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。     

基于三站一维距离像融合的弹道目标特征提取方法研究

一维距离像是超宽带雷达目标识别的重要特征之一,基于多站一维距离像的目标特征提取技术是近来的研究方向。依据弹道目标的微动特性,推导了微动弹道目标的时间-距离像模型,然后通过比较各散射点时间-距离像正弦曲线参数之间的关系,实现了多个雷达观测视角下弹头目标距离像的匹配,在此基础上,利用三站一维距离像重构了锥体弹头上各散射点的三维空间相对位置,最后对锥体弹头的各个参数进行了估计。仿真结果表明了本文方法的正确性和有效性。     

基于雷达跟踪仿真的滑翔式再入弹道突防性能分析

从防御雷达对再入弹道跟踪效果的角度,对滑翔式再入飞行器的突防性能进行了初步分析。基于Unscented卡尔曼滤波和考虑气动模型的目标跟踪模型,加入雷达测量噪声,计算目标跟踪误差,比较弹道式与滑翔式再入弹道的跟踪效果。仿真结果表明：(1) 滑翔式再入弹道有横向机动且飞行高度较低,雷达的发现时间较晚,可观测时间比较短;(2) 由于雷达的跟踪动力学模型中很难对气动力准确建模,滑翔式弹道借助气动力产生机动,雷达对其跟踪的误差要大于弹道式再入弹道; (3) 在相近的雷达观测条件下,弹道机动性越强,雷达跟踪精度越差;(4) 尽量使防御方所假设的目标动力学模型失配是增加突防能力的有效措施。     

基于波形综合的雷达目标识别的自相关法

讨论雷达反隐身技术中的目标识别方法。重点介绍基于自然频率的波形综合雷达目标识别方法。针对实际雷达目标均被噪声污染 ,提出一种抗干扰能力强的自相关函数算法 ,给出该算法的实现步骤 ,进行计算机仿真试验 ,仿真结果表明 ,所提出的雷达目标识别方法有效。     

宽带LFM信号同时极化测量性能研究

针对雷达动目标的全极化高分辨信息的获取问题,建立宽带极化雷达的信号模型,分析对应的匹配滤波处理算法.对时/频域加窗的效果进行比较,提出了实用的窗函数选择方法.分析正负线性调频信号对高速运动目标的同时极化测量性能,提出对高速运动目标的极化--一维距离像联合识别方法.仿真结果证明了所此方法的有效性.     

高距离分辨像雷达目标识别

对雷达目标识别的要求是在不同的探测距离和不同的观测角下都能够达到很高的目标识别精度。雷达自身的特性及复杂背景的影响 ,使得基于距离像的雷达目标识别存在着一定的困难。由于非合作目标总是机动的 ,因而距离像也是非平移不变的 ,距离像在距离门中的位置是不确定的 ,存在不可预估的平移。同时 ,由于一维距离像某一分辨单元回波是该单元内所有散射点回波相干求和的结果 ,因而距离像的波形对目标姿态角的变化比较敏感。因此如何利用现代的信号处理技术和模式识别手段从距离像中进行可靠的特征提取和识别是至关重要的。就此对多种基于高距离分辨像的目标识别方法作了总结和回顾     

中段弹道目标微动特性仿真分析

对弹道目标进行运动特性建模分析是高分辨逆合成孔径雷达(ISAR)成像中运动补偿及成像时间段选取的关键。结合弹道目标中段飞行的轨迹特点和速度特征,采用坐标变换的方法对中段弹道目标的运动参数和雷达视线入射角的变化进行推导计算,探讨中段弹道目标在雷达视线方向相对雷达的运动规律,并分析目标微动特性对雷达视线入射角的影响。仿真结果表明,在成像积累时间内无机动轨道的弹道目标到雷达的径向距离接近等速变化,且目标的进动特性会带来目标自旋轴与雷达视线夹角成正弦周期性变化。     

一种快速有效的雷达目标识别方法

基于核的学习算法提出一种快速有效的雷达目标识别方法。首先利用核的主分量分析方法对雷达目标的一维距离像进行特征提取,可以有效地提取出其中的非线性特征;然后基于一种新型的支撑矢量机——近似支撑矢量机作为分类器对所提取的特征进行识别。实验结果表明,所提出的识别方法其正确识别率与标准支撑矢量机相当,但在计算速度上却有很大的提高,并对噪声具有较好的抑制作用。     

ISAR欺骗干扰效果评估方法研究

逆合成孔径雷达（ISAR）能够获取运动目标的一维像和二维像,利用宽带特征识别出真实空间目标.宽带成像欺骗干扰是对抗ISAR雷达目标识别的有效措施.构建了基于目标结构特征的ISAR欺骗干扰效果评估体系,提出了相应的干扰效果评估准则,研究了ISAR欺骗干扰效果评估方法.利用仿真评估软件进行仿真分析,验证了评估方法的合理性.     

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.     

基于对称Holder系数的雷达辐射源信号特征分析

文章基于Holder系数,提出了一种改进的雷达辐射源信号脉内特征提取方法,称之为对称Holder系数法。给出了对称Holder系数的定义,描述了基于对称Holder系数的特征提取算法。可以看出对称Holder系数法包含了相像系数法,后者只是前者的一种特例,且该方法相对于Holder系数法,其复杂度将减少一半。文中选择了6种典型的雷达辐射源信号进行特征提取和分类识别实验。实验结果表明,对称Holder系数在取不同类型时均获得了很好的正确识别率,并且当对称Holder系数所选取的类型不为相像系数时,可以获得更高正确识别率。     

基于卷积神经网络的雷达辐射源稳健识别方法

针对低信噪比下，基于传统统计特征的雷达信号识别方法对复杂调制信号类型识别性能不高，因而处理复杂度高的问题，提出一种基于卷积神经网络的雷达辐射源信号稳健识别方法。该方法通过提取信号的瞬时相位特征，获得变换域的表征信号，将其作为卷积神经网络的输入，实现雷达辐射源信号的快速识别。针对瞬时相位特征对于信噪比敏感的特点，采用主成分分析方法对信号特征域进行降噪处理，提升模型对噪声的稳健性。通过仿真实验验证了所提出方法在不同信噪比下对7种调制信号类型的识别性能，通过理论分析及不同方法的实验对比，验证了算法具有耗时较短、识别准确率较高、噪声稳健性好等优势，具有良好的工程实用性。     

中段目标高分辨距离像姿态敏感性影响度量方法

高分辨距离像（HRRP）存在散射中心模型改变、越距离单元走动、闪烁现象三个方面的姿态敏感性,同时影响距离像预处理、特征选择、模板生成等方面。为了区分不同姿态敏感性对距离像识别的影响,从而研究针对性的解决办法,首先在识别理论框架下,建立了“HRRP姿态敏感性影响水平统计模型”作为姿态敏感性对目标识别性能影响的定量分析工具。其次,针对弹道中段目标识别问题,定量分析了中段目标HRRP的姿态敏感性。暗室实测数据表明,闪烁现象与越距离单元走动对HRRP识别的影响程度相近。最后,通过比较聚类模板生成算法和邻近姿态角模板生成算法,验证了基于姿态敏感性影响水平分析方法的有效性。此分析方法对于弹道中段目标识别具有一定的参考价值。     

复杂电磁环境下雷达目标距离像识别效果评估

分析了战场电磁环境复杂性及其对雷达目标高分辨距离像特征提取和目标识别影响,分别以距离像失真和识别率为度量标准,通过对比特征提取和目标识别效果,提出了一种复杂电磁环境下雷达目标距离像识别效能评估方法,并进行了仿真计算。     

行星表面非规则陨石坑检测与识别方法

针对深空探测任务中行星表面特征检测与识别问题,提出了一种新的行星表面非规则陨石坑检测与识别方法。首先采用基于背景的Hopfield网络实现陨石坑边缘的提取,在对陨石坑边缘多种约束进行分析的基础上,提出了伪边缘剔除方法,并结合线性抗差估计理论与最小误差中值椭圆拟合方法,实现了对非规则陨石坑,特别是重叠及不完整陨石坑的检测及特征参数的提取。通过对行星表面光学图像的数学仿真验证了该方法能够对复杂背景下的非规则陨石坑进行有效的检测与识别。     

火星探测出舱机构的识别定位与坡度测量

为实现火星探测两器分离过程中出舱机构的坡度测量,提出一种基于立体视觉技术的出舱机构识别定位与坡度测量方法。首先,采用特征匹配的方法对场景中的出舱机构进行识别定位。针对巡视器导航相机成像视角变化以及出舱机构倾角变化导致图像产生几何形变,火星表面光照因素的影响以及巡视器硬件的计算能力,并结合出舱机构自身特点,提出一种区域特征与Blob特征相融合的识别定位方法。采用加速鲁棒性特征（SURF）算法检测图像中的局部不变特征,并用最大稳定极值区域（MSER）算法检测图像最稳定极值区域,两种特征相融合之后构造SURF描述算子并进行特征匹配。同时,采用M估计抽样一致性（MSAC）算法计算对应点变换矩阵,实现出舱机构在场景中的初步定位。然后,通过对出舱机构上人工标志的精确定位以及三维重建,并采用主成分分析法进行平面拟合,实现出舱机构的坡度测量。试验结果表明,该方法对成像视角变化以及光照变化具有鲁棒性,提取的有效特征数以及计算时间均优于尺度不变特征变换（SIFT）算法,基本满足火星探测中出舱机构坡度测量要求。     

SAR图像目标峰值特征提取与方位角估计方法研究

目标峰值特征是SAR图像目标识别的重要特征之一。峰值特征提取是SAR图像目标识别的一个重要步骤，为了由SAR图像快速、精确地提取目标峰值特征．本文首先研究了SAR图像目标峰值特征提取方法，提出了一种“子像素”级精度的SAR图像目标峰值特征提取方法．并通过仿真实验分析了峰值位置、峰值幅度的估计精度。由于目标SAR图像或SAR图像特征矢量对目标方位角变化的敏感性，因此，为了提高SAR图像目标识别系统的分类效率，本文还研究了SAR图像目标方位角估计方法，提出了一种利用峰值特征基于线性回归的sAR目标方位角估计方法，和现有方法相比，该方法除了计算速度快，估计精度较高之外，还能在估计方位角的同时，给出该估计的置信区间，从而更好的满足SAR ATR的实际需要。文中通过对大量实测MSTAR SAR图像目标方位角的估计实验，验证了本文目标峰值特征提取及方位角估计方法的有效性。     

反导系统中的模式识别技术及其发展趋势

根据反导系统目标识别特点,提出了反导系统识别特点及其对模式识别技术的要求,然后系统回顾了反导系统的红外与雷达特征提取与识别技术,总结了反导系统中的模式识别方法,将反导系统中的模式识别技术归纳为统计识别方法、专家系统法等五类,最后探讨了反导系统中模式识别技术发展趋势。     

GEO非合作目标超近距相对位姿视觉测量

提出一种基于几何特征综合匹配的双目超近距相对位姿视觉测量方法。首先,将失效卫星的矩形太阳帆板作为几何特征,采用综合匹配方法实现了双目图像的高精度匹配,随后基于几何特征指标参数判别和ROI检测方法,实现了卫星太阳帆板特征点组的识别与提取,在此基础上,进一步建立了目标坐标系,通过三维重建完成了超近距阶段失效卫星的相对位姿高精度解算。最后建立了高精度双目视觉超近距相对测量实验系统,结合所提出的综合匹配算法和相对位姿解算方法,完成了动态非合作目标的相对位姿测量实验,实验结果说明所提出的方法具有较好的实时性和较高的精度。     

基于YOLOv6框架实现典型通信信号调制快速识别方法

随着战场通信侦察对抗系统的快速发展,通信信号体制变得非常复杂,给非合作接收条件下的通信信号检测、调制识别及信号辐射源个体识别带来困难。为了全面掌握信号先验信息,对复杂多样的通信信号体制进行盲检与识别,本文提出基于时频图分析和深度神经网络的多种通信信号自动调制识别方法。首先,利用时频分析将不同典型通信信号转换为时频图像,再将标注后的时频图输入基于深度学习的YOLOv6（目标检测模型）网络中进行特征学习;然后,通过设计YOLOv6更高效的网络结构,使其能够对信号的时频图进行快速识别;最后,将训练后的网络权重对典型通信交叠信号进行测试,对提取的特征向量进行分类识别,完成6种调制方式识别与位置的快速确定,实现在非合作接收条件下的多个典型通信信号调制方式的检测和识别。