基于双通道GoogLeNet网络的旋翼无人机分类

针对利用雷达微多普勒效应的旋翼无人机识别问题,提出了一种基于双通道GoogLeNet网络的分类识别方法。首先对旋翼无人机的回波信号进行短时傅里叶变换（Short-Time Fourier Transform,STFT）从而获得信号时频谱,对时频谱沿时间轴进行傅里叶变换得到节奏速度图（Cadence-Velocity Diagram,CVD）。然后将时频图和CVD作为双通道GoogLeNet网络的输入进行特征提取用以获得回波信号的时频域和节奏速度域的特征,最后将所获得的特征输入到Softmax分类器中进而实现旋翼无人机的分类识别。基于实际雷达数据的实验结果表明,所提旋翼无人机分类方法准确率可达到98.9%。     

基于双雷达微动特征融合的无人机分类识别

无人机的日益流行在带来便利的同时也造成了潜在的威胁,对无人机进行分类识别具有重要意义。雷达微多普勒信号能够区分不同类型的无人机。为了提高基于微多普勒的无人机分类的鲁棒性,该文提出了一种多角度雷达观测微动特征融合的无人机识别方法。首先利用多部雷达同时从不同角度观测目标;然后对采集的雷达数据分别进行短时傅里叶变换(Short-Time Fourier Transform, STFT),得到时频谱图;接着利用主成分分析(Principal Component Analysis, PCA)从时频谱图中提取特征,将两个不同角度雷达传感器得到的特征融合在一起;最后利用支持向量机(Support Vector Machine, SVM)进行训练与分类识别。基于实际雷达数据的实验结果表明:两个雷达传感器观测融合得到的分类精度优于单个雷达传感器的分类精度,最终识别准确率较仅利用X波段雷达传感器方法提升了5%以上。      

弹道导弹目标回波信号建模与雷达特征分析

介绍了弹道导弹运动目标特征提取和雷达识别的研究概况,针对锥顶不动、进动角固定的匀速进动锥形弹头目标,对其典型运动进行建模,给出了回波的解析表达式,利用数值解的方法,对回波信号进行了频谱分析和时频分析,提取了频谱调制特征和微RCS特征,使用Wigner-Ville分布峰值检测法,提取了回波信号的微多普勒特征,给出了使用雷达微动特征识别弹道导弹弹头的途径.最后给出了回波信号时频分布、微多普勒、多普勒谱和微RCS的仿真结果,证明了理论分析的正确性.     

基于循环谱的外辐射源无人机微动特征检测

为了降低无人机微多普勒特征信号检测难度,提出了一种基于无源雷达与循环谱相结合的微多普勒特征检测算法。首先,建立基于数字电视地面广播(Digital Terrestrial Multimedia Broadcast,DTMB)的无源雷达回波信号模型,分析各成分信号的循环谱,并提取循环谱的等高图获得二维特征信息;然后,将无人机旋翼对DTMB信号的微动调制作为检测目标,在此基础上进行循环谱检测和理论仿真。该算法在不进行复杂的杂波抑制的前提下直接对接收信号做循环平稳处理,实测结果验证了该算法能较准确地检测到无人机的微多普勒特征。     

基于多域特征融合的旋翼无人机分类识别

为提高雷达旋翼无人机的识别效果,本文提出一种基于多域特征融合的旋翼无人机分类方法。首先利用K波段连续波（Continuous Wave,CW）雷达观测多旋翼无人机,对采集到的雷达回波信号进行信号处理依次得到时频图、节奏速度图（Cadence?Velocity Diagram, CVD）和节奏频谱图（Cadence Frequency Spectrum,CFS）,然后将时频图和CVD图分别输入SqueezeNet网络,CFS数据输入一维卷积神经网络（1?D?CNN）提取回波信号在时频域、节奏速度域和节奏频率域的特征,最后将特征融合输入支持向量机（Support Vector Machine, SVM）进行分类。实测雷达数据处理的结果表明基于多域特征融合的旋翼无人机分类识别方法对三类旋翼无人机的分类准确率达到99.14%。     

小型无人机雷达特征与分类技术研究

为实现小型无人机目标识别,将雷达技术应用于探测与对抗无人机.首先从目标散射特性方面调研,研究结果表明微小无人机后向散射截面通常与鸟类、昆虫等类似,导致雷达虚警率较高.然后,从无人机回波分析研究,微多普勒信号具备判别飞行目标的可分性.比较多种微多普勒特征提取技术和分类技术,表明利用倒谱、矩阵分解以及多尺度分析能够提高特征...     

基于微多普勒信号分离和SqueezeNet的人体身份识别

针对基于雷达传感器的人体身份识别问题,本文提出一种基于微多普勒信号分离和SqueezeNet的人体身份识别方法。首先利用雷达对人体行走的步态进行探测并收集回波数据,回波数据经过预处理得到微多普勒时频谱图;其次用阈值法对时频谱图进行微多普勒信号分离从而得到四肢的时频谱图;最后将其输入到SqueezeNet网络,采用Softmax分类器来实现人体身份识别。实验结果表明,经过微多普勒信号分离后人体身份识别准确率提高5.25%, SqueezeNet网络与其他网络相比,在网络性能上具有准确率高、网络参数少、测试时间短等优势。     

基于时频谱图和CNN的雷达空中目标识别方法

传统雷达空中目标识别方法容易受到杂波和有效特征难挖掘等因素影响,其识别准确率难以满足实际雷达系统的目标识别需求。为了改善雷达对空中目标的识别性能,提出一种基于时频谱图和卷积神经网络(convolutional neural network, CNN)的空中目标识别方法。该方法首先提取雷达目标检测点迹所在距离单元的多脉冲回波数据,然后通过杂波抑制和基于CLEAN算法的雷达目标机身分量消除,得到以目标微多普勒分量为主的时域回波数据,接着通过短时傅里叶变换得到目标微多普勒时频谱图,最后利用时频谱图对设计的卷积神经网络进行训练和测试,实现喷气式飞机、直升机、螺旋桨飞机三类典型空中目标的识别。实测雷达数据测试结果表明,所提方法对三类飞机目标的识别准确率高于传统方法。所提方法避免了传统人工提取微动统计特征,消除了杂波与机身分量的影响,提高了雷达对空中目标识别的性能。     

基于PCA-CLEAN的噪声稳健激光微多普勒特征提取方法

雷达回波中的微多普勒效应能够反映目标的几何结构和运动特性,作为目标独一无二的特征,能够用来实现对目标类别和属性的判断。波长的优势使激光雷达相对于微波雷达具备更好的微多普勒探测精度。针对空中飞机目标(直升机、螺旋桨飞机)回波中微多普勒调制能量较弱,易被噪声污染的问题,提一种基于PCA-CLEAN的噪声稳健激光微多普勒特征提取方法,首先利用PCA对回波信号进行噪声抑制,然后利用CLEAN算法将回波中的机身分量和微动分量区分开,进而提取反映不同目标微动差异的三维特征进行目标分类,基于仿真和实测数据的实验结果表明,所提方法能够获得较好的分类性能,同时在低信噪比条件下能够获得较好的噪声抑制性能。     

基于双频段FMCW雷达的人体动作识别

针对单频段雷达利用微多普勒特征识别人体动作能力有限的问题,提出了一种基于双频段调频连续波(Frequency Modulation Continuous Wave, FMCW)雷达的人体动作识别方法。首先利用K频段与C频段两部不同频段的FMCW雷达分别对人体不同动作进行探测收集到回波数据,对回波数据进行预处理分别得到距离时间、距离多普勒与微多普勒时频谱图像;然后,运用主成分分析法对图像进行特征提取得到特征向量,对提取到的特征向量进行特征级融合;最后,将融合后的特征作为支持向量机的输入从而实现人体动作识别。采用雷达实测数据的实验结果表明,基于双频段FMCW雷达联合工作的探测方法对五种人体动作的识别正确率为96.25%,优于单个频段FMCW雷达单独工作时的动作识别正确率。     

外辐射源雷达直升机旋翼参数估计方法

外辐射源雷达是一种基于第三方非合作照射源的新体制雷达系统,在微多普勒效应目标分类和识别方面具有独特的优势,而其特点也决定了微多普勒效应参数估计方法需要具有良好的抗噪性能且计算量要小。针对上述问题,该文依据外辐射源雷达直升机旋翼微动信号模型,提出了利用时频域中回波闪烁特征进行直升机旋翼参数估计的新思路。通过对时频图中正负频率轴数据的幅值分别进行累加,提取出回波闪烁参数,同时,依据微动信号内在特性构建字典矩阵,利用正交匹配追踪算法实现了叶片长度、叶片数量、旋翼转速等参数的估计,相比常规Hough变换参数估计方法,该文方法更准确,更迅速。仿真和实测证明了该文方法的有效性。      

拖曳式雷达诱饵目标识别技术

针对拖曳式雷达诱饵易对雷达导引头造成欺骗性干扰的问题,利用雷达回波中提取的目标微动多普勒特征、极化特征和雷达截面积序列统计特征进行仿真分析,在实现载机和诱饵初步识别的基础上,采用贝叶斯(Bayes)数据融合方法,对上述3种回波信号特征进行一级融合,并进一步对不同时刻的信号特征进行二级融合,最终将目标识别率由71.5%提高到了96%.该目标识别方法能够大大减少外界因素的影响,相对于单特征识别显著提高了目标识别率.     

普通战车车轮微多普勒特征分析与提取

本电路首先将220V交流电变为12V直流电压来为整机供电,并应用气敏传感器MQ-2把瓦斯气体浓度这一非电量转换为电信号,再经由运算放大器μA709将该信号与门限电压比较,由电压比较器转化为数字信号并控制由LM555数模集成电路组成的双稳态触发电路最后应用继电器来控制报警电路和通风设备,从而实现报警。     

基于双流特征融合的FMCW雷达人体连续动作识别

本文提出了一种基于双流特征融合的FMCW雷达人体连续动作识别方法。首先对人体动作雷达回波信号进行预处理得到距离时间域图与微多普勒时频谱图,之后分别对两个不同维度的图像进行主成分分析提取对应特征并选取相同时间段的主成分分析结果进行融合得到双流融合特征,最后将双流融合特征输入到Bi-LSTM网络中训练与测试,网络对每个时间段的输入特征产生与之对应的动作类别输出从而实现连续人体动作识别。实验结果表明,当采用双流融合特征作为Bi-LSTM网络的输入时平均识别准确率要高于只采用距离时间特征或微多普勒特征作为网络输入时的平均识别准确率。     

基于压缩感知的弹道导弹微多普勒提取方法

利用微多普勒识别弹道目标的关键是宽带雷达回波信号的微多普勒提取。宽带雷达回波信号的高速采样对硬件和算法提出了更高的要求。将压缩感知方法应用到宽带雷达回波信号的微多普勒提取中,并给出了弹道导弹目标的微多普勒计算公式和利用压缩感知重构弹道导弹微多普勒的方法。在低采样频率下利用压缩感知理论从回波信号中提取的微多普勒,与在高采样频率下利用Gabor变换提取的微多普勒是一致的,这表明利用压缩感知理论以低频率采样弹道导弹回波信号,提取微多普勒,降低工程实现难度的方法是可行的、有效的。     

微多普勒理论建模与仿真研究

微多普勒被认为是雷达目标的"惟一"特征,"惟一"是指不同的微运动会有不同的微多普勒,从而基于目标微动差异提取相应的微多普勒特征可用于雷达目标识别.在介绍微多普勒相关概念的基础上,建立了刚体目标的一般微动模型及其微多普勒理论模型,并具体研究了锥体弹头和诱饵的微多普勒.最后通过仿真对雷达回波基带信号采用时频分析方法提取出弹头和诱饵的微多普勒特征,从而为真假目标的识别提供了新的依据.     

太赫兹双频雷达目标微动特征提取仿真

基于双频太赫兹回旋管设计了双频太赫兹雷达,针对振动、转动、翻滚运动目标建立了包含微多普勒信息的目标回波模型,采用时频分析方法开展了微动特征仿真计算.通过仿真结果可以看出,0.11 THz雷达和0.22 THz雷达对于振动、旋转、翻滚的微动特征都有厘米级的探测能力.在较强噪声条件下,通过自功率谱时频分析,可以抑制噪声,提...     

一种基于飞机目标CFD图的目标特征提取算法研究

随着雷达目标微多普勒现象的发现,目标的微动特性在雷达自动目标识别中逐渐受到了广泛的关注。微动目标回波中包含了精细的目标微多普勒特征信息,因此,可以从其中推断出目标特有的独立特征。而基于目标微动回波时频图的特征更是因为其信息量充足的特点,成为了一种新兴有效的目标分类特征。文中主要研究了飞机目标的韵律频率图(Cadence Frequency Diagram,CFD)特征分类算法,详细叙述了算法的具体步骤。仿真分析了CFD特征在飞机目标分类中的特点和优势,并且研究了相关参数对CFD特征的影响。