飞机回波FRFT域的多重分形特征与目标分类

低分辨雷达体制的限制和探测过程中背景杂波的影响,使得低分辨雷达飞机目标的分类识别较为困难。本文提出一种分数域多重分形方法,通过引入分数阶Fourier变换（FRFT）寻找飞机目标回波的最优FRFT域,并在最优分数阶FRFT域提取目标回波数据的多重分形特征,结合支持向量机进行飞机目标的分类识别。实验表明,FRFT可以增强飞机目标回波的多重分形特性;从最优FRFT域提取的多重分形特征具有较好的分类识别效果,FRFT域多重分形方法的飞机目标分类识别率要高于时域多重分形方法的飞机目标分类识别率;即使在低信噪比条件下,FRFT域多重分形方法仍可实现低分辨雷达飞机目标的粗分类。     

基于VFDT特征的空中飞机目标分类方法

飞机机身的非刚性振动、航行姿态的改变以及机上旋转部件的转动等均会引发对其雷达回波的非线性调制,采用多重分形测度可以对飞机回波的此类调制特征进行细致的刻画。文中引入方差分形维轨迹（VFDT）这一种新的多重分形算法对飞机回波进行特性分析和特征提取,基于提出的VFDT特征并结合支持向量机（SVM）,对实际录取的多种类型飞机回波进行了目标分类识别实验。实验结果表明,VFDT特征可以较好地对多种不同类型的飞机目标进行分类辨识,并具有较小的计算量。     

防空雷达飞机目标调制周期特征的研究

基于飞机旋转部件对雷达电磁波调制机理,以及对调制参数模型和回波特点的分析理解,本文针对防空雷达,分析了几种飞机目标的调制周期特征,提出了几种调制周期特征分析和提取的方法.本文的主要贡献是揭示了防空雷达飞机回波复包络中的调制周期特征,分析了在不同飞机姿态、不同雷达工作状态下实际回波中调制周期特征的稳定性,并讨论了调制周期特征用于辨识螺旋桨飞机的可能性.实测数据分析结果表明:本文方法能从防空雷达螺旋桨飞机回波中提取调制周期特征,并用于螺旋桨飞机的辨识.     

常规雷达JEM特征分析与目标分类的研究

该文研究了常规雷达回波中喷气发动机调制(JEM)特征产生机理、提取方法及用于目标分类的效能,先从理论上分析了常规雷达飞机回波中JEM特征的产生机理,并比较了直升机、螺旋桨飞机和涡扇喷气机回波中JEM周期特征的差别。再讨论了实际回波中时域、频域、时频域方法分析和提取JEM周期特征的优劣,最后用AR双谱切片技术提取的JEM周期特征进行了目标分类和辨识实验,结果表明:JEM周期特征用于常规防空雷达飞机的分类是有效的,但又是有限的。     

基于有源／无源特征识别飞机目标的初探

在分析利用有源回波特征、无源辐射特征识别飞机目标的可能性与局限性的基础上．提出了联合有源回波特征与无源辐射特征识别飞机目标的新思路，分析讨论了联合有源／无源特征识别飞机的关键技术，勾画出了联合识别系统的框架，为解决防空雷达飞机目标识别提供了一种新的方法。     

复AR双谱及在常规雷达目标分类中的应用

根据飞机喷气发动机调制(JEM)特征产生机理和参数模型及常规雷达回波特点,本文采用复AR双谱技术分析了常规雷达回波中的JEM特征,揭示了回波中JEM频率和径向Doppler频率之间的耦合关系,并从双谱切片中提取了相对不变的JEM周期特征。提出了基于JEM周期特征的目标分类方法。实测数据分类实验表明:JEM周期特征用于常规雷达飞机目标分类是有效的。     

基于压缩感知和深度学习的分类识别技术

雷达对空飞机目标分类可实现雷达装备获得敌机属性和类别信息,对于现代战争其重要性显得尤为突出。针对复杂电磁环境下的飞机目标分类问题,结合防空雷达的特点建立3类（固定翼、螺旋桨和直升机）飞机旋转部件调制回波模型,并理论分析了不同类型飞机目标的微动特征差异。仿真分析在复杂电磁环境下干扰对微动频谱的影响。引入压缩感知方法进行干扰条件下的微动特征稀疏恢复,采用堆栈自编码学习(SAE)方法构建深层神经网络对目标进行自动特征提取和分类识别;实录数据验证表明,本文特征提取和识别方法在干扰比例41%时识别正确率能达到75%。     

基于混沌、多重分形理论的雷达信号分析和目标识别

本文旨在将混沌、多重分形的理论和方法引入雷达信号处理,分析雷达目标的混沌、分形特性,以有效进行雷达目标识别。文中统计了飞机目标回波信号的Lyapunov指数分布情况,并计算了其多重分形维数,然后在此基础上,利用ART2神经网络进行了飞机目标识别的研究,获得较高识别率。本文的研究表明,混沌、多重分形理论结合人工神经网络在目标特性和目标识别的研究中有着良好的应用前景。     

基于混沌,多重分形理论的雷达信号分析和目标识别

本文旨在将混沌、多重分形的理论和方法引入雷达信号处理，分析雷达目标的混沌、分形选特性，以有效进行雷达目标识别．文章统计了飞机目标回波信号的Ｌｙａｐｕｎｏｖ指数分布情况，并计算了其多重分形维数，然后在此基础上，利用ＡＲＴ２神经网络进行了飞机目标识别的研究，获得较高识别率。本文的研究表明，混沌、多重分形理论结合人工神经网络在目标特性和目标识别的研究中有着良好的应用前景。     

基于分形压缩特征的雷达目标识别研究

利用分形构形的基本理论,对雷达目标散射回波信号进行分形压缩逼近,通过分析压缩,对原始散射信号波形数据进行压缩,从而有利于目标识别．有此基础上,利用散射回波信号的分形压缩特征进行了目标识别研究．实验仿真结果证实本文方法行之有效     

海况对海面目标雷达回波的影响分析

海面自身随机多变的特性会对海面目标的雷达回波信号检测产生重要影响。文中利用分形方法对海面建模仿真, 模拟了五种不同的海况,基于雷达工作原理设计了一款雷达视频回波信号仿真软件,提高了仿真的逼真度和实时性。针对雷达散射截面(RCS)不同的舰船目标模拟仿真雷达回波,研究了海况对海面目标雷达回波的影响。结果表明:随海况等级的增加,海杂波噪声信号增强,RCS 相对较小目标的雷达回波会逐渐被海杂波淹没。海面目标雷达回波仿真软件既能用于分析海面及目标的电磁散射特性;同时,在目标检测与识别中会有重要应用价值。     

时频联合处理方法在地波高频雷达中的应用

一般采用时域或频域的方法对雷达信号进行分析。时频联合处理方法在时间-频率二维空间对信号的特性进行分析,从而进一步得到信号频谱分量在时间轴上的分布图。因此,对于具有时变频率分量的空中目标回波而言,时频联合处理方法是一种有效的分析方法。文中简要介绍了时频联合处理方法的基本方程,采用时频联合处理方法对具有多个频谱分量的混合信号、噪声加信号和高频雷达在强海杂波背景下的空中机动目标回波信号进行了分析和说明。结果表明,时频联合处理方法的应用能大大提高高频雷达对目标的探测能力。     

低分辨机载雷达空地运动目标的分类识别算法

分类识别技术是雷达当今和未来发展的重要需求,也是雷达的关键技术之一。目前研究较多的是基于宽带信号的目标识别,对雷达系统和目标信噪比具有较高的要求,且对角度非常敏感。针对低分辨机载雷达工作在下视模式下,慢速飞行目标和地面运动目标由于具有相似的多普勒速度和雷达散射截面(RCS),使得其对机载雷达慢速飞行目标检测、跟踪和识别形成干扰,该文提出了一种基于窄带分形和相位调制特征的机载雷达空地运动目标分类识别算法。文中以实测试飞数据进行分析验证,以支持向量机(SVM)为分类器,试验结果表明,该方法能对机载雷达直升机、汽车运动目标进行有效分类识别,当SNR 15 dB 时,平均分类识别率在89%以上。      

基于灰度图形状特征的低分辨雷达架次判别

提出了一种基于回波灰度图低分辨雷达目标架次判别方法。分析了机群目标架次属性与灰度图形状结构之间的联系,对去噪后的灰度图分块提取形状特征,并采用径向基神经网络对实测四类不同架次的飞机目标数据提取的特征进行了识别,结果验证了灰度图形状特征信息的有效性,达到了较高的识别率。     

基于回波闪烁效应识别光学目标的方法研究

为获取光学目标更多的特征信息、达到目标识别的目的,文中利用不同目标回波特征受到湍流大气调制作用的差异性,将目标回波的闪烁效应作为目标识别的手段之一。采用功率谱反演法生成随机相位屏模拟双程湍流大气扰动,利用硬边光阑展开为有限级数和的形式以及Collins衍射积分公式推导角反射器、镜头目标和朗伯漫反射体的反射光的复振幅分布,通过原路返回处的光强分布得到反射光的闪烁指数。分析了湍流强度和目标尺寸对上述三种目标回波的闪烁指数的影响,并进行了实验验证。研究结果表明:光学目标与漫反射目标回波的闪烁指数差别明显,整体相差一个数量级,随着口径的增大,光学目标回波闪烁指数整体上呈现减小的趋势;角反射器和镜头目标回波的闪烁指数在数值上差别不明显,但可以通过多组测试结果绘制回波闪烁指数随时间的变化曲线的方法将二者进行大致的区分。该方法可以快速地从漫反射背景中识别出光学目标,同时也为光学目标的分类识别提供了参考价值。     

基于极化联合特征的海面目标检测方法

该文从全极化体制角度出发,提出一种基于极化联合特征的海面目标检测方法。首先基于极化协方差矩阵,通过Cloude特征分解,提取表征回波随机程度的极化熵和反熵的数学期望;接着直接基于极化散射矩阵,通过Krogager特征分解,提取表征回波中极化散射分量结构组成的球散射体分量、二面角散射体分量和螺旋体散射分量的归一化系数;由提取的特征构成五维特征空间,利用主成分分析(PCA)降维证明所提特征具有良好的可分性,最后采用一类支持向量机(OCSVM)对目标和杂波进行识别。所提方法分别从极化相干和非相干分解两个角度出发,通过两种不同的极化分解方式提取特征,在一定程度上解决了高海情下基于单一极化分解方法存在的检测效果不理想的问题。通过IPIX实测数据验证所提方法具有良好的检测能力。      

采用机会照射源的杂波抑制与弱目标检测方法

在利用机会照射源进行目标探测时,目标信号经常淹没在强直达波与多径杂波中;同时,由于强目标信号旁瓣的遮盖效应,经常存在弱目标的漏检。针对以上问题,本文提出基于梯度变遗忘因子递推最小二乘的杂波抑制算法抑制直达波与多径杂波,同时提出了一种基于内插的改进CLEAN算法来实现强目标的抑制。该算法首先进行杂波抑制,然后与参考信号作二维时频互相关,估计出强目标信号的时延与多普勒频率;利用经过内插的时延点构造强目标干扰矩阵完成强目标的抑制,因此而达到检测弱目标信号的目的。经仿真实验证明该算法对于目标回波的时延与多普勒估计误差不敏感,且在强目标时延为分数倍采样周期时仍然能达到很好的抑制性能,有效检测到弱目标信号。      

外辐射源雷达目标旋转部件微动参数估计

大多数飞机目标具有旋转部件, 对其微动参数进行估计可为雷达目标分类识别提供重要信息.外辐射源雷达因其体制上的特点, 在微多普勒效应探测及其利用等方面具有独特优势.文中结合压缩感知理论提出了一种目标旋转部件微动参数估计新方法, 该方法基于微多普勒信号内在特性来构造字典矩阵, 将常规的微动参数估计问题转化为稀疏信号恢复问题.仿真与实测数据处理结果验证了所提方法的有效性和鲁棒性.     

分形在PRC-CW雷达目标回波分析中的应用

针对近程伪码调相毫米波雷达复杂目标回波具有很强非线性的特点,以伪码调相毫米波雷达相关处理后的回波数据为对象,以分形理论为工具来研究目标回波的复杂性和不规则性,提出将目标回波的分形维数作为特征参数。外场实测数据计算结果表明,不同目标的关联维数有较明显的差异,可以作为特征参数用于目标分类和识别。     

核Fisher判别方法在低分辨雷达目标识别中的应用

将机器学习领域新的研究成果应用到雷达目标识别中，并开发有效、实用的分类器具有重要实际意义。核Fisher判别方法是基于Fisher线性判别方法而提出的一种非线性分类方法，在这种方法中使用了基于核的算法中的“核技巧”。本文研究了核Fisher判别分类方法在低分辨雷达目标识别中的应用，并用从某低分辨雷达录取的实际飞机目标回波数据时该算法进行了测试，实验证明了核Fisher方法在低分辨雷达目标识别中的有效性。