相似目标识别的投影子空间构造方法

基于值空间投影的合成孔径雷达目标识别技术要求不同目标的值空间的交集应尽可能小。然而,对具有相似形态及结构的目标进行识别时,相应目标的值空间存在较大的交集部分,影响识别性能。通过约束投影空间与值空间的关系,提出一种有效构造投影空间的方法。该方法可以增大相似目标在投影空间投影的差异,提高目标识别性能。实验结果表明,本文方法构造的投影空间增大了不同目标间的可分性,识别性能及识别效率明显优于其他经典识别方法。     

基于正则变换的雷达目标成像识别

本文提出一种基于正则变换的雷达目标成像识别方法。该方法首先将各个训练目标在不同方位角时的距离剖面像构成综合矩阵，并对之作正则变换建立正则子空间；然后将每类目标各方位的像向该子空间投影形成子像，并以其平均结果作为库目标的特征矢量。对未知目标，以其子像对库目标特征矢量的欧氏距离最小为分类准则，进行了识别模拟实验。     

基于最优特征矢量子空间的雷达目标识别

针对雷达特征子空间距离像识别中存在的如何选择特征基的困难,提出了一种基于最优特征矢量子空间的雷达距离像识别方法。该方法首先对原数据样本进行特征提取变换,再采用遗传算法选取最优特征矢量,由此组成最优子空间。通过对三种不同类型飞机实测回波数据进行识别,并与经典特征子空间法的对比实验,表明该方法的有效性。     

改进的联合子空间投影的InSAR干涉相位估计方法

提出一种基于联合子空间投影技术的新方法来进行干涉合成孔径雷达相位滤波。所提方法采用的联合观测矢量的优点是,在任意配准误差μ（不超过1个像素）的情况下,观测矢量所对应的协方差矩阵的噪声子空间维数都和精确配准时的噪声子空间维数相同。所提方法在采用联合噪声空间投影方法的同时,充分利用观测矢量中相邻分辨单元的相干信息,因此在降低相位噪声的同时,还具有自动配准合成孔径雷达图像的功能,进而实现相应像素间干涉相位的准确估计。实测数据及仿真数据的处理结果验证了所提方法的有效性。     

基于子像空间的雷达目标一维距离像识别

提出了一种基于子像空间的雷达目标一维距离像识别方法。该方法一方面通过建立目标子像空间，改善了对输入目标为库属目标的识别率；另一方面基于假设检验理论，在分类判决中引入判决门限，能够有效地对库属目标和非库属目标进行判别。模拟实验结果表明该方法的有效性。     

基于方位弯折的高分辨距离像雷达目标识别

针对高分辨雷达距离像的方位敏感性问题,将应用于语音处理的动态时间弯折技术引入高分辨距离像雷达目标识别领域,提出了一种动态方位弯折技术,该技术通过将测试数据与模板特征序列进行非线性伸缩(弯折),获得测试帧与模板之间最小匹配距离对应的最佳匹配路径,实现对测试数据的目标识别。对ISAR实测飞机数据的分类实验及与模板匹配法和RBF识别方法的比较,获得了良好的识别结果,表明了该方法的可行性和有效性。     

SVM和HMM相结合的合成孔径雷达图像目标识别

提出了一种支持向量机和隐马尔可夫模型相结合的合成孔径雷达图像目标识别方法。该方法用小波分解和主成分分析提取图像特征,生成特征向量。利用图像在方位角上的关系由特征向量生成图像的特征序列以及隐马尔可夫模型的训练序列。用支持向量机进行目标预识别,确定目标最有可能所属的两个类别,用隐马尔可夫模型在这两个类别中确定目标最终所属类别,完成目标识别。使用MSTAR数据库中的图像数据对该方法进行验证和分析,结果表明,该方法可以明显提高目标的正确识别率,是一种有效的合成孔径雷达图像目标识别方法。     

基于非线性变换的高分辨率距离像雷达目标识别

雷达目标识别的预处理工作是高分辨距离像领域中的重要组成部分,也是提高识别率的重点和难点。给出了一种结合信号统计特性的信号预处理方法,通过对高分辨距离像(highresolutionrangeprofiles,HRRP)的非线性变换作为特征,有效地拉大了异类目标信号之间的欧氏距离,从而提高了分类的识别率。基于ISAR雷达实测飞机数据的实验结果证明了该方法的有效性。     

基于最优投影平面的雷达目标一维距离像识别

基于将多类目标的识别转化为两类目标的识别这一思想,提出一种雷达目标一维距离像识别方法。首先将多类目标组分为多个子组,每一子组包含两类目标;对每一子组中的目标,由其训练一维距离像建立最优投影平面;对输入目标,利用最小距离准则进行分类,以确定输入目标在每一子组中的类别。然后,应用投票机制最终决定输入目标所属类别。仿真实验结果表明了该方法的有效性。     

稳健的多通道SAR特征投影杂波抑制算法

针对强干扰目标信号污染影响传统的特征投影方法杂波抑制性能的问题,提出了一种稳健的特征投影方法。该方法首先构造与回波数据矢量对应的模归一化矢量,对其协方差矩阵进行特征分解,构造新的噪声子空间,最后将回波数据矢量向新的噪声子空间投影进行杂波抑制。理论分析和实验结果验证了该方法的有效性和稳健性。     

基于空时插值的机载雷达杂波距离依赖性补偿方法

杂波距离依赖性是机载前视阵雷达与双基机载雷达面临的重要问题,主要表现在其统计特性随距离而变化,导致杂波协方差矩阵估计不准确,进而使得空时自适应处理（space-time adaptive processing, STAP）性能下降。针对这种情况,提出了一种基于空时插值的杂波距离依赖性补偿方法。该方法通过雷达先验知识分别得到参考距离单元和待补偿距离单元杂波的两组导向矢量,然后对这两组导向矢量进行子空间拟合,利用得到的拟合矩阵作用于数据来补偿杂波距离依赖性,并且为了避免拟合过程中出现目标相消,增加了动目标保护约束。仿真实验结果表明了所提方法的有效性。     

一种有效的SAR图像分割与目标识别方法

在基于模板匹配的合成孔径雷达(syntheticapertureradar,SAR)目标识别中,一个关键问题就是如何从带有杂波的SAR图像中将目标正确分割出来,以便形成高质量的模板。针对这一问题提出了一种基于对数变换的自适应SAR图像分割方法并将其用于由美国国防高级研究计划署(DefenseAdvancedResearchProjectAgency,DARPA)和空军研究室(AirForceResearchLaboratory,AFRL)提供的实测SAR目标图像识别中。实验结果证明,经有效的目标分割后,不但提高了目标的正确识别率,还有效地提高了对假目标的拒识率,具有良好的鲁棒特性。     

基于KFD+ICA特征提取的SAR图像目标识别

提出了一种用基于核函数的Fisher判别分析(kernel based Fisher discriminant analysis,KFD)和独立分量分析(independent component analysis,ICA)特征提取的合成孔径雷达(synthetic aperture radar,SAR)图像目标识别方法。用基于核函数的Fisher判别分析提取SAR图像样本在高维特征空间中的最佳分类向量,对最佳分类向量做独立分量分析,得到表征图像样本的特征向量,用支持向量机(support vector machine,SVM)对提取得到的特征向量分类完成目标识别。对MSTAR数据库中三类军事目标用该方法进行特征提取和识别实验,识别率为96.92%。结果表明,KFD ICA特征提取方法可提取目标的有效特征,在较低特征维数情况下获得较高的目标正确识别率。     

改进的核子类判决分析

提出了改进的核子类判决分析（improved kernel clustering based discriminant analysis, IKCDA）方法,首先采用快速全局核k 均值聚类算法找到每类目标的最优子类划分,然后基于找到的子类划分结果采用核子类判决分析求取最优的投影矢量。基于UCI机器学习数据库的实验结果表明,经过IKCDA特征提取后异类样本间的可分性明显改善了。此外,基于美国运动和静止目标获取与识别（moving and stationary target acquisition and recognition, MSTAR）计划录取的合成孔径雷达地面静止目标数据的实验结果表明,经过IKCDA后可以改善对真实目标的分类性能和对干扰目标的拒判能力。     

基于复值HRRP CICA特征的多方位SAR目标识别

提出了一种基于雷达目标复距离像复值独立分量分析（complex independent component analysis, CICA）的合成孔径雷达（synthetic aperture radar, SAR）目标多方位散射特征提取和识别方法。根据雷达目标散射机理,将目标高分辨率复距离像建模为多个散射中心的复相干叠加。在分析复距离像的基础上,采用CICA方法实现了距离像中每个散射中心响应的分离。针对每个散射中心响应,利用高阶矩方法提取特征矢量。分类器基于隐马尔可夫模型（hidden Markov model, HMM）设计。采用美国运动和静止目标获取与识别（moving and stationary target acquistion and recognition, MSTAR）计划公开发布的目标实测数据进行算法实验,实验结果说明了提出方法具有较好的识别率。     

SAR层析成像技术的发展和展望

合成孔径雷达（synthetic aperture radar, SAR）图像是雷达目标在二维成像平面上的投影,由投影引起的各种失真使得SAR图像解译极其困难。干涉SAR能获取连续地形的高程测绘,但不具备高度分辨能力。利用多部天线或多次航过形成高程上的合成孔径,SAR层析成像技术实现了对雷达目标的三维分辨能力,这对实现城区测绘、人造目标识别等均具有重要价值。总结了SAR层析成像系统及其信号处理技术的发展历程和研究进展,并对各种信号处理算法的性能优劣进行了研究与讨论。最后,指出了SAR层析成像技术的研究热点并对其发展趋势进行了展望。     

连续波微动测量雷达及目标微动特性分析

目标或其部件微运动产生的微多普勒是目标识别的重要特征,对其进行高分辨测量和微动特征提取是识别的关键。设计了基于连续波体制的微动测量雷达方案,分析设计了收发分离的雷达微带天线,研制了X波段连续波微动测量雷达及其数据采集设备。利用该雷达实测数据采用时频分析工具对人行走的躯体、手、脚运动进行了微多普勒特征分析,实验验证了雷达测量数据的有效性。     

雷达目标识别中的双距离像子空间法

研究分析了双距离像子空间的分类机理,并介绍了所采用的最近邻特征线判别规则。将双距离像子空间与最近邻特征线判别规则相结合的分类器应用于雷达目标距离像识别中。用3种不同类型飞机实测回波数据进行识别研究,结果表明了该方法的有效性。指出了最近邻特征线判别规则的不足之处,即最近邻特征线敏感于特征提取方法。     

基于高阶奇异值分解的OTHR海杂波抑制算法

针对短相干积累时间(coherent integration time, CIT)引起的多普勒分辨率低,无法从强大海杂波中检测出舰船目标的问题,提出了基于高阶奇异值分解(higher order singular value decomposition, HOSVD)的海杂波抑制算法。首先利用相邻单元内海杂波的相干性,将毗邻距离单元和方位单元的多脉冲接收数据应用三阶张量表示,然后采用HOSVD方法求解三阶张量的海杂波子空间和目标子空间的投影矩阵,最后利用投影矩阵将三阶张量映射到目标子空间以抑制海杂波。该方法与现有子空间类海杂波抑制方法相比,提高了信干噪比(signal to clutter plus noise ratio, SCNR)和峰值旁瓣电平比(peak sidelobe level ratio, PSLR),解决了目标谱峰偏移问题。     

噪声中目标距离剖面像识别的修正特征子空间法

以噪声背景下高分辨雷达目标的距离剖面像为测量矢量 ,提出了基于修正特征子空间而进行特征抽取的目标识别方法。对每类目标 ,由训练样本矩阵经奇异值分解 (SVD) ,建立各自的特征子空间 ,并提取相应的降噪算子。对未知目标 ,其距离剖面像在各特征子空间中的投影 ,经相应降噪算子作用后 ,以能量最大为准则进行识别。模拟实验结果表明了所提方法的有效性