复杂背景下毫米波雷达目标识别的一种方法

针对毫米波雷达工作背景复杂、回波信号信杂比较低的情况，本文在对杂波信号双谱特性进行分析的基础上，提出一种基于双谱理论与假设检验思想的适用于强杂波下的目标识别方法。首先，对回波信号作双谱估计，然后根据回波双谱估计出杂波的分布，自适应地设定门限，以对双谱作相应处理，用于特征提取、目标识别。实验结果表明，经过处理的双谱抑制了大部分的杂波，保留了丰富的目标信息；识别系统在强杂波下仍然具有良好的识别结果。     

高分辨阶梯变频毫米波雷达目标信号仿真研究

首先分析了雷达目标一维距离像形成原理。针对高分辨阶梯变频毫米波雷达 ,将目标看成是由若干个可以单独分辨开的强散射中心组成。并具体分析了目标的散射中心模型、角运动模型及根据这些模型进行目标一维距离像仿真的方法。最后给出了一典型目标的仿真结果。     

非对称极化散射矩阵的目标识别方法研究

本文针对单基地测量时线性目标的极化散射矩阵为非对称这一实际情况．根据散射矩阵理论将其进行了对称性修正，在此基础之上，利用本征极化作为雷达目标极化特性的表征并进一步提取了目标的极化特征，同时对五种飞机目标进行了识别实验研究，取得了良好的目标分类或识别效果。     

LFMCW毫米波雷达目标运动的补偿与鉴别

本文针对宽带LFMCW毫米波雷达工作体制和制导应用背景,提出了一种用于高速运动平台对目标的运动进行补偿和鉴别的新方法。文中首先建立了运动目标在毫米波宽带线性调频连续波激励下的响应方程,然后给出了一维距离剖面像的运动补偿算法以及从运动杂波背景中鉴别运动与静止目标的方法,最后给出了计算机仿真结果,表明了本文方法的有效性。     

弹道目标中段雷达成像仿真研究

对弹道目标进行ISAR成像识别是分辨真假目标的重要手段。本文研究了中段弹道目标成像仿真问题。简介ISAR成像技术后，仿真了中段弹道。研究了中段弹道目标成像，分析了在有无调姿两种情形下和不同弹道阶段对相干积累时间的要求。仿真结果表明，在不同情形下，雷达必须适当调整脉冲积累时间和改变脉冲重复频率才能实现有效成像。     

基于目标一维距离像的雷达目标识别方法

讨论了马氏距离的性质,利用目标的一维距离像,提出了一种雷达目标识别方法.对雷达回波进行快速傅立叶变换,得到目标的一维距离像,计算其马氏距离,得到目标的稳定特征向量,根据相关算法进行目标识别.3种不同类型飞机回波的实测数据的识别结果,表明该方法是切实可行的.     

正交FDWT与雷达数据压缩及目标识别方法

本文由共轭镜像滤波器构造有限维内积空间的正交多分辨分析与快速离散小波变换(FDWT),并将其用于降低雷达数据存储量,提出基于压缩数据的小波域相关与最小距离分类方法.变换域识别法计算速度快.实验结果表明,本文的变换、压缩和识别方法是有效的,小波变换域数据降维描述目标的能力强.     

一种基于低分辨雷达的目标识别方法

讨论了一种基于低分辨雷达的目标(飞机)识别方法,描述了这种识别方法所依赖的硬件平台即目标回波数据采集系统的组成及工作原理,阐述了一种基于低分辨雷达的目标粗分类(目标大、中、小等粗略属性的判别)的方法,研究了低分辨条件下目标特征描述的思路, 尝试利用这些方法进行目标属性的粗分类以及进行机群目标架次的判别。现场实验表明,这 些方法是可行有效的,对于提高常规低分辨雷达的性能有着重要的意义。     

基于多散射中心模型的雷达目标识别方法

针对宽带毫米波雷达目标识别要求 ,提出了一种基于目标光学区多散射中心模型进行目标匹配识别的新方法。该方法首先基于多散射中心理论建立待识别目标的模型、利用遗传算法的全局优化能力进行目标识别。与常规的全姿态角匹配识别方法比较 ,具有需要的存储量、计算量较少的特点。仿真试验验证了该算法的有效性。     

FMCW毫米波雷达高分辨率目标距离像及其处理

在毫米波照射下,目标回波可模型化为多个散射中心回波的合成;宽带线性调频连续波(LFMCW)工作体制可以获得目标多散射中心在雷达径向距离轴上的投影分布,即高距离分辨率目标距离像(high range resolution range profile);综合利用距离像所提供的目标多散射中心空间分布和截面积信息,可以改善信号检测和跟踪性能,并完成目标识别。     

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     

最优聚类中心雷达目标一维距离像识别

提出了一种基于最优聚类中心的雷达目标一维距离像识别方法。该方法利用训练数据集建立最小平方距离准则下的最优变换矩阵 ,使用该变换矩阵可增大同类目标的特征聚合性 ,从而减少同类之间差异 ,同时 ,通过在子像空间选定一组最优聚类中心来增大异类目标特征的可分离性 ,加大异类之间差异 ,提高雷达目标识别率。仿真实验结果表明了该方法的有效性。     

雷达目标极化散射矩阵测量技术

由于雷达目标极化特征和极化识别的诱人前景，８０年代中后期有关极化的精确测量技术成了国际学术界的热门话题。极化测量的主要困难在于：测量系统的极化纯度有限，由极化耦合引起的测量误差太大。本文介绍了一种目标极化散射矩阵精确测量技术与测量系统。通过采用全极化校准技术将测量系统的极化纯度提高两个量级以上，并在实验室内建立了实用的目标极化散射矩阵精确测量系统。     

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。     

雷达目标一维距离像识别中的修正正则子空间法

涌现在复杂性理论中占有重要的地位.本文在讨论涌现的基本概念的基础上,介绍了一种用于研究复杂系统涌现行为的模型方法-CGP模型,给出了一个CGP模型的具体例子--采集机器人的仿真模型.通过对这个模型进行仿真实验,观察到机器人简单的状态转换函数和看似杂乱无章的行为产生了具有明显规律性的结果,对这种涌现现象的产生进行了分析,指出了它的现实意义.     

用多层前向网络设计雷达目标分类器

概略地讨论了基于高分辨力技术的雷达目标识别问题。针对雷达目标分类器的技术需要,着重研究了多层前向网络的分类性能,提出一种网络结构自适应策略。并用其设计了分类器,在转台成像的基础上,对飞机目标的类型识别问题进行了仿真研究。研究结果表明,小规模多层前向网络对基于距离像的雷达数据样本具有较好的推广识别能力,识别率在９０％上下。     

雷达目标距离剖面图像的特征编码与多模匹配识别

本文针对雷达目标距离剖面图像识别这一具体应用背景，提出了一种基于姿态角变化区域序贯划分、特征编码及多模匹配的模式识别新方法；其特点是通过多模匹配克服一般编码方法在给定的误判概率限制下对姿态角变化范围的容纳性有限的缺点，通过序贯划分来确定各模式中姿态角变化的容纳范围及边界；这种方法具有能适应目标特征随姿态角的变化以及能控制识别中的差错概率α等优点。