基于微动特性的单根箔条回波信号时频特性

针对箔条微动对回波信号调制的问题,提出一种单根箔条回波构建方法。首先建立单根箔条的典型微动模式的运动学方程,然后基于散射中心对该微动模式下的单根箔条回波进行仿真,最后通过时频方法对单根箔条回波信号的微动变化规律进行分析。仿真结果表明,建立的单根箔条微动模型能够有效地反映箔条回波信号的微动特性,为精确建立箔条云回波模型提供了技术支撑,并为有效识别箔条干扰、改善雷达性能提供了理论依据。     

识别箔条干扰的一种实用方法

在现代海战中,舰船大量使用无源箔条干扰。由于箔条云假目标２漂移的速度和舰船运动速度相差不大,它对反５舰导弹末制导雷达构成极大威胁。本文利用舰船回波与箔条回波时域波形的区别,提出一种基于波形相似性和稳定差异,通过构造平均相似值和峰距差两个波形特征随机变一,并分别取它们的样本均值和样本标准差作为识别特征的模式识别抗箔条实用新方法。外场试验考核和实验室仿真证明。该方法平均正确识别率达到９０％以上,能满足     

基于Relax散射点特征提取的舰船目标识别方法

针对基于高分辨距离像(HRRP)的舰船目标识别问题,提出了一种基于Relax散射点特征提取和设计了基于散射中心最近邻模糊分类器的目标识别方法.首先对数据进行预处理,然后基于Relax算法提取出散射中心,最后通过最近邻模糊分类器进行识别匹配.通过仿真4类军民船目标的数据进行测试,验证结果表明该方法在舰船目标识别领城具有很...     

坐标轴箔条云的电磁波传播特性研究

散射和传播是电磁波与目标相互作用时两个最基本的物理现象。在箔条干扰中,电磁波的传播效应是衡量箔条云团对敌方雷达波衰减能量的关键问题。本文针对一种坐标轴型箔条的应用需求,建立了箔条云和目标的合成回波模型,考虑了传播特性对目标散射回波的影响,并结合Oguchi方法对坐标轴箔条云的电磁波传播特性与箔条指向、位置、数量的关系进行了分析。仿真实验表明：坐标轴箔条云的电磁波传播特性不受其指向影响;在相同质量下,坐标轴箔条云的传播衰减约为传统箔条云的2.76倍,且不会出现相移,干扰性能更佳。此外,在给定仿真条件下,对不同数量的坐标轴箔条云在时间域和距离域上的干扰效果进行了分析,对坐标轴箔条的实际应用具有重要参考价值。     

箔条云电磁散射极化特性研究

本文首先介绍了美国Ｐｅｅｂｌｅｓ研究理想水平状态箔条云电磁散射极化特性的方法和结论，并推广应用于研究海军箔条云在这种复杂姿态条件下的电磁散射极化特性，研究结果为识别箔条云与舰艇提供了一种新的极化识别方法，并为这种识别方法的系统设计和评价提供了依据。     

抗海面箔条干扰技术

由于箔条具有使用简单、价格低廉等特点,箔条弹在海战中使用频繁。针对箔条弹可对雷达进行有效干扰的问题,文中以箔条云回波的频谱展宽效应特征为出发点,通过统计频谱宽度的方法区分舰船目标和箔条云。实验证明,在海战情况下,该方法可以有效地达到抗箔条干扰的目的。     

基于峰值区域的高分辨率极化SAR舰船目标特征分析与鉴别

针对高分辨率SAR 舰船目标检测中存在类似舰船的干扰目标造成虚警的问题,该文设计了一种峰值区域极化特征提取方法.该方法通过对比水面船只和干扰目标峰值区域Krogager 分解中螺旋体散射比重的差异,对两类目标进行了鉴别分析.利用RADARSAT-2 的C 波段全极化数据对方法的有效性进行验证,验证结果表明该方法能有效地鉴别船只目标与岛屿、防浪堤、海面平台、桥梁等干扰目标,减少SAR 舰船目标检测中存在的虚警.      

海面上方运动目标和人造箔条云干扰的多普勒频移仿真

计算空间取向偶极子箔条的极化散射,利用矢量辐射传输方程的一阶迭代解得到箔条云的双站散射截面.建立箔条云的扩散和箔条取向变化的模型,研究了半主动雷达制导过程中,导弹接收到的目标回波、海面杂波和人造箔条云干扰杂波的多普勒频移,得到数值仿真结果.     

毫米波导引头港口舰船目标识别技术

针对末制导导引头对港口多个舰船目标识别、分选的技术难点,该文将距离高分辨技术与单脉冲测角体制相结合,提出了一种基于毫米波单脉冲三维成像的港口舰船目标识别、分选方法。首先采用单脉冲三维成像获得目标散射中心的三维分布,然后利用聚类分析等方法实现目标的分割与识别,并将无偏几何中心法用于目标跟踪点的选择,从而实现导引头对多个舰船的识别、分选及精确跟踪。仿真结果表明,文中方法对多个目标的识别及目标要害部位选择具有很大的优越性。     

舰船箔条质心干扰建模与仿真

箔条质心干扰是舰船在受到反舰导弹攻击时重要的防御方式之一。介绍了舰船箔条质心干扰原理,然后构建了作战环境、舰船、箔条云、弹载雷达目标检测等模型,进行了仿真计算,对仿真数据进行了分析,给出了不同情况下箔条云最佳的布放距离和角度,使箔条干扰在对抗反舰导弹时能发挥最大效果。     

多角度极化SAR图像散射特征分解及SVM分类

在极化合成孔径雷达（synthetic aperture radar,SAR）图像理解和解译中,地物分类是重要的应用方向之一.为了研究多角度极化SAR图像的地物分类,文中基于极化统计特征差异性顺序,给出了多角度极化分解特征序列构建方法.首先,采用基于Wishart分布的统计量对非各向同性散射中心进行检测,并逐像素生成基于散射特征差异的新序列图像.然后,面向多种极化特征分解模型,提出通用的多角度极化特征一阶差分序列描述方法及编码方法,包括Yamaguchi四分量分解、Krogager分解以及H/A/Alpha分解,得到多维特征参数序列.最后,通过两种方法对比后最终选用支持向量机（support vector machine,SVM）方法对特征序列进行分类.通过机载P波段极化SAR开展360°观测试验,验证了该方法的有效性,并展示出在地物分类方面的应用潜力.     

全极化高分辨雷达距离像统计识别方法

在全极化、高分辨雷达体制背景下,提出一种将极化信息与高分辨距离像相结合的雷达目标统计识别方法。采用物理统计非高斯模型对全极化高分辨距离像建模,用模型参数分别表征具有较强散射强度分辨单元的多少和强弱,将全极化下的模型参数直接作为特征矢量,并采用Parzen窗法估计模型参数的概率分布密度,用贝叶斯分类器进行分类识别。对实测的导弹类目标识别结果表明,该方法能有效克服距离像特征依赖于方位信息的缺点,达到令人满意的识别结果。     

基于目标分解和加权SVM分类的极化SAR图像舰船检测

目标分解是极化SAR图像舰船检测的重要方法,但是,在较高分辨率和复杂海况条件下,由相干矩阵分解得到的极化熵参数并不能将舰船目标与海洋等背景完全区分。对极化目标分解理论和地物散射机理的研究和分析表明,极化分解的各个参数从不同角度反映了目标和背景的散射差异,对它们联合使用有助于更准确地在SAR图像中检测目标。而且,各个参数在实际的检测问题中具有不同的重要性。因此,本文构造了包含有多个极化分解参数的特征向量,并根据各分解参数重要性不同,提出一种基于目标分解和加权SVM (support vector machine)分类方法对极化SAR图像中的舰船进行检测。实验结果表明,该方法能够精确地检测舰船目标,并有效地减少虚警。      

雷达目标极化散射特征提取的研究进展

极化雷达可以直接测量出雷达目标的2×2散射矩阵信息，与传统雷达相比，极化雷达的突出优点在于测量数据包含的信息量远大于传统雷达，因而在很多领域都获得了重要应用.本文将对目标极化散射特征提取的发展概况进行综述，包括基于矩阵分解的目标特征参数提取以及直接提取目标极化散射特征的方法等，并对其中存在的问题进行评论，对未来的发展进行展望.     

Radar Polarimetry Analysis Applied to Single-Hole Fully Polarimetric Borehole Radar

A fully polarimetric borehole radar system using four combinations of dipole and slot antennas was developed to acquire fully polarimetric data sets in drilled boreholes. First, to implement radar polarimetry analysis, a processing scheme suitable for analyzing a single-hole reflection data set acquired by the system is presented. This processing consists of antenna-characteristic compensation, migration for image reconstruction, and time-frequency analysis for single-frequency data set construction. Two polarimetric target decomposition methods, namely: 1) Pauli decomposition and 2) eigenvector-based decomposition, are applied to characterize the scattering problem of the subsurface fractures. The Pauli decomposition method provided important radar polarimetry information of fractures, and the eigenvector-based decomposition method made a significant contribution to understanding the scattering mechanisms from different fractures with different properties. Furthermore, information about fracture classification can be obtained by analysis of the H-alpha distribution provided by eigenvector-based decomposition of local radar image regions. The potential of polarimetric target decomposition techniques to fracture characterization is shown, which, in turn, provides valuable information about water permeabilities of fractures in hydrogeological studies     

Ob ject-Based Classification Metho d for PolSAR Images with Improved Scattering Powers and Contextual Features

This paper proposes a new object-based classification method for Polarimetric synthetic aperture radar (PolSAR) images, which considers scattering powers from an improved model-based polarimetric decomposition approach, as well as the spatial and textural features. With the decomposition, the scattering ambiguities between ori-ented buildings and vegetation are reduced. Furthermore, various contextual features are extracted from the ob ject and incorporated into the K-nearest neighbors (k-NN) based classification. To reduce the feature redundancy, a new Supervised locally linear embedding (S-LLE) dimen-sionality reduction method is introduced to map the high dimensional polarimetric signatures into the most compact low-dimensional structure for classification. Experimental results with Airborne synthetic aperture rada (AIRSAR) C-band PolSAR image demonstrate the superior perfor-mance to other methods.     

基于极化交叉熵和Yamaguchi分解的飞机目标检测方法

给出了一种基于极化交叉熵和Yamaguchi分解相结合的飞机目标检测方法。首先计算极化SAR图像中各个像素点与平面、左螺旋体、右螺旋体三种基本散射体的相似性参数，并利用相似性参数构造极化交叉熵；然后采用Yamaguchi分解方法提取偶次散射分量功率；最后结合极化交叉熵与偶次散射分量功率构造检测特征量，并进行阈值判别提取飞机目标。利用美国UAVSAR和美国AIRSAR系统采集的全极化实测数据对算法进行实验，结果表明，该算法能够有效的检测出飞机目标，并且虚警较少。      

基于去取向理论的全极化SAR图像模糊非监督聚类

由于复杂散射体的随机取向导致其回波具有一定的波动性,利用目标分解理论对全极化SAR图像进行分类时,分类结果会出现一定程度的错分现象。该文提出了一种新的非监督分类算法,该算法首先根据去取向理论,将目标向量旋转到最小交叉极化方向;然后,采用u/v/H参数描述散射机制,以模糊隶属函数代替参数平面的硬阈值划分;最后,以多元复Wishart分布描述相干矩阵,基于Bayes极大似然分类准则进行分类。以中国广东淡水附近的L波段NASA/JPL SIR-C全极化SAR图像作为实验数据进行了仿真试验,并进一步对聚类中心的迁移进行了讨论。试验和讨论结果表明:同基于H/和类k-mean的算法比较,该文的聚类算法对聚类效果有明显改善,类别对应的散射机制也更为准确,分类结果有利于地表类型的自动识别。     

基于峭度加权VMD和熵特征的雷达脉内调制识别

针对复杂电磁环境下识别雷达信号脉内调制样式困难以及受噪声影响识别准确率受限的问题,提出了一种将变分模态分解(Variational Mode Decomposition, VMD)与熵特征提取相结合的识别方法。首先,通过基于峭度加权的改进VMD算法对雷达信号进行分解,得到由三个本征模态函数组成的最优分量集合;其次,对各分量分别计算其模糊熵、排列熵和符号熵值,从而实现对熵特征信息提取;最后,将特征向量输入到支持向量机完成识别。相较于其他方法,该方法有着较高的识别准确率和抗噪性能,在2 dB信噪比以上平均识别准确率为94.63%。     

基于一般散射模型的Hybrid Freeman/Eigenvalue分解算法

提出了一种新的基于一般散射模型的hybrid Freeman/eigenvalue分解算法,用于分析极化合成孔径雷达(PolSAR)数据.文中,单位矩阵作为体散射模型,相干矩阵的两个较大特征值对应的特征向量作为表面散射模型和二次散射模型,并且不需要反射对称条件.新算法有三个优点:第一,表面散射和二次散射不需要反射对称条件,更符合一般散射体的建模;第二,因为散射能量是相干矩阵特征值的线性组合,所以散射能量具有旋转不变性;第三,表面散射能量和二次散射能量避免了负值现象.在San Francisco地区的AIRSAR数据上进行了实验,证明了新算法的有效性.