一种优化K近邻准则及在雷达HRRP目标识别中的应用

针对雷达高分辨距离像的姿态敏感性,利用各目标在各种姿态下的雷达高分辨距离像样本和其局部聚散程度信息,调节各样本的局部有效作用范围,使得其统计置信水平达到可信的范围内,从而对二分类的K近邻测度距离和判决准则进行了优化,最后通过一对一法将其推广到解决多类目标的识别问题．实验证明该方法相对于传统的K近邻方法可有效提高识别率,尤其当类别增多时,性能改善显著．     

一维距离像的雷达目标特征提取方法研究

利用高分辨雷达一维距离像,分析了规范相关分析（CCA）法及核规范相关分析（KCCA）应用于高分辨雷达目标识别的特征提取,用外场实测数据进行了识别实验．理论分析与实验结果表明,CCA法和KCCA法在数据降维的同时保持了较高的识别率．     

树形级联SOM网络用于雷达目标一维距离像识别

在雷达目标识别中,由于雷达目标一维像特征提取容易,而且具有较好的识别效果,因此近来逐渐得到应用．但由于它是以散射点分布模型为依据的,对姿态变化非常敏感,为了提高对姿态变化范围较大的目标一维距离像的识别能力,在本文中,我们基于子波变换的多分辨分析理论及树形分层理论,提出一种级联SOM网络结构用于高分辨一维距离像的识别,并获得了令人满意的结果．     

雷达目标距离像分类机理的研究

文中用散射点模型的观点对雷达目标距离像的分类机理进行了探讨，首先从散射点模型出发导出距离像在近姿态角上强相关和在远姿态角上弱相关的距离像相关框架，指出这个框架只有在全资态角范围采集足够多距离像构成模板链才能完备地确定刻划目标和识别特征。作者用实验数据对这个结论作了验证，并探讨了姿态角范围与识别率的数量关系。     

利用核匹配追踪算法进行雷达高分辨距离像识别

雷达高分辨距离像识别是目前雷达自动目标识别研究领域的一个重点．采用核匹配追踪算法来设计分类器,提取一种非常简单的高分辨距离像平移不变特征——功率谱特征为识别特征,通过把高分辨距离像从像域变换到功率谱域来提取目标的平移不变特征,稳健性较好．基于实测数据的识别结果表明该算法具有较好的识别性能,同时其识别运算量较小．     

用距离像识别地面目标的研究

利用毫米波（ＭＭＷ）雷达高分辨距离像作为特征矢量，研究了四种地面目标的分类性能，比较了单极化和双极化下的目标分类结果．表明距离像的多极化非相干积累是提高目标识别率的一个有用方法．     

采用多特征联合学习的噪声稳健HRRP识别方法

为提高低信噪比条件下雷达目标高分辨一维距离像的识别性能,提出一种采用多特征联合学习的噪声稳健目标识别方法．该方法利用核函数实现对稀疏与低秩的联合表示,用来提取目标高分辨一维距离像的局部特征与全局特征．在训练阶段,利用联合可分性分析多分类器综合结构字典学习方法对特征提取字典进行优化,从而提高特征向量的可分性;在测试阶段,利用对消原理对噪声进行自适应抑制,实现噪声干扰下的稳健识别．利用实测数据进行实验,结果表明该方法可有效地对被噪声污染的目标高分辨一维距离像进行恢复,并提高低信噪比下的目标识别准确率,且满足实际应用中的实时性要求．由此可见,该方法可以有效地提高高分辨一维距离像目标识别系统在低信噪比下的总体性能．     

基于极化高分辨距离像的SVM目标识别方法

针对支持向量机（SVM）对单一雷达目标高分辨距离像数据源识别率较低和鲁棒性较差的问题,结合雷达目标极化信息,生成了雷达目标的极化综合距离像,提出了一种基于极化高分辨距离像的SVM目标识别方法。应用该方法分别对四类实测和仿真目标的ISAR成像数据进行了处理和识别实验,所得结果明显优于单一极化状态下的正确识别率,且鲁棒性更高。     

采用双向LSTM模型的雷达HRRP目标识别

针对传统雷达高分辨距离像目标识别方法只考虑高分辨距离像样本的包络信息而没有考虑其时序相关特性问题,提出了一种采用双向长短时记忆网络模型的识别算法。该算法首先选取出高分辨距离像样本的目标区域,并根据目标区域提取对于平移敏感性稳健的输入特征;然后采用双向长短时记忆模型对输入特征提取双向时序信息;最后通过投票策略融合双向信息,输出样本类别。采用实测数据的实验结果表明,该算法不仅可以有效地识别雷达目标,而且对于平移敏感性非常稳健。     

雷达高分辨距离像分帧新方法

针对雷达高分辨距离像的姿态敏感性问题,提出了一种新的分帧方法.首先分析了距离像频谱幅度的统计特性并假设其服从联合高斯分布,之后使用概率主分量分析模型对各个子帧内频谱幅度建模并用期望最大化算法求取模型参数,最后依次合并Kullback-Leibler距离最小的相邻子帧来完成分帧.实测数据的分帧结果与识别率均表明了该分帧方法的有效性.     

基于雷达图像的运动目标形态检测及跟踪技术

运动目标的检测与跟踪在实际中应用广泛。对于低空高速运动目标的检测与跟踪常常面临目标信号微弱和地物干扰严重等问题。基于某型飞机着陆雷达回波图像,提出并采用滑动窗口形态匹配算法对帧差的灰度图像进行目标检测,同时采用二次匹配算法分离出微弱信号目标,去除假目标干扰。之后再结合多帧图像进行航迹关联,去除静止地物等目标干扰,实现运动目标的跟踪。实际测试表明:该处理流程算法简单,处理一帧的时间短,可以检测到极其微弱的目标信号,有效抑制各种干扰,捕捉目标的反应时间短,实现了运动目标的实时检测、准确定位和无丢失跟踪。     

分布式结构下主/被动雷达抗假目标干扰方法

针对欺骗式假目标干扰,提出一种利用分布式融合结构主／被动雷达网的距离欺骗式假目标鉴别算法．首先利用主动雷达中的量测值来联合被动雷达进行航迹起始,并在航迹起始阶段剔除部分假目标; 之后,主动雷达和被动雷达独立地对目标进行跟踪滤波; 对于主动雷达中已形成稳定航迹的假目标,利用航迹关联的方法将其剔除．仿真结果表明,这种方法可以在保证真实目标鉴别概率的前提下,对欺骗式假目标进行有效的鉴别,降低主／被动雷达网的被欺骗概率．     

地面防空预警雷达探测概率仿真模型研究

针对地面防空预警雷达探测效能实验验证问题,将目标发现概率解析计算和雷达功能仿真相结合,构建了较完整和完备的雷达探测概率仿真模型．该模型包括视距判断、信噪比求解、干扰功率计算等模块和仿真环节,能够基于典型飞机目标的航迹想定,仿真计算单部雷达和雷达网对目标所有航迹点的综合探测发现概率,可为地面防空预警雷达装备探测效能仿真验证和作战使用研究等提供支持．最后,通过不同层次和粒度的仿真实验,验证了模型的有效性和可行性．     

IDTTC算法在AEWR情报分析中的应用

针对机载预警雷达（AEWR）情报分析领域的航迹关联问题,在研究传统航迹关联算法的基础上,改进了多传感器双门限航迹关联算法,并用实测数据进行了验证.结果表明,将改进的双门限航迹关联（IDTTC）算法应用于机载雷达情报分析,实现了航迹的自动关联,提升了航迹关联处理的效率.     

组网无源雷达高速多目标初始化及跟踪算法

针对无源相参雷达系统多个高速机动目标跟踪问题,提出一种扩展的多模型概率假设密度滤波器的粒子滤波实现方法． 传统的多模型概率假设密度滤波器假定新生目标的强度函数先验已知,但是无源雷达背景下新生目标可在监视区域任意位置出现,且速度取值范围大,此时传统方法失效． 基于传统多模型概率假设密度滤波器,利用各时刻远离多目标状态估计的定位结果,自适应初始化各时刻新出现的目标,有效跟踪多个高速机动目标． 仿真实验验证了该方法的有效性．     

利用空间散射特性差异进行有源假目标鉴别

针对欺骗式假目标干扰,单站雷达的对抗能力有限,而组网雷达数据级信息损失率较高,导致数据级融合抗假目标干扰方法未能充分发挥其抗干扰能力.由于真实目标的雷达截面积随视角随机起伏,在长基线条件下真实目标回波具有各向异性,而有源假目标信号具有各向同性.利用此差异,提出基于目标空间散射特性的组网雷达有源假目标鉴别方法,通过对目标的慢时间复包络序列进行相关性检验,以鉴别假目标.仿真结果表明该方法可在保证较高真实目标的鉴别概率的情况下,实现对有源假目标的鉴别.     

基于小波变换和灰色关联度的航迹关联算法

超视距雷达和红外预警卫星能对弹道导弹助推段进行探测跟踪,因此两者的情报可以相互关联印证,从而提高情报质量。针对超视距雷达和红外预警卫星的航迹关联问题,提出了一种基于小波变换的灰色关联度的航迹关联方法。该算法将超视距雷达和红外预警卫星的方位角信息序列通过小波变换进行去噪,得到方位角航迹的整体走势,然后对走势相同的方位角航迹建立灰色关联矩阵,并根据该矩阵按照一定的规则进行航迹相关判定。仿真结果表明,相对灰色关联度的关联算法,该算法的正确关联率提高了约8%。     

航迹关联指派算法研究

为了解决多目标航迹关联问题,将假设检验方法和线性指派算法综合起来形成了检验优先和指派优先两类方法．针对3种典型算法在雷达探测能力受限或者目标密集场景下容易出现错误关联的问题,提出了一种改进的检验优先算法．该算法通过惩罚性地增加虚拟目标的关联代价来改善关联性能．设计最简单的二目标场景和多目标场景对该算法进行了仿真．仿真结果表明,该算法在目标密集和雷达检测概率下降时仍然能够保持较高的关联性能．     

Azimuth variation correction method for geosynchronous synthetic aperture radar

Aimed at the severe azimuth variation caused by the ultralong synthetic aperture time and very large scene in geosynchronous synthetic aperture radar (GEOSAR), this paper develops an azimuth variation correction method for GEOSAR. The method firstly obtains the two-dimensional spectrum by the method of series reversion (MSR). The Doppler and azimuth positions of the point target in the two-dimensional spectrum are serious coupled. The singular value decomposition (SVD) can be introduced to separate the Doppler position from the position of the point target. Subsequently, Stolt interpolation is used twice to compensate the high-order phase terms. Thus, a focused scene is obtained. Finally, simulation for scene targets validate the proposed method. All the targets in the scene are focused well.