微多普勒理论建模与仿真研究

微多普勒被认为是雷达目标的"惟一"特征,"惟一"是指不同的微运动会有不同的微多普勒,从而基于目标微动差异提取相应的微多普勒特征可用于雷达目标识别.在介绍微多普勒相关概念的基础上,建立了刚体目标的一般微动模型及其微多普勒理论模型,并具体研究了锥体弹头和诱饵的微多普勒.最后通过仿真对雷达回波基带信号采用时频分析方法提取出弹头和诱饵的微多普勒特征,从而为真假目标的识别提供了新的依据.     

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.     

基于组合矩的激光雷达距离像目标识别

激光成像雷达距离像与目标表面物理结构特性密切相关,体现目标的本质特征,是目标识别的主要研究方向。采用组合矩的神经网络方法进行了相干激光雷达距离像目标识别仿真研究。用Hu不变矩和仿射不变矩两者的低阶矩组合表示距离像目标区域特征,利用反向传播(BP)神经网络识别不同方位角的车辆。当视场角不变时,训练10个目标,每个目标取3～19个样本,在不同载噪比(CNR)情况下,分析Hu不变矩、仿射不变矩和两者组合矩的识别率。理论分析和仿真实验表明利用组合不变矩进行距离像目标识别性能优于单独利用其中一种不变矩。     

一种基于组合不变矩的新的舰船图像目标识别方法

利用图像的不变矩特征进行目标识别是一种有效的方法.通过比较Hu矩、仿射不变矩和小波不变矩的特点和适用条件,提出了一种运用部分Hu矩、仿射矩和小波矩组合来识别舰船图像目标的方法.仿真实验结果表明,该组合矩对于提高舰船图像目标的识别率是有效的.     

基于组合不变矩特征的空中目标识别方法

根据NMI特征和Jan Flusser提出的仿射不变矩各自的特点和适用条件,提出了一种组合不变矩.利用组合不变矩提取图像的不变特征向量,并结合Fisher线性判别准则,实现了对空中目标的Fisher线性判别器(FLDA)的分类识别.同时,考虑到识别的快速性方面,对FLDA进行了改进,提出了主分量分析(PCA)与FLDA相结合的识别算法.仿真实验结果表明,该方法具有较高的识别精度和速度.     

低信噪比情况下的微多普勒特征提取方法

如何在低信噪比条件下进行微多普勒目标特征提取一直是微弱信号雷达检测的难点问题,文中从增强信号的角度出发,在信号不失真条件下,研究了多重自相关函数与信号强度的关系,提出了基于多重自相关函数与短时傅里叶变换联合的微多普勒目标特征提取方法,实现了在低信噪比条件下微多普勒目标特征的提取。文中通过建立旋翼回波信号,并在信噪比为-5d B的情况下,利用所提出的方法进行微多普勒特征提取,仿真结果表明该方法可以在低信噪比条件下有效提取出目标微多普勒特征。     

基于Zernike矩和SVM的不变性目标识别

在图像目标识别中,目标图像平移、尺度和旋转不变性是一个重要前提.文中采用稳定性好的低阶几何矩特征实现目标的平移、尺度不变性变换;然后利用Zemike矩提取目标的旋转不变性特征;最后在目标不变特征空间通过支持向量机(SVM)分类器实现目标识别.实验证实了算法的有效性.     

宽带雷达光学区频域识别法

该文以宽带雷达光学区目标识别为背景,由频域测量数据构造了不随目标距离像沿径向平移而改变的频域波形回波幅值波形和相位特征波形;基于此波形,提取了两种对目标方位角不敏感的识别特征广义频数和波形长度;并借助于时频分析中尺度变换的概念,把特征集进一步完备化。针对频域直接识别法易受测量噪声影响的缺点,设计了相应的预处理算法。选用FMM神经网络作为分类器,并修改了它传统的学习算法。对5种喷气飞机模型的识别结果表明,该算法具有较高的正确识别率。     

Polarization Ellipse Analysis of Nonstationary Random Signals

We present a novel way of extending rotary-component and polarization analysis to nonstationary random signals. If a complex signal is resolved into counterclockwise and clockwise rotating phasors at one particular frequency only, it traces out an ellipse in the complex plane. Rotary-component analysis characterizes this ellipse in terms of its shape and orientation. Polarization analysis looks at the coherence between counterclockwise and clockwise rotating phasors and whether there is a preferred rotation direction of the ellipse (counterclockwise or clockwise). In the nonstationary case, we replace this ellipse with a time-dependent local ellipse that, at a given time instant, gives the best local approximation of the signal from a given frequency component. This local ellipse is then analyzed in terms of its shape, orientation, and degree of polarization. A time-frequency coherence measures how well the local ellipse approximates the signal. The ellipse parameters and the time-frequency coherence can be expressed in terms of the Rihaczek time-frequency distribution. Under coordinate rotation, the ellipse shape, the degree of polarization, and the time-frequency coherence are invariant, and the ellipse orientation is covariant. The methods presented in this paper provide an alternative to ellipse decompositions based on wavelet ridge analysis.      

太赫兹双频雷达目标微动特征提取仿真

基于双频太赫兹回旋管设计了双频太赫兹雷达,针对振动、转动、翻滚运动目标建立了包含微多普勒信息的目标回波模型,采用时频分析方法开展了微动特征仿真计算.通过仿真结果可以看出,0.11 THz雷达和0.22 THz雷达对于振动、旋转、翻滚的微动特征都有厘米级的探测能力.在较强噪声条件下,通过自功率谱时频分析,可以抑制噪声,提...     

Scale and Translation Invariant Methods for Enhanced Time-Frequency Pattern Recognition

Time-frequency (t-f) analysis has clearly reached a certain maturity. One can now often provide striking visual representations of the joint time-frequency energy representation of signals. However, it has been difficult to take advantage of this rich source of information concerning the signal, especially for multidimensional signals. Properly constructed time-frequency distributions enjoy many desirable properties. Attempts to incorporate t-f analysis results into pattern recognition schemes have not been notably successful to date. Aided by Cohen's scale transform one may construct representations from the t-f results which are highly useful in pattern classification. Such methods can produce two dimensional representations which are invariant to time-shift, frequency-shift and scale changes. In addition, two dimensional objects such as images can be represented in a like manner in a four dimensional form. Even so, remaining extraneous variations often defeat the pattern classification approach. This paper presents a method based on noise subspace concepts. The noise subspace enhancement allows one to separate the desired invariant forms from extraneous variations, yielding much improved classification results. Examples from sound classification are discussed.     

Highly concentrated time-frequency distributions: pseudo quantumsignal representation

Distributions that are highly concentrated in the time-frequency plane are presented. Since the idea for these distributions originated from the Wigner representation in the quantum mechanics, a review of this representation is done in the first part of the paper. Abstracting the physical sense of the quantum mechanics representation, we defined the “pseudo quantum” signal representation. On the basis of a signal, the “pseudo wave function” with the corresponding “pseudo particle” having the “pseudo momentum” _p=ℏ_fω is generated. By varying the value of ℏ_f, one is in a position to influence the concentration of the “pseudo quantum” (time-“pseudo momentum”) signal's presentation while keeping its most important time-frequency properties invariant. From this reflection, an efficient distribution for the time-frequency (time-“pseudo momentum”) signal analysis is obtained. This distribution produces as high a concentration in the time-frequency (time-“pseudo momentum”) plane as the L-Wigner distribution; however, it may satisfy the marginal properties. The theory is illustrated with examples     

运动目标微多普勒效应的激光雷达相干探测及特征提取

在建立口径为200mm,波长为1550nm的全光纤型激光相干雷达探测系统的基础上,展开对运动目标微多普勒效应的实验研究。对实验获取信号进行频谱分析和时域-频域联合分析的结果表明,时间-频域联合分析方法可有效地提取运动目标的微多普勒效应特征,从而得到目标在20～2000Hz的振动特征。利用这些特征可区分和识别不同运动目标,为目标的探测、分类和识别提供了一条有效的途径。     

基于EMD时频重构特征的航管应答器个体识别

通过分析航管应答信号样式及特点,提出了基于经验模式分解（EMD）时频重构特征的航管应答器个体识别算法。首先通过EMD将多分量信号分解为有限个固有模式函数（IMF）分量,继而利用IMF来重构辐射源信号的时频分布,最终获得稳定的时频图分解特征。利用实测航管应答信号的验证实验表明,该方法可以有效提取航管应答信号的细微特征,最终的识别性能显著优于使用脉冲包络特征或者功率谱特征的识别算法。     

基于?2 -范式的特征抽取框架研究

针对由时频分析引起的失真而导致的特征自动抽取质量低的问题,文中将一个自动抽取微多普勒特征过程转化为 一个?2 -范式凸优化问题, 并通过搭建迭代的卷积神经网络框架近似求解。文中仿真运用四种运动捕捉数据库的测量数据,通过仿真模型模拟了雷达视线方向5 m 处的目标的雷达回波。仿真与实验样本所提取的特征用支持向量机分类。仿真和实验的分类性能表明,该框架抽取的特征的分类性能明显优于时频图像主成分分析所自动抽取特征的分类性能。     

基于最优Bohman窗的改进S变换电能质量扰动特征精确快速提取方法

针对传统S变换存在时频分辨率低且计算量大的问题,该文提出一种基于最优Bohman窗的改进S变换。该方法通过直接控制窗长获得最优时频分辨率,同时只针对主要频率点进行时频分析,实现对各类扰动信号特征的精确快速提取。首先根据所提评价标准确定最优长度参数;其次将采样信号进行快速傅里叶变换得到FFT频谱,再通过基于极大值包络的动态测度快速算法确定主要频率点;然后根据主要频率点所处频段选择对应最优长度参数进行计算处理;最后根据模时频矩阵计算时频幅值向量完成时频特征提取。仿真分析和实验结果表明,所提方法相较于传统S变换具有更高的时频分辨率和更短的计算时间,适用于电能质量扰动信号特征的精确快速提取。