基于微多普勒特征的真假目标雷达识别研究

真假目标识别是弹道导弹防御系统的主要技术瓶颈之一,在一定程度上决定了反导系统的成败.微多普勒是目标的一种新的"唯一"雷达特征,"唯一"是指不同的微运动会产生不同的微多普勒.基于弹头和诱饵微动特性的差异,提取相应的微多普勒特征可用于识别真假目标.在介绍弹头和诱饵运动特性的基础上,引入微多普勒概念,建立了弹头和诱饵的微动模型,并分别用矩阵法和代数法推导了其微多普勒的理论公式.理论计算与仿真实验的结果吻合良好,表明本文数学模型和理论推导的正确性;以微多普勒带宽、周期以及时频面上的变化规律为特征,可以区分真假目标.     

弹道导弹目标微多普勒特征提取

真假目标识别是弹道导弹防御系统的主要技术瓶颈之一,它在一定程度上决定了反导系统的成败.基于弹头和诱饵微动特性的差异,提取相应的微多普勒特征可用来识别真假目标.文中在介绍弹头和诱饵运动特性的基础上,引入了微多普勒概念,建立了弹头和诱饵的微动模型,并对其微多普勒进行了理论推导.通过仿真从雷达回波中提取出弹头和诱饵微多普勒的频谱特征和时频谱特征,从而为真假目标的识别提供了新的依据.     

基于微多普勒分析的弹道目标识别技术研究

目标微动产生的微多普勒特征,通常被认为是目标独有的特征,可用于确定目标的性质,实现对目标的检测、识别与分类。文中在对微动目标微多普勒分析的基础上,建立了导弹与诱饵的数学模型,采用短时傅里叶变换的方法对回波信号进行微多普勒特征提取,仿真分析了导弹与诱饵的微多普勒特征,通过研究其时频分布特点的差异成功的识别出了真假目标,从而为弹道导弹与重诱饵的识别提供了一个新的有效方法。     

基于特征谱的空间锥体目标识别方法

弹头与诱饵在中段飞行过程中存在不同的微动。弹头的微动为进动,诱饵的微动为自旋或摆动。根据弹头与诱饵在飞行过程中微动差异,提出了应用特征谱作为识别特征的分类方法。首先分析了进动、摆动及自旋目标回波信号的微多普勒特性。分析结果表明进动、摆动与自旋目标的微多普勒谱均可以近似为线谱,但是存在明显差异。因此提出应用谐波和的数学模型提取特征谱作为分类特征。最后给出特征谱提取方法及特征的降维方法。仿真结果表明,该方法能够有效地识别目标。     

基于四元数矩阵奇异值的目标特征提取与识别

在弹道中段,目标的微动差异是识别弹头和诱饵的有效特征.但目标微动特征参数的提取往往受到目标平动补偿精度、雷达装备工作状态和环境等因素的限制,进而导致目标识别率降低.首先建立了基于四元数的弹头与诱饵微动模型,将目标的微多普勒时频像视为彩色图像,并将彩色图像用四元数矩阵模型描述.根据奇异值向量的稳定性和旋转不变性,提出了基于四元数矩阵奇异值分解和支持向量机的弹道目标微多普勒特征提取与分类识别方法.仿真结果表明:四元数矩阵奇异值构成的特征向量比基于Hu矩的特征向量更加有效;提高信噪比,有助于提高分类器的目标识别率;目标径向速度估计误差的增大,会降低分类器的目标识别率;增大雷达的脉冲重复频率可以明显提高目标的正确识别率.     

基于微多普勒特征的空间锥体目标识别

空间锥体目标在大气层外飞行过程中存在不同的微动,目标的微动为进动,诱饵的微动为摆动或自旋.根据真假目标的微动差异,提出了低分辨雷达的目标识别方法.在多散射中心信号模型下分析了真假目标的微多普勒特性,指出目标回波信号微多普勒谱与其进动参数密切相关,而诱饵回波信号微多普勒谱与其摆动＼自旋频率密切相关.应用低分辨雷达多次回波...     

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.     

弹道导弹微动特征参数随雷达回波信噪比的变化特性

雷达目标识别是弹道导弹防御系统中的关键技术,利用导弹目标产生的雷达微多普勒频率进行目标判定是先进的目标识别方法之一。在进行弹道导弹的微动特征参数提取时,雷达回波的信噪比将会对其有不同程度的影响,严重时可能无法实现参数提取。在建立弹道导弹弹头运动模型和基于时频分析法的微多普勒特征参数提取方法的基础上,通过不同雷达回波信噪比下弹道导弹微多普勒特征参数提取的仿真,获得了微动特征参数随信噪比的变化特性。仿真结果表明:基于微多普勒的弹道导弹微动特征参数提取效果随着雷达信噪比而提高;只要雷达信噪比大于5,则都可较好地实现微动特征参数的有效提取。     

自旋尾翼弹头的双基地微多普勒研究

微动特征是弹道中段目标雷达识别的有效特征之一。针对基于自旋尾翼弹头的双基地微多普勒的自旋和结构参数估计问题,该文首先建立了自旋尾翼弹头双基地散射中心的微多普勒模型,然后利用FEKO计算了尾翼弹头的双基地散射系数,通过对散射系数序列的时频分析,验证了模型的正确性,同时总结了自旋尾翼弹头的双基地微多普勒特性,再分析了估计自旋和结构参数的可行性,最后,由于闪烁效应导致Hough变换已不能有效估计参数,该文提出了利用闪烁效应估计参数的新思路。     

OFD-LFM MIMO雷达中旋转目标微多普勒效应分析及三维微动特征提取

该文将微多普勒效应引入到多输入多输出(MIMO)雷达技术研究,以旋转运动目标为例,分析了雷达辐射正交频分线性调频信号(OFD-LFM)时目标的微多普勒效应,给出了其参数化表达。在此基础上,进一步将微多普勒理论从目前的雷达视线方向上的微动分量提取扩展到微动部件3维运动和结构特征提取,利用MIMO雷达的多视角特性,提出了构建多元非线性方程组求解旋转部件的3维运动参数的算法,实现了目标3维微动特征的提取。仿真实验验证了算法的有效性和鲁棒性。     

基于高斯短时分数阶Fourier变换 的海面微动目标检测方法

海上目标随海面颠簸导致姿态变化,引起回波功率调制效应,导致回波多普勒体现时变和非平稳特性.为此,本文将微多普勒理论应用于海杂波中弱目标检测,提出一种基于高斯短时分数阶Fourier变换(GSTFRFT)的海面微动目标检测方法.首先,建立海面目标的平动和三维转动回波模型;然后,基于海尖峰判别方法对回波信号进行数据筛选,改善信杂比,并采用GSTFRFT对微动信号进行增强处理,利用海面目标与海杂波的微动特征差异设计恒虚警检测方法;最后,通过GSTFRFT域滤波,提取信号的微动特征并得到瞬时频率.实测雷达数据仿真结果验证了算法的有效性,具有在强海杂波中检测微弱目标的能力.     

高速目标雷达微多普勒特征提取

目标组成部件的机械振动或旋转(微运动动力学)会在目标的雷达回波上产生频率调制,人们将由振动或旋转产生的调制称为微多普勒现象。微多普勒特征可以被认为是运动物体的独特现象,能够提供用于目标分类识别的附加信息。文中关注高速目标的微多普勒特征提取,讨论了高速带来的距离走动补偿、平动多普勒位移校正、雷达信号条件和微多普勒特征提取方法,仿真了一种高速目标微多普勒分析方法,仿真结果验证了该方法的有效性。     

飞鸟与旋翼无人机雷达微多普勒测量实验研究

针对飞鸟和旋翼无人机目标识别的迫切需求,开展微多普勒测量实验研究. 首先对飞鸟翅膀扑翼运动、无人机目标主体运动和旋翼转动进行建模分析与参数化表征,从雷达动目标回波中提取多普勒频移信息;然后利用短时傅里叶变换转换为时频图,对目标微多普勒特征进行精细化描述,并从雷达参数、目标类型、观测条件等多个角度重点分析了微动特征的影响因素;最后利用K波段线性调频连续波雷达开展飞鸟和两款典型旋翼无人机（“御MAVIC Air 2”和“悟Inspire 2”）微动测量实验,对微动参数进行估计,验证了理论模型的正确性. 实测数据分析表明:目标旋翼叶片长度越大、转速越高,微多普勒频率越大;叶片数目增多导致微动特征重叠;雷达观测角度、调制周期以及时频分析的时间窗长均会对微动特性产生重要影响.     

雷达微多普勒特征提取和目标识别研究现状

自从雷达目标微多普勒现象被发现以来,雷达目标的微动特性在雷达目标探测与识别中受到越来越多的关注,对目标微动特性的测量和分析正在成为当前目标探测与识别领域的新兴研究方向。文中主要介绍了目标微动和微多普勒效应的概念,比较分析了目前目标微动的测量与分析处理技术,并且着重从几个方面分别介绍了目前微动特征提取的应用现状,接着就目前较常用的几种微多普勒目标识别分类器的识别率进行了比较和分析,最后对目标微动特性研究的发展趋势和技术难点进行了预测和总结。     

雷达微多普勒信号特征的原理与应用

目标的微多普勒信号特征表现为不同的复杂频率调制,它由目标部件产生,用联合时间-多普勒频域进行描述,可以揭示目标独特的特性。介绍雷达微多普勒效应的基本原理与应用,描述来自刚体和非刚体的微多普勒信号特征。文中还讨论雷达微多普勒特征的研究现状、面临挑战与未来前景。     

双站SAR雷达目标旋转部件的微多普勒效应

基于双站SAR收发系统分置的特点,建立了平飞正侧视模式下雷达目标旋转部件的回波信号模型,推导了由目标旋转引入的微多普勒频移和微多普勒调频率的参数化表达式。在该模式下,由目标转动激励的微多普勒调制不仅与其微动参数、载波波长有关,而且与收发系统的几何参数相关,从而有望在保持双站SAR较高战场生存能力等优势的情况下,通过改变系统几何配置来提高对微动目标的检测能力。最后,结合时频分析技术由数值仿真验证了理论分析的正确性。     

基于分布式组网雷达的弹道目标三维进动特征提取

弹道目标微动特征提取是当前研究的一个热点,但在单基雷达中,由于视角限制,仅能提取目标在雷达视线方向上的微动分量,难以获得目标的真实三维微动参数.本文基于分布式组网雷达,利用组网雷达的多视角特性,提出了有翼弹道目标三维进动特征提取方法.首先基于目标锥顶散射点的微多普勒特征参数实现了目标空间三维锥旋矢量的重构,在此基础上,通过分析锥底边缘散射点的进动特征与微多普勒曲线的关系,提取了目标的进动周期、自旋周期、进动角、锥底半径、自旋轴与锥旋轴的交点位置等特征,并实现了目标长度的估计.仿真实验验证了算法的有效性,并进一步利用仿真实验分析了算法的鲁棒性.     

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。