基于三阶累积量奇异值分解的雷达目标识别

基于一维距离像三阶累积量矩阵的奇异值分解 ,由非零奇异值构成奇异值矢量作为正则子空间法的输入 ,提出一种雷达目标一维距离像识别方法 ,对目标进行分类识别。该方法一方面利用三阶累积量提高了抗噪性能 ,同时又使用非零奇异值矢量减少了存储量与运算量。仿真实验结果表明 :在低信噪比 ,该方法的识别率高于特征子空间法     

采用信号子空间稀疏表示的DOA估计方法

利用目标辐射源空间分布的稀疏性,提出了一种基于稀疏表示的多快拍联合波达方向(direction of arrival, DOA)估计方法。该方法首先利用采样数据矩阵大奇异值对应的左奇异向量估计信号子空间,然后采用加权迭代最小方差方法对信号空间进行稀疏表示。与传统的角度高分辨估计方法不同,该方法没有利用样本的统计信息,因而对具有任意相关性的信号源能进行有效的波达方向估计,不需要进行去相关处理,且具有很高的分辨力及估计精度。实验表明在该方法能准确的对目标源方位进行估计,且极大地降低了稀疏表示的计算量。     

基于熵特征的DRFM有源欺骗干扰CFAR检测

基于数字射频存储(digital radio frequency memory, DRFM)技术的转发式干扰的存在性检测是对抗有源欺骗干扰的前提。干扰机的相位取样量化会导致干扰信号有谐波分量的寄生。在雷达距离/速度波门内同时存在目标信号和欺骗干扰信号的情形下,利用经验模态分解(empirical model decomposition, EMD)算法分离出干扰信号谐波分量,通过提取干扰谐波分量与目标回波在时频域上能量分布特征差异,提出了一种基于时频域熵特征的有源欺骗干扰检测方法。该方法不需要估计噪声参数,且具有恒虚警(constant false-alarm rate,CFAR)特性。蒙特卡罗仿真结果验证了该方法的有效性。     

基于稀疏分解的图像压缩

图像稀疏分解是一种新的图像分解方法,可以将图像分解为很简洁的近似表达形式。在图像稀疏分解的基础上,对分解出的数据进行压缩。通过对分解结果数据分布规律进行分析,提出了量化和编码的方案,期望在低比特率情况下,得到较好的解码图像质量。实验结果表明基于稀疏分解的图像压缩方法得到的解压图像有较好的主观图像质量。     

集中式组网雷达的假目标欺骗干扰优化方法

针对组网雷达系统综合抗干扰能力强的问题,在集中式融合结构组网雷达背景下提出了一种假目标欺骗干扰优化方法。首先,建立了组网雷达跟踪目标的状态和量测模型,以及假目标距离和速度欺骗干扰模型,进而建立了量测偏差模型。然后,在此基础上,分别研究了单次和持续假目标欺骗干扰对组网雷达融合中心的卡尔曼滤波状态估计误差的影响。最后,通过分析假目标欺骗干扰的约束条件,提出了假目标欺骗干扰目标函数最优化的问题,并基于模拟退火算法进行了求解。仿真结果验证了假目标欺骗干扰引起的状态估计误差的表达式,以及本文方法的有效性。     

基于二次补偿的FDA-MIMO雷达抗主瓣欺骗式干扰方法

主瓣欺骗式干扰与真实目标具有相同角度, 传统相控阵雷达无法在空域对其进行区分, 严重降低了对真实目标的探测性能。针对此问题, 本文在频率分集阵列多输入多输出(frequency diversity array multiple input multiple output, FDA-MIMO)雷达中提出一种基于二次补偿的抗主瓣欺骗式干扰方法。首先, 通过对脉内主值距离进行前移补偿和对距离频率进行后移补偿, 等效于将欺骗式干扰从方向图主瓣搬移到旁瓣。然后, 借助奇异谱分析技术进行样本筛选以获得干扰协方差矩阵。最后,利用自适应波束形成的方法对干扰进行抑制。仿真实验验证了所提抗干扰方法的有效性。     

距离-速度同步拖引欺骗干扰的频谱特征分析

为了正确识别雷达欺骗干扰,针对基于数字射频存储器(DRFM)及直接数字频率合成器(DDS)产生距离-速度同步拖引干扰的现代欺骗干扰机,根据干扰机的工作机理,理论推导并对比了理想距离-速度同步拖引干扰信号及实际干扰信号的频谱特征。发现实际干扰信号的最大谱线相对理想干扰信号会产生微小频偏并在幅度上有一定衰减,这一频域细微特征可以为雷达识别该类干扰提供依据。仿真实验验证了理论分析的结果。     

基于空间预处理联合稀疏表示高光谱图像分类

针对高光谱图像分类时光谱信息和空间信息利用不充分、分类精度低的情况, 提出一种结合空间预处理的联合稀疏表示分类方法。一方面能够弥补联合稀疏表示固定窗口模式中空间信息利用不充分的问题, 另一方面也避免了像元多次参与联合稀疏模型的构建过程。考虑每个像元对联合稀疏模型的贡献不同, 通过赋予邻域像元相应权重以提高稀疏重构精度。最后, 充分利用训练样本的已知信息修正分类结果, 在Pavia University和AVIRIS Salinas两个数据集上进行实验验证。实验结果表明, 所提方法能够有效地提高高光谱图像分类精度。     

基于主元分析和稀疏表示的SAR图像目标识别

现有的合成孔径雷达图像目标识别方法通常包括图像预处理、特征提取和识别算法3部分。但是,预处理算法的自适应性很难得到保证。提出了一种基于主元分析和稀疏表示的目标识别算法。首先,阐述了稀疏表示和重构的基本理论;其次,提出了基于主元分析和稀疏表示的合成孔径雷达图像目标识别算法;最后,选取MSTAR数据库中的5类合成孔径雷达目标图像进行仿真。结果表明,在没有预处理的情况下,该算法仍能有效地识别目标,与主元分析和三阶近邻的识别算法相比,具有较高的识别率和鲁棒性。     

交叉极化角欺骗干扰的极化抑制方法研究

针对交叉极化角度欺骗干扰的对抗问题,提出了一种利用极化信息进行识别并抑制干扰的措施和方法。首先分析了单脉冲雷达测角和交叉极化角度欺骗干扰的基本原理,然后给出了单脉冲极化雷达的角度测量算法;在此基础上,利用交叉极化干扰在雷达测角系统中不同极化通道响应函数的差异,提出了具有自动识别与抑制交叉极化干扰的实用角度测量算法,给出了应用该算法的具体步骤,理论分析和计算机仿真均证实了此算法的正确性和有效性。     

基于稀疏分解的雷达信号抗噪声干扰方法研究

针对雷达在强噪声干扰下难以提取回波信号特征的问题,提出利用稀疏分解方法和基追踪去噪(basis pursuit denoising, BPDN）算法实现抗噪声干扰。该方法构造一组线性调频时移信号作为过完备库,对线性调频雷达回波信号进行稀疏分解,滤除噪声干扰;根据稀疏系数与雷达目标距离之间的关系,提取目标的距离信息。实验结果表明了该方法在雷达信号抗干扰和目标距离信息提取方面的有效性。     

基于二级字典的联合稀疏表示高光谱图像分类

针对多数传统分类算法应用于高光谱分类存在的分类精度较低、光谱信息利用不充分的问题,在基于核函数的联合稀疏表示分类方法的基础上提出了一种基于二级字典的联合稀疏表示的高光谱分类算法。在字典原子前加入待测像元与该原子的引力,以达到更快捷地找到与待测像元相匹配的原子的目的。加入的引力值由万有引力公式改进的适应于高光谱图像的公式计算而来。为了使得稀疏重构后的残差波段中包含的具有一定意义的分类鉴别信息被充分挖掘,本文采用指数平滑公式对残差信息进行再利用。通过在Indian Pine数据集和Salina-A数据集上进行实验,验证了所提算法可以提升分类精度。     

采用干扰地形图方法对SAR干扰的研究

根据目标电磁散射特性,提出一种干扰地形图的方法,对SAR的图像进行干扰。即针对不同的雷达参数,将所需的干扰图像中各散射点位置对应到时域,加权迟延,存储在DRFM中。干扰时将其与接收到的雷达信号相卷积,转发,雷达信号经处理后得到干扰和真实目标图像相叠加的复合图像。经仿真分析,如果雷达参数估计准确,干扰图像可以对真实图像进行欺骗干扰;如果估计有误差,也可以有效地进行遮盖性干扰。     

基于多重稀疏表示的声纳图像超分辨率重建方法

提出一种基于多重稀疏表示的声纳图像超分辨率重建方法。该方法针对声纳图像的光滑、边缘和纹理3种结构形态,分别利用离散平稳小波变换、contourlet小波变换和Gabor小波变换建立过完备字典,并对多重稀疏表示的声纳图像进行超分辨率重建。实验结果表明,该方法得到的超分辨率图像能够有效保持原始高分辨率图像的几何特征和纹理特征,可以得到更高的峰值信噪比,并且对噪声具有鲁棒性。     

基于极化分集接收的HRRP欺骗干扰鉴别

有源宽带欺骗干扰能够生成虚假高分辨距离像(high resolution range profile, HRRP),严重影响成像雷达的目标特征提取与识别。为此,研究了基于极化分集接收的HRRP欺骗干扰鉴别方法。首先,建立了目标回波和欺骗干扰的正交极化宽带响应模型,分析了两者的极化相关特性差异;然后,利用正交极化HRRP之间的互相关系数作为鉴别量,提出了相应的鉴别算法;最后,利用飞机缩比模型及干扰机天线的暗室测量数据进行仿真实验。实验结果表明：在一定信噪比(signal-to-noise ratio, SNR)及鉴别门限条件下,正确鉴别概率将大于90%,验证了算法的有效性。     

基于稀疏FrFT的窄带雷达目标架次识别方法

架次识别对于窄带雷达编队目标的探测与识别具有重要意义.本文基于最小熵准则提出了稀疏分数阶傅里叶变换(fractional Fourier transform,FrFT)最优变换阶次估计算法,首先将雷达回波数据的FrFT结果的熵值建模为变换阶次的函数,进而将变换阶次估计问题转化为稀疏优化问题,利用稀疏重构算法获得最优变换...     

基于高斯字典原子稀疏表示的高精度宽角SAR成像方法

为了提高从宽角合成孔径雷达(synthetic aperture radar, SAR)图像中提取目标后向散射各向异性特性的性能,在宽角SAR字典稀疏表示模型的基础上,提出一种基于高斯字典原子的高精度宽角SAR成像方法。在字典构造上,采用不同中心位置、相同方差的高斯函数。在求解稀疏表示系数上,采用广义最小最大凹惩罚稀疏重构算法求解。最后,根据稀疏表示系数的重构结果以及构造的字典得到目标的后向散射各向异性特性。通过仿真实验和Backhoe数据对算法进行验证,结果表明,该方法能够高精度地提取目标的后向散射各向异性特性。