基于RCS序列的空间目标形状估计

将空间目标等效为椭球体,在分析椭球体RCS方向图的基础上,提出了利用空间目标RCS序列极大值与极小值比值来估计空间目标长短轴比值的方法。实测数据处理结果表明,该方法能有效估计出目标长短轴比值。目标长短轴比值反映了目标的形状信息,具有明显的物理意义,有利于后续的空间目标分类与识别。     

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。     

空间目标的ISAR成像与识别

空间探测雷达在人类航天活动中具有重要作用 ,宽频带信号体制的应用使空间目标的逆合成孔径雷达 (ISAR)成像与识别成为可能。结合空间目标的动力学和电磁特性 ,探讨了空间目标的ISAR成像与识别技术 ,并展望了该领域的技术发展趋势。     

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。     

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     

基于HRRP统计模型的目标识别

通过对高分辨距离像（HRRP）方位敏感性和距离单元散射点类型的分析,锥体目标的HRRP距离单元的幅度起伏在一定角度内可采用Gamma和Gaussian统计模型来描述。详细描述了基于平均距离像模板和基于Gamma和Gaussian统计模型的目标识别方法。通过实测数据比较了三种目标识别方法的识别率和实时性等性能。     

引信目标RCS理论算法的发展及应用

论述了引信近场雷达散射截面(RCS)计算的特殊性及难点，同时介绍了计算引信目标RCS的多种高频理论预估方法，着重比较了物理光学面元法与几何光学法，并讨论了其他一些理论方法的特点。通过某型导弹的应用实例，指出了引信目标模型在雷达引信目标系统仿真中的重要作用。     

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。     

基于CNN-BiGRU的空间目标RCS异常检测方法

针对相控阵雷达获取单个空间目标RCS数据率低、传统姿态异常检测方法提取短RCS序列有效特征困难、检测准确率低的问题,提出了一种基于CNN-BiGRU网络的RCS异常检测方法。首先利用滑动窗口对一段时间空间目标RCS实时数据进行积累;之后采用一维CNN提取不同检测窗口RCS序列的多尺度高维特征向量,采用BiGRU提取特征向量的时序依赖特征。通过将两个网络级联,实现对RCS随目标姿态变化的多元特征信息的有效提取;最后基于全连接层实现对目标异常RCS序列的分类与识别。仿真实验结果表明：相较于传统方法,所提方法检测准确率更高,抗噪声干扰能力更强。实测实验结果表明：利用仿真数据训练的模型针对不同源的实测数据,在低数据率条件下能够保持较高的检测准确度,所提方法具有较好的泛化性,更适用于相控阵雷达体制下RCS的异常检测。     

一种鲁棒的弹道目标RCS周期估计方法

由于运动方式、姿态控制等方面的差异,弹道中段目标(弹头、诱饵)存在不同的RCS周期特性,这是目标识别的重要特征.分析了弹头目标的RCS周期特性,指出了传统频域分析方法的不足,提出了一种新的RCS周期估计方法:通过利用循环平均幅度差函数,有效克服了传统频域方法的不足,且算法具有优良的抗噪性能.实验结果表明该方法能明显改善RCS周期估计的精确性和稳定性.     

基于改进SSD算法的航拍目标检测算法研究

研究基于深度学习技术的无人机航拍图像目标检测算法,首先介绍目标检测算法SSD(Single Shot MultiBox Detector),并对其特征提取网络进行改进,采用稠密特征提取网络替换原网络的主干特征提取网络,提高算法的特征提取能力,从而提升了算法的检测精度。针对网络实时性问题,在算法中引入分组卷积,极大地减少了网络参数量,提升了网络推理速度。为解决训练中出现的正负样本不均衡问题,利用焦点损失（Focal Loss）改进了原算法的损失函数,进一步提升了网络的收敛速度和精度。最后,通过仿真验证了改进算法在目标检测精度上的优越性。     

基于RRBF的空中目标识别

为了更好地解决空中目标识别的问题,简单介绍了粗糙集相关理论.在提出一种属性约简方法的基础上,利用粗糙集和径向基网络的优势,构建了一种耦合模型.通过对空中目标实例的仿真实验,说明了该方法能够客观有效地对空中目标进行识别.     

基于模糊聚类分析的无源雷达目标识别方法

针对无源雷达目标识别的特点,提出了基于模糊聚类分析的识别方法。首先分析了空中目标类型和目标表征,然后阐述了目标识别的原理和步骤,最后运用该方法对给定特征的空中目标进行了聚类分析,实验结果表明提出的方法是可行和有效的。     

一种基于随机集的目标跟踪算法研究

针对多传感器多目标跟踪问题,提出了基于随机有限集的概率假设密度（PHD）滤波算法。该算法通过选取与各传感器相关的重要性密度函数,层层更新各传感器的采样粒子,达到多传感器多目标有序PHD跟踪。给出了应用该算法的具体步骤,通过仿真实例证明该算法的有效性。     

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。     

临近空间高超声速飞行器RCS特性研究

首次系统地对升力体外形临近空间飞行器雷达散射截面（RCS）特性开展了研究,主要研究内容包括本体及绕流RCS特性研究,亚密湍流尾迹RCS特性研究和层流尾迹的RCS特性研究等。结果显示：等离子体绕流将降低飞行器后向RCS;亚密湍流尾迹对低频段RCS影响明显,对高频段影响不明显。另外,双站雷达对临近空间高超声速飞行器也会有较好的探测效果。     

基于Murty方法的多目标跟踪快速算法

JPDA是一种有效的多目标跟踪算法，但算法的复杂度随着目标和观测值的增加而显著增长。为了减少JPDA算法所需要的存贮空间和计算时间，通过Murty方法，得到K个最优的目标与观测值对应关系，再利用这K个最优对应关系实现JPDA算法。仿真结果表明，新算法跟踪成功率与JPDA相近，所需的时间远低于JPDA算法。     

一种基于最长路径的脉冲序列抽取算法

针对传统的动态关联算法在脉冲序列抽取方面存在的不足,提出了一种基于最长路径原理的脉冲序列抽取算法.该算法首先将待抽取的脉冲序列转换为一个经过拓扑排序的有向无环图,然后求解该有向无环图的最长路径,最后根据该最长路径抽取出相应的脉冲序列.相比较于传统的动态关联算法,基于最长路径的算法性能受设置的容差大小的影响较小,可以有效地提高脉冲序列抽取的正确率,并且具有较高的稳定性,从而能够更好地满足信号分选算法的实际工程需要.仿真实验表明了该算法的有效性.