步进频率单脉冲二维像成像仿真及用于识别的研究

探讨了单脉冲雷达三维成像的原理以及方法.通过计算机仿真,基于实验室实测的目标二维重点散射源图,获取了任意目标的二维像,并和ISAR三维成像作了比较.就二维图形数据的特征提取进行了有意义的探索,提出了一种数据合成的方法,在此基础上经过仿真实验,得到了较为理想的目标识别结果.     

神经网络与D-S理论结合的HRR识别研究

基于D-S(Dempster-Shafer)证据理论,比较和研究了相关数据和不相关数据的融合方法,分析了多传感器数据融合的算法:集中式融合算法和分布式融合算法.经过实验证明,执行分布式有反馈融合算法时的效果最好.然后利用该算法,提出了和线性内插神经网络相结合的识别方法.利用4种飞机的步进频率雷达的高分辨率一维距离像,将神经网络的识别结果作为证据分别送入传感器进行融合,进行识别研究.实验证明,与单纯利用神经网络的方法比较,目标的正确识别率得到了改善.     

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。     

证据理论和神经网络结合的目标识别方法

提出用证据理论和神经网络结合的高分辨率雷达(HRR)目标识别方法,即首先把多个目标高分辨一维距离像送入学习矢量量化神经网络,进行目标类证据估计;然后用D-S证据理论对各次估计结果进行融合.提出了连续特征空间离散化及类支持度构造的方法,并分析了神经网络识别的误差原因.仿真实验结果表明,这种方法的输出正确识别率比仅仅使用矢量量化神经网络有较大的改善,抗噪能力也有所提高.