基于马氏距离的一维距离像识别算法仿真

针对欧氏距离受模式特征量纲影响的缺点,且影响制导精度和抗干扰的能力,采用一种基于马氏的一维距离像目标识别方法。通过对毫米波雷达目标回波进行IFFT变换得到一维距离像,用主分量分析算法对距离像进行降噪和特征提取,取最小马氏距离判别目标类别。马氏距离考虑了模式特征参数的大小以及特征间的相关性,克服了欧氏距离受量纲影响的缺点。与欧氏距离的分类算法仿真结果比较,马氏距离算法具有较好的识别性能;在不同信噪比下的仿真结果表明,方法适用于毫米波雷达一维距离像目标识别。     

基于一维距离像的弹道中段目标特征提取

针对目标的HRRP投影长度提取不精确的问题,首先研究了中段目标的进动特性及其一维距离像在不同雷达视线角下的变化规律,提出了一种基于差分算法的目标投影长度提取方法.该方法利用了目标一维距离像散射中心的峰值效应,使处理后的一维距离像只会在散射中心处出现震荡效应,以此准确提取散射中心,克服了传统长度提取方法在散射中心周围重复搜索造成的误差.在此基础上,分析了目标投影长度随进动的变化规律,提出了一种进动角和目标真实长度提取方法.仿真实验表明以上方法具有很好的提取精度.     

基于3D建模的一维距离像仿真研究

研究了基于3D建模的一维距离像仿真方法。首先,对复杂目标进行3D几何建模,并对其进行合适的剖分,通过模型处理导出剖分单元信息;然后,对各个剖分单元的RCS进行电磁建模计算,整个复杂目标的回波可以看成是各个剖分单元回波的叠加;最后,将回波进行脉冲压缩就可以得到该复杂目标的一维距离像。仿真结果表明了该方法的有效性,同时还给出了两种舰船目标的一维距离像。     

基于非线性零空间的雷达一维距离像目标识别方法

针对雷达一维距离像样本对样本姿态角的敏感性、样本分布的非线性、样本残缺等问题,提出一种基于非线性零空间雷达目标一维距离像识别方法,通过引入核函数来处理一维距离像目标样本分布中的非线性问题,采用零空间提取最具辨别力的特征信息,最后使用支持向量机处理样本残缺问题并进行分类识别。该方法能有效解决上述问题,并最终提高雷达一维距离像的识别性能。选取3种不同飞机目标的一维距离像进行了仿真实验,识别结果表明了该方法有较高的识别正确率以及良好的抗噪性能。     

一种基于RVM和DS的一维距离像融合识别方法

从如何进一步提升融合识别性能出发,研究有效的高分辨距离像(high range resolution profile,HRRP)融合识别方法。提取了3种平移不变特征,构建了高性能相关向量机(relevance vector machine,RVM)进行特征分类,用DS证据理论融合分类结果以得到目标识别结果,从而提出一种基于RVM和DS的一维距离像融合识别方法。该方法充分利用了RVM输出的概率信息,解决了用DS证据理论进行融合时基本概率赋值获取困难的问题,仿真实验结果表明了本文方法的有效性。     

非线性正则子空间法雷达目标一维距离像识别

雷达目标识别中,目标一维距离像的分布常表现出明显的非线性和复杂性,这时经典的线性子空间方法的识别性能会有所下降.为此,本文提出非线性正则子空问法,通过对一维距离像进行非线性变换,使在原有空间线性不可分的一维距离像模式在高维空间有望具有线性可分性,从而提高目标的识别性能.对实测飞机数据的实验结果表明该方法的有效性.     

高分辨雷达一维距离像的融合特征识别

雷达目标识别中,提取目标的有效特征将直接影响识别效果。针对雷达目标高分辨距离像(HRRP)具有平移敏感性,提出了一种基于多特征的融合特征来作为目标特征进行识别。利用PCA将三种平移不变特征融合,采用支持向量机算法来实现识别。仿真实验结果表明,该方法不仅降低了目标特征的存储量,同时也克服了高分辨距离像的平移敏感性,具有较高的识别率和很好的推广性。     

基于改进F-SVM算法的雷达距离像目标识别

模糊支持向量机是在不可分样本集情况下进行模式分类的有效工具,为了进一步提高该算法的推广能力,对其进行了两方面的改进。一是在高维特征空间中引入不等距分类超平面,以期提高该算法的学习精度;二是在高维特征空间中,利用本文所提出的算法,筛选出有效的训练样本集,以期缩短该算法学习所耗时间。对模糊支持向量机的改进进行了理论推导,并且给出了有效训练样本集的筛选算法。把上述改进方案应用到两种飞机的雷达一维距离像识别中,实验结果表明其取得了很好的识别效果,并且缩短了算法学习时间。     

雷达目标一维像识别中的自适应特征子空间法

针对雷达目标一维距离像识别中常规特征子空间法的缺点,提出了一种自适应特征子空间法。该子空间既能自适应子空间维数的变化,又能自适应目标类别数的变化。同时,与常规特征子空间相比,建立自适应特征子空间的运算量大为减少。对三类和四类目标的仿真实验结果表明了该方法的有效性。     

合成孔径雷达图像中的动目标速度联合估计

为估计复数合成孔径雷达图像中动目标的速度,本文基于对称散焦滤波技术设计了联合速度估计方法.对于一个动目标雷达图像,该方法首先利用一距离向速度值在距离多普勒平面将目标的距离多普勒轨迹沿距离向对齐,然后利用一方位向速度值构建的对称散焦滤波器沿方位向将该目标图像重新聚焦,得到两个新的目标图像.通过计算这两幅散焦图像的锐度差,可建立一个以距离向速度和方位向速度为变量的锐度差曲面.在曲面的峰值或谷底处即可得到目标速度的估计值.理论分析和实验结果表明了该方法的可行性和有效性.     

利用四参数Chirplet分解方法估计SAR多普勒调频斜率

提出了基于一个距离门信号的四参数Chirplet分解方法，估计合成孔径雷达(SAR)回波的多普勒调频斜率。距离压缩后的回波数据，每个距离门的信号都是由一系列的Chirp分量组成的。利用四参数Chirplet分解方法，能够检测出这一信号中的一个或几个Chirp分量，估算出多普勒调频斜率，其结果被应用于合成孔径雷达成像的方位压缩处理。仿真及真实回波数据的计算表明，无论在精度还是运算时间上，其结果都优于目前已有的实时估计方法。     

基于边缘保持的区域能量最小化SAR海冰图像分割

提出了一种基于边缘保持的区域能量最小化的SAR海冰图像分割算法。首先对图像进行SRAD滤波,然后进行分水岭初始分割和区域能量最小化分割,从而得到最终分割结果。将该算法用于SAR海冰图像的分割中,实验结果表明,该分割方法有效、准确性好。     

一种联合的SAR目标方位角估计方法

方位角估计是SAR图像自动目标识别中的重要问题,精确的方位角估计有利于提高目标分类的准确性和速度.主导边界法与包络盒法是两种常用且有效的SAR图像方位角估计方法,但是这两种方法存在各自的缺陷.在分析这两种方法优缺点的基础上,将两种方法结合,提出了一种主导边界与包络盒联合的SAR目标方位角估计方法.自动程度高,扩展了原算法的适应性,与原来的两种算法相比提高了SAR目标方位角估计的精度.最后利用MSTAR数据的实验结果验证了该算法的精度与适应性.     

基于零点指向技术抑制星载SAR距离模糊算法

给出了基于零点指向技术抑制星载合成孔径雷达距离模糊的算法.该算法主要利用阵列信号处理中零点指向技术的原理,将抑制距离模糊问题转化为在指定方向上功率极小化问题,又可等效为最小二乘零点功率约束优化问题.通过将约束矩阵特征值分解和选代相结合的方法对该优化模型进行求解,得到天线方向图最优加权系数,从而精确地控制零点的深度和宽度,达到对星载SAR距离模糊有效抑制的目的.仿真结果表明了该算法的有效性.     

基于小波神经网的SAR图像识别算法

针对SAR图像的自动目标识别问题,研究了基于小波分析和神经网络的识别算法.由非线性小波基作为网络中神经元的激励函数,隐层结点数由小波分解次数和处理目标类别数决定,输出层由目标的类别数决定,同时利用目标的方位角来限定被识别目标的范围.实验结果表明,该方法有效降低了训练和识别的难度,取得了优于BP网络的识别结果,具有广阔的应用前景.     

Compressed sensing SAR imaging based on sparse representation in fractional Fourier domain

Compressed sensing(CS)is a new technique of utilizing a priori knowledge on sparsity of data in a certain domain for minimizing necessary number of measurements.Based on this idea,this paper proposes a novel synthetic aperture radar(SAR)imaging approach by exploiting sparseness of echo data in the fractional Fourier domain.The effectiveness and robustness of the approach are assessed by some numerical experiments under various noisy conditions and different measurement matrices.Experimental results have shown that,the obtained images by using the CS technique depend on measurement matrix and have higher output signal to noise ratio than traditional pulse compression technique.Finally simulated and real data are also processed and the achieved results show that the proposed approach is capable of reconstructing the image of targets and effectively suppressing noise.     

斜视模式下基于Legendre展开的改进CS成像算法

在SAR的斜视模式下,针对传统的CS成像算法相位展开精度差的缺点,提出一种改进算法将Legendre展开应用其中。传统的成像算法主要对回波信号的二维频域的传递函数,还有算法流程中的三个相位校正函数应用Taylor多项式进行展开。将Legendre多项式取代Taylor多项式对算法进行处理,并进行了详细的推导,与传统的基于Taylor多项式进行展开的成像算法相比,减少了回波相位近似误差,相位展开精度得到了提高。最后从峰值旁瓣比和积分旁瓣比的角度评估了SAR图像的成像质量。理论推导和仿真结果都表明成像质量得到了进一步的提高。     

基于压缩感知的SAR图像鲁棒编码传输

目的 尽管传统的联合信源信道编码方案可以获得高效的压缩性能,但当信道恶化超过信道编码的纠错能力时会导致解码端重构性能的急剧下降;为此利用压缩感知的民主性提出一种鲁棒的SAR图像编码传输方案,且采用了一系列方法提高该方案的率失真性能。方法 考虑到SAR图像丰富的边缘信息,采用具有更强方向表示能力的方向提升小波变换(DLWT)对SAR图像进行稀疏表示,且为消除压缩感知中恢复非稀疏信号时存在的混叠效应,采用了稀疏滤波方法保证大系数的精确恢复,在解码端采用了高效的Bayesian重建算法获得图像的高性能重建。结果 在同等码率下,与传统的联合信源信道编码方案CCSDS-RS相比,本文方案可以实现更加鲁棒的编码传输,当丢包率达到0.05时,本文方案DSFB-CS获得的重建性能明显要高于CCSDS-RS;与基于Bayesian重建算法TSW-CS的传统方案相比,本文方案可提高峰值信噪比(PSNR)3.9 dB。结论 本文方案DSFB-CS 实现了SAR图像的鲁棒传输,随着丢包率的上升,DSFB-CS获得的重建性能缓慢下降,保证了面对不稳定信道时,解码端可以获得相对稳定的重构图像。