海面舰船目标雷达距离高分辨特性测量

雷达距离高分辨特性,即目标的一维高分辨距离像特性,能够体现目标的形状及结构信息,且易获取,有利于对目标进行准确识别,这已成为目前雷达目标识别领域的一个重要研究方向。开展目标一维高分辨特性研究的一个重要基础是测量,因而通过测量目标的一维高分辨距离像并分析目标特性,对目标识别具有重大理论意义与实际应用价值。基于此,文章利用实验室现有全相参新体制雷达导引头目标测量平台,对海面舰船目标的距离高分辨特性进行了初步实测,获取了海面舰船的米级高分辨距离像,为今后深入开展海面舰船目标识别研究奠定了坚实基础。     

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。     

基于稀疏表示的高分辨距离像自动目标识别(英文)

稀疏表示作为一种新的信号分析方法,近年来受到越来越多学者的关注。本文提出一种基于稀疏表示的自动目标识别方法用于识别地面运动目标类别。文中使用稀疏理论分析高分辨距离像信号结构,使用稀疏系数描述高分辨距离像结构特征。为了验证文中方法在高分辨距离像自动目标识别中的可行性和有效性,本文进行了大量二至六类目标识别实验。结果证明,本文提出的高分辨距离像目标识别方法在满足计算实时性要求的条件下具有良好的目标识别能力,并在目标类别数增加的情况下具备较好的识别稳健性。     

空间目标探测与识别雷达工作频段与体制选择探讨

根据空间目标探测与识别雷达的任务要求,通过对雷达搜索、扫描、探测、多目标处理能力、分辨率的技术分析与经济性比较,给出了空间目标探测与识别雷达工作频段与体制选择的参考性结论。     

基于DRFM的高分辨雷达扩展目标回波仿真技术

介绍了一种基于DRFM的高分辨雷达扩展目标回波信号仿真方法,该方法将舰船等复杂目标视为扩展目标,其雷达回波信号可以看作扩展目标各散射中心产生的回波信号的叠加。应用该技术产生的模拟目标回波信号和假目标干扰信号,由于携带雷达发射信号和照射目标特征信息,能顺利进入末制导雷达接收机,仿真效果优于一般常规仿真技术。     

高频区雷达目标识别

随着雷达技术的发展,雷达目标识别日益受到广泛的重视.文中综述了高频区雷达目标识别的方法亟需解决的一些问题.     

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。     

雷达目标散射截面的计算

对雷达探测对象——空中飞行目标的特性研究,一直是雷达技术中一个非常重要的研究课题。雷达目标的特性研究,对雷达的设计、雷达目标的设计,以及雷达目标的特性分析和识别都具有十分重要的意义。目标的雷达散射截面(RCS)是雷达目标特性研究中一个最基本的参数。本文旨在介绍目标雷达散射截面的概念、理论分析和常用计算方法。     

基于混合体制雷达网的弹道目标微特征及外形参数提取

针对弹道中段目标微特征难以识别与分辨的问题,提出了一种基于低分辨雷达和高分辨雷达相结合的混合体制雷达网的有翼弹道目标微特征及外形参数提取方法。依据非线性信号参量可分离模型,利用非线性最小二乘估计方法解算出有翼弹道目标群各散射中心的幅相参数,结合不同雷达提取的微特征的关联性,利用散射中心关联处理实现了各类散射中心的分离。在此基础上,利用弹道目标的微特征,结合弹道目标各散射中心的相对位置关系,重构出各目标的三维微特征及各散射中心的三维位置矢量,进而估计出目标的进动特征和结构参数。仿真结果表明:当信噪比(SNR)为5 dB时,该方法的重构精度保持在92%左右。     

Multi-aspect radar target recognition method based on scattering centers and HMMs classifiers

A hidden Markov model (HMM)-based method for recognizing aerial targets according to the sequential high-range-resolution (HRR) radar signature is presented. Its recognition features are the location information of scattering centers extracted from the HRR radar echoes by the relax algorithm. The HMM is used to characterize the spatio-temporal information of a target. Several HMMs are cascaded in a chain to model the variation in the target orientation and used as classifiers. Computer simulations with the inverse synthetic aperture radar (ISAR) data are given to demonstrate that for an open-set recognition, average class-recognition rates of 84.50% and 89.88% are achieved, respectively, under two given conditions.     

Improved target classification using optimum polarimetric SARsignatures

We present a new method for automatic target/object classification by using the optimum polarimetric radar signatures of the targets/objects of interest. The state-of-the-art in radar target recognition is based mostly either on the use of single polarimetric pairs or on the four preset pairs of orthogonal polarimetric signatures. Due to these limitations, polarimetric radar processing has been fruitful only in the area of noise suppression and target detection. The use of target separability criteria for the optimal selection of radar signal state of polarizations is addressed here. The polarization scattering matrix is used for the derivation of target signatures at arbitrary transmit and receive polarization states (arbitrary polarization inclination angles and ellipticity angles). Then, an optimization criterion that minimizes the within-class distance and maximizes the between-class metrics is used for the derivation of optimum sets of polarimetric states. The results of the application of this approach on real synthetic aperture radar (SAR) data of military vehicles are obtained. The results show that noticeable improvements in target separability and consequently target classification can be achieved by the use of the optimum over nonoptimum signatures     

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。     

Efficient ATR using compression

We examine various model-based automatic target recognition (MBATR) classifiers to investigate the utility of model-catalog compression realized via signal-vector quantization (VQ) and feature extraction. We specifically investigate the impact of various compression rates and common automatic target recognition (ATR) scenario variations such as noise and occlusion through simulations on high-range resolution (HRR) radar and synthetic aperture radar (SAR) data. For this data, we show that significant computational savings are possible for modest decreases in classification performance.     

基于混合 MOM-PO的复合电磁散射问题分析

海面(或地面)环境中目标电磁散射特性,对实际战场环境下军用目标的雷达探测、雷达特性形成以及雷达目标识别等技术具有基础支撑作用。因此,快速准确地分析目标和粗糙面复合电磁散射特性具有重要理论意义和应用价值。文章采用基于矩量法(MOM)和物理光学法(PO)的混合方法MOM-PO分析了目标和粗糙面复合电磁散射问题。与传统的矩量法相比,该方法在保证精确度的前提下大大加快了计算速度。     

SAR ATR performance using a conditionally Gaussian model

A family of conditionally Gaussian signal models for synthetic aperture radar (SAR) imagery is presented, extending a related class of models developed for high resolution radar range profiles. This signal model is robust with respect to the variations of the complex-valued radar signals due to the coherent combination of returns from scatterers as those scatterers move through relative distances on the order of a wavelength of the transmitted signal (target speckle). The target type and the relative orientations of the sensor, target, and ground plane parameterize the conditionally Gaussian model. Based upon this model, algorithms to jointly estimate both the target type and pose are developed. Performance results for both target pose estimation and target recognition are presented for publicly released data from the MSTAR program     

基于频谱和倒谱分析的探地雷达地杂波抑制

超宽带探地雷达被广泛用于检测浅层埋藏的反人员地雷,其中滤除强的地表反射回波是完成目标检测、成像与识别的关键。将独立分量分析算法与数据非一致性检测方法相结合,通过分析独立分量的频谱和倒谱,给出了一种可以适应多目标数据区域且自动选取独立分量的地杂波抑制方法。实验结果证明了该方法的可行性和有效性。     

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。