measurements.     

智能化雷达对抗情报处理技术研究

随着雷达技术的迅猛发展,雷达信号的密度、复杂程度都大幅度提高,这就增加了雷达信号的不确定性因素。本文讨论了粗糙集理论、模糊集理论、证据理论和可能性理论等人工智能技术在雷达对抗情报处理中的应用。对雷达辐射源的型号和工作模式识别、雷达网信息以及所属平台信息的推理技术进行了探索研究,给出了研究建议。     

基于变精度粗糙集的航空发动机故障诊断

针对航空发动机故障诊断的实际情况,在分析粗糙集理论缺陷的基础上,引入变精度粗糙集模型对专家给出的样本集进行处理,并将所得到的极小化决策算法用于历史故障样本集的分析,得到了高的识别率,从实践的角度证明了该方法的有效性以及小样本情况下所得决策算法的普适性.      

航空发动机小波神经网络PID控制

提出了一种基于小波神经网络在线辨识的航空发动机比例-积分-微分(PID)控制算法.网络采用三层前向网络结构,以小波函数作为隐含层的激励函数.采用离线训练的方式训练出网络参数,以网络输出和输入之间的偏导数代替发动机模型输出和输入变量之间的偏导数,用以在线修正PID控制器的参数.阶跃响应测试表明,用小波神经网络整定的PID控制系统动态调节时间小于2s,稳态误差为零,在全飞行包线内均稳定正常工作.      

基于粗糙集的多岛礁要地防空威胁评估

文章以多岛礁要地防空作战需求为牵引,结合现代防空反导作战新特点,综合考虑空袭目标的主要因素和要地的相对价值,在遭受多目标攻击情况下,利用粗糙集理论,从不精确、不一致、不完整等大量不完备信息中求取最小不变集合,求解最小规律集,得出指标权重,并对目标的威胁等级进行排序。粗糙集理论能够大大提高提取有用信息的效率,从而揭示不完备信息中隐含的规律。经过案例分析,表明该方法能够客观地对空袭目标的威胁等级进行排序,对于多岛礁要地防空作战决策研究具有一定的参考价值。     

Radar: the evolution since World War II

Modern radar design has benefited from the evolution of specialized digital processing, allowing high resolution ground mapping, target identification, and target tracking under many conditions. Air-to-air interception makes use of complex decision processes to select from many modes that depend on the clutter backgrounds and flight profiles. Today's multimode radars provide this information for each task while minimizing distractions. Fire control radars support a wide selection of weapons, including cannons and guided missiles. This is possible because of advanced digital processing. In the interval since WW II, radar design evolved from vacuum tubes to semiconductors and then to massively integrated circuits. Computers specialized for fast Fourier transforms (FFTs) have revolutionized radar data processing. System reliability has improved from a few hours to hundreds of hours. Effective built-in test informs ground maintenance personnel of problems for easy maintenance and low failure rates reduce or eliminate field maintenance benches at forward locations. Airborne surveillance radars, such as AW ACS Joint Stars have changed the nature of warfare. Commanders have virtually full view of enemy and friendly forces. Radars, in combination with other remote sensors, provide precise weapon delivery, reducing collateral damage and making all weapons more effective     

Advances in signal processing technology for electronic warfare

The denial of effective communications by enemy forces during hostile military operations has been a primary concern for military commanders since the inception of radio communications on the battlefield before World War II. Since then, the electromagnetic environment has been in a constant state of evolution toward more sophisticated jam-resistant and convert forms of modulation. For example, exotic modulation techniques employing spread spectrum (SS) signaling are routinely used by our adversaries to provide their communication links an advantage over US and Allied jammers. These same spread spectrum modulation techniques are being refined to provide convert, low probability-of-intercept (LPI) features to the unintended interceptor. The thrust of this paper focuses on developments in the theory and algorithms for detection, characterization, and exploitation of advanced waveforms using new mathematical signal processing tools. Specifically, quadratic time-frequency signal representations, wavelet transforms, and cyclostationary signal processing are introduced. This overview demonstrates the importance of these advanced techniques in a clear and concise manner. Applications and future research activities are described     

基于中值滤波和小波变换的混合滤波方法在推进剂监测中的应用

目前,监测传感器传出信号中混有很多噪声,为提高信号可信度,需要一种有效的信号处理方法。文章基于Matlab仿真环境,完成了信号仿真和滤波算法的设计,重点对单传感器仿真信号的去噪和多传感器信息融合进行了研究,提出了基于中值滤波和小波阈值滤波的混合滤波方案和基于Kalman滤波的信号融合方案。研究工作有:基于高斯白噪声和脉冲噪声的数学特性,合理假设出5种基本信号形式;依据实际数据,完成单传感器和多传感器信号仿真,确定信噪比和均方根误差作为去噪评定指标;综合分析现有的滤波算法的滤波特性,利用不同长度滑动窗口的中值滤波处理实验信号,选取合适长度的滑动窗口。设置对比实验确定小波阈值滤波中的小波基函数选取、阈值计算和分解尺度等参数;融合中值滤波和小波阈值滤波优势,设计混合滤波方案,去除单传感器仿真信号中的噪声;研究信息融合理论在泄漏监测系统中的应用,设置不同融合方式下的对比实验,确立最佳融合方式下的Kalman滤波方案,实现多传感器信息融合。