用数据融合来解决雷达目标识别问题

数据融合技术系70年代发展起来的一门新兴学科。现代战争中,随着雷达、红外、激光及光电等传感器的数量日趋增多,数据融合技术正日益得到广泛应用。介绍数据融合技术在雷达目标识别中的应用,并揭示出数据融合系解决雷达目标识别之捷径。     

数据融合与敌我识别探析

敌我识别（IFF）是自动目标识别（ATR）技术的重要应用之一。高技术条件下现代战场中的目标侦察与敌我识别问题，一直是国际雷达领域和信息处理技术的主攻方向。为适应未来数字化战场的作战需求，具有敌我识别能力的系统，已成为21世纪战场数字化系统的基本功能单元之一。本文扼要介绍了目标识别的有效途径、数据融合技术可提高敌我识别系统的效能及IFF现状与发展趋势。     

开放世界下的雷达辐射源融合识别算法研究

针对开放世界下雷达辐射源目标库不完备的现状,对开放世界下雷达辐射源识别的信息融合模型进行了研究。建立了不同类型雷达特征参数的模糊隶属度函数,采用待测样本与模型样本匹配的方法生成广义概率指派函数,并采用修正的广义证据理论算法融合多参数信息获取识别结果。实验数据表明:该模型能在雷达辐射源目标库不完备的情况下,识别已知目标和判别未知目标,判别结果相对基于经典D-S证据理论和原始广义证据理论的融合识别方法更加可靠、有效,在雷达识别的场景中具有潜在应用价值。     

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。     

海面目标多信源融合识别技术研究

主要对海面目标多信源融合识别技术进行了研究,介绍了海上目标的融合识别方法:Bayes推理和D-S证据理论,分析了D-S证据理论融合识别原理.采用基于高分辨率体制的雷达对海面目标HRRP的特征信息进行提取和分析,对D-S证据理论在海面目标识别中的应用进行了举例研究.     

PCA在雷达目标识别中的应用研究

研究了宽带高分辨雷达目标识别中的特征压缩问题.首先提取目标一维距离像双谱特征,然后应用主元分析法(PCA)降低目标特征维数,最后利用支持向量机对3类实测目标数据进行识别.实验结果表明,对雷达目标识别来讲,PCA是一种可行的特征压缩方法.     

基于证据理论的雷达与通信侦察目标识别算法

针对异类被动传感器中的目标识别问题,将D-S证据理论运用于雷达侦察与通信侦察的目标识别中。首先将雷达和通信侦察设备侦收到的信息分别通过识别,得到雷达和通信电台的基本概率赋值,再通过D-S证据理论算法进行融合,计算出目标平台的基本概率赋值,从而得到融合后的平台类型。仿真实验结果表明,融合后的结果具有更高的置信度。     

基于循环神经网络的空中目标类型识别

为解决在空中目标类型识别过程中,目标特征单一导致识别准确率低的问题,提出一种将雷达信噪比与目标航迹特征相结合的基于循环神经网络(Recurrent Neural Network,RNN)的目标识别方法。该方法利用RNN模型在处理时序数据上的优势,挖掘雷达数据隐藏在时间层面的特征;扩展目标特征属性维度,利用智能化模型有效地将雷达信噪比与目标航迹特征相结合,提高目标识别的准确率。应用真实检飞数据,对该方法进行检验,并与传统方法进行对比分析。仿真结果表明,基于RNN的目标智能化识别方法具有更高的准确率。     

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。     

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     

用于目标识别跟踪的雷达/红外成像双模传感器数据融合技术

目标识别和跟踪是模式识别领域的一重要研究内容。基于单传感器（ 雷达或红外成像） 的系统存在着局限性， 分析了多传感器信号融合的必要性， 介绍了目标识别和跟踪系统进行多传感器信号融合的方法（ 特征层融合、决策层融合）及其在提高目标识别和跟踪的可靠性和抗干扰性方面的优势。介绍了基于智能模型和基于多层前向网络的目标识别算法。     

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RCS观测序列的空间目标识别算法

针对低分辨率雷达体制下的空间目标识别问题,提出了基于RCS观测序列的空间目标识别算法.该算法首先对空间目标的低分辨雷达RCS观测序列进行离散小波变换,然后在时间-尺度平面上提取十个有效的统计特征,最后基于模糊分类来识别空间目标.应用四类空间目标的实测数据进行了仿真实验,取得了比较好的识别效果.     

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。     

基于高精度径向测速的宽带雷达单诱饵速度识别法

由于宽带相控阵雷达测速精度的大幅度提高，现提出了一种新的目标识别方法——基于高精度径向测速的单诱饵速度识别法，并对其识别原理、识别性能进行了详细阐述和定量分析。通过理论推导和计算机仿真计算，验证了该识别方法在宽带相控阵雷达监视诱饵释放过程中应用的有效性。     

数据融合黑板型专家系统

给出了一种多传感器数据融合和黑板模型推理的专家系统的实现方法。系统以飞机平台为目标，利用多站多个传感器所获得的雷达、通信、敌我识别信息，通过多传感器数据融合和人工智能黑板模型推理，实现对飞机平台的识别和定位。     

目标的雷达特征与虚拟现实技术（上）

本文提出一种虚拟现实（Ｖｉｒｔｕａｌ Ｒｅａｌｉｔｙ）技术用于武器系统设计、研制及飞行试验的设想。为此，文中着重给出了目标的雷达特征、目标的几何建模、可视目标的雷达散射截面（ＲＣＳ）建模、目标识别与反识别及数据融合（Ｆｕｓｉｏｎ）技术。ｒｆｓｙ     

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。     

基于粗糙集的雷达辐射源信号识别

雷达信号识别是侦察系统信号处理的目的,是整个雷达对抗信号处理中的关键性环节,为解决雷达辐射源信号模式识别困难的问题,在深入研究粗糙集理论的基础上,将其同辐射源信号识别问题相结合,给出了基于粗糙集的辐射源信号识别模型。同时介绍了连续属性离散化、知识约简和规则提取的概念,给出工基于粗糙集的识别过程。实验表明该方法减少了识别的主观因素,能有效处理辐射源识别中的模糊性和不确定性,具有广阔的应用前景。     

基于轨迹特性的中段目标识别方法

针对中段弹道目标群运动时的真假目标识别问题,提出一种基于轨迹特性的弹道目标识别方法。该方法通过雷达观测数据还原出弹道目标运动轨迹,根据轨迹交点个数判断诱饵是单次还是多次释放模式,分别提出基于弹道参数和权值交点的识别途径,结合雷达观测弹道目标数目,归纳了基于轨迹特性中段弹道目标综合识别策略。仿真实验表明该方法的正确性并分析了雷达测量误差及布站位置等因素对识别结果的影响。