商用飞机的雷达目标分类

随着相参宽带雷达可资应用性的提高，雷达目标识别又重新引起了人们的兴趣，宽带相参雷达的大带宽可提供高的距离分辨力，这意味着目标鉴别是可以做到的，而其相参性则使横向距离高分辨力和雷达成像成为可能。     

基于E脉冲波形综合技术的雷达目标识别方法研究

文章介绍了一种基于波形综合的雷达目标识别技术。通过对雷达目标的瞬态电磁仿真数据,准确提取极点目标,形成完整的E脉冲目标识别理论体系。最后给出了隐身飞机目标(F22、F35)电磁仿真和目标识别率的计算实例。     

采用高分辨率雷达的自动目标识别系统

本文提出了一种利用雷达传感器观测值对飞机目标联合跟踪和识别的系统。文中假设用于估计目标方向和识别目标的数据源高于分辨率雷达的距离剖面图序列。在包括目标数目以及它们的位置、方向和目标类型和完整的参数空间上运用后验分布完成推理判断。算法严格地依赖于适当地传感器和目标模型，从距离剖面图的似然值可得出目标方向，由目标动态确定目标方向的先验值。给出了高分辨率雷达数据的确定性模型和随机模型，对确定性模型研究了     

MD-GBR雷达对弹道导弹目标识别

以评估美国国家导弹防御(NMD)系统雷达识别能力为背景,分析了空间目标典型特征和中段弹道导弹目标特性,提出了地基雷达识别弹道导弹目标的技术途径.根据弹道导弹目标群在飞行中段表现出的特性,提出了涉及目标结构特性、姿态特性以及极化特性的综合识别策略,并初步分析了各种识别措施的可行性.     

利用时域和频域法降低数据存储量的雷达目标识别

提出可采用瞬时响应和散射场频谱响应的两种与雷达目标识别有关的方案。这两种方案采用时域和频域来减少相对每个期望的方位角必须存储的数据量。用以角度来表示的识别范围作为识别性能的测度。实验结果表明，两种方法要求的存储空间大致相同，并有可能在信噪比（ＳＮＲ）低至－１０ｄＢ的不利的噪声情况获得精确的识别。     

神经网络在雷达辐射源识别中的应用研究

由于现代战争中雷达信号环境日趋复杂 ,新体制和复杂体制雷达大量涌现 ,现有的雷达信号识别方法不能适应未来电子战环境 ,研究新的高效的雷达识别方法 ,已成为当前比较迫切的课题。研究了雷达辐射源识别的神经网络方法 ,分析了它的可行性及其优点 ,给出了用B -P网络来实现雷达辐射源识别的方法 ,并与ESTRR方法进行了比较。     

采一维高距离高分辨率雷达的时间紧要运动目标自动目标识别

由于聚焦运动目标本身的困难给运动目标合成孔径雷达（SAR）成像和自动目标识别（ATR）带来了严峻的挑战。因此，运动目标的自动目标识别（ATR）最近引起了人们极大的关注。距离高分辨率（HRR）雷达模式通过多普勒波滤和杂波抑制形式显著地提高了目标与（杂波加噪声）（T／（C＋N））比的聚焦HRR轮廓像，提供了一条运动目标识别的途径。HRR和ATR的目的是实现并评估推广的工作条件下表现出稳健性的算法。采用了运动与静止目标捕获和识别（MSTAR）数据库的子集对基于模板的一维ATR研究了设计和性能。由于不能得到具有充分的统计意义的地面运动目标数据库，在仅采用距离维图像识别目标时，采用这种方法作为评估地面目标的可区辨性的间隔性中间步骤。本文概括数据、算法、性能结果并提出了建议。     

基于高分辨率二维雷达图像的特征提取与目标识别

分析了雷达目标散射信号特征,在此基础上,根据雷达图像的特点,将二维雷达灰度图转化为一维列向量(即把二维数据排成一维序列);然后,采用AR模型进行图像分析,利用所得到的参数通过线性规划,进行特征的提取、建库与目标识别。最后,分析了不同雷达散射信号与建库、识别的关系。     

一种提高超宽带雷达目标识别概率的方法

首先利用电磁散射理论分析了空中目标在超宽带(UWB)雷达照射下的电磁散射特性,阐述了UWB雷达目标识别的方法与步骤,然后对回波信号的相参积累用于提高UWB雷达目标识别概率的效果进行了分析。理论分析和计算机仿真结果均表明,在低信噪比的情况下,相参积累方法可以提高UWB雷达的目标识别概率。     

反舰民弹末制导雷达目标成像的研究

末制导雷达对目标的成像探测是目标识别及精确制导技术的一个重要方向，导弹可以很好抑制背景干扰，区分目标与箔条云干扰。特别是反舰导弹档制导雷达已开始采用毫米波技术，为末制导雷达目标成像探测提供了基础。     

基于深度学习的雷达目标识别算法评估系统设计

在雷达成像装备试验中,传统真实场景测试方法构建难度大、场景有限、试验风险高,急需解决目标识别算法测试不充分、评估不全面的问题本文针对现有问题设计了一套目标识别算法测试系统,可提供合成孔径雷达图像和逆合成孔径雷达图像的处理、标注以及目标识别算法的自动运行、环境配置、性能评估等功能。相较于传统的试验方法,该系统具备成本低、试验时间短、可控性强、可扩展等优点。     

基于结构特征的弹道目标雷达识别技术

弹道目标的结构特征反映了目标的本质属性,是识别真假目标最直观的特征之一。分析了弹道目标的结构特征差异,系统归纳了基于结构特征的弹道目标雷达识别方法。根据雷达提取结构特征所采用的信息不同,将这种识别方法分为基于RCS序列的识别方法、基于一维像的识别方法、基于二维像的识别方法以及基于极化信息的识别方法,详细阐述了这四类识别方法的物理基础及其实现途径,分析了它们各自的特点,最后展望了技术发展趋势。     

弹道中段雷达目标识别与对抗

简要介绍了弹道导弹中段飞行中可能存在的目标及其特点。概述了弹道中段雷达目标识别的基本手段 ,着重阐述了空间突防目标对抗地基雷达目标识别的基本方法 ,指出采用隐身技术、主动干扰是对抗弹道中段雷达目标识别的有效途径     

基于卷积神经网络的雷达和通信信号调制识别

雷达和通信信号的调制识别是电子侦察对抗的一项关键技术,通过搜索、截获敌方电子设备发射的电磁辐射信号,经过电子侦察系统分析、识别,从而获取敌方战术、技术特征参数等情报。人工神经网络中的深度学习网络由于具有强大的表征学习能力,可以自动从原始数据中提取出各种复杂的特征。介绍了一种差分自相关预处理结合深度学习进行中频信号调制识别的方法,结合工作的实际需求,对深度学习在信号调制识别中提出了一些展望,如进一步提高在低信噪比下的识别率和研究深度学习调制识别混合架构。     

基于极化倾角稳定度的目标识别技术研究

本文提出了极化倾角稳定度的概念，并利用极化倾角稳定度建立了极化状态距离(PSD)参数模型。在此基础上，运用神经网络对选定目标进行分类和识别，取得了较好的结果。     

基于雷达散射矩阵的多模型融合极化目标识别

雷达目标极化特性测量在目标极化增强和极化识别等领域都具有重要应用。研究了功率矩阵的相似度与共交极化比,并据此对各种目标进行识别,提出了一种新的雷达散射矩阵多模融合目标识别模型。通过仿真分析验证了该模型的可行性和有效性。     

基于卷积神经网络技术的直升机旋翼谱识别方法

针对直升机雷达回波在时频二维分布图上的分布特性,提出一种基于卷积神经网络技术的直升机旋翼谱识别方法,实现了直升机旋翼谱与其他类型目标的区分,从而有效识别直升机。当雷达工作在低重复频率(LPRF)时,直升机旋翼回波在时频分布图上呈现明显的扩展特征。通过仿真与实测数据分析,表明该特征与其他目标回波在频率维分布特性存在较大差异。利用卷积神经网络中的卷积核技术,将实测数据与卷积核矩阵进行二维卷积运算,依据输出矩阵实现了直升机旋翼谱的识别。利用实际采集的直升机回波数据进行验证,证明该方法是有效的,可应用于各种采用脉冲多普勒工作体制的雷达系统。     

雷达识别效率的评定

介绍了评定雷达识到效率的信息度量法，指出该方法简单、方便。讨论了雷达识别的效率指标问题。