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。     

不同极化基下定义的目标散射矩阵的变换

本文简要概述了雷达极化研究的历史发展，着重讨论并推导了一组用于极化基底变换、极化矢量变换以及不同基下目标散射矩阵变换的公式。这些公式在雷达目标特征极化状态的研究中具有很大意义。     

极化毫米波雷达目标识别方法的研究

本文针对毫米波雷达距离像识别这一应用背景,提出了一种应用极化信息使距离像幅值趋于平稳,用神经学习来提取距离像角不变特征的模式识别新方法;其特点是通过极化处理减弱斑纹可增强对目标的确认,经神经学习获取的子类型特征与常规方法相比载有更多信息因而识别率高;实验结果证明了该方法的有效性.     

目标散射矩阵测量新方法的性能比较与分析

雷达极化信息处理的基础是极化测量,目前现有的目标全极化散射矩阵是通过正交双极化通道分时测量体制或瞬时测量体制得到的,对极化测量信号要求高,测量精度比较高,但系统复杂程度和代价也相对较大.利用单极化天线的空域极化特性对雷达接收回波信号进行处理,无需对雷达进行结构改造而仅进行软件技术更新的情况下,也能够获得目标的全极化散射矩阵.将从理论分析和计算机仿真实验2个方面对这2种极化测量体制进行比较和性能分析,通过仿真验证了新方法的优越性和广阔的研究前景,但也存在一定局限性.     

基于多维极化信息的弹道目标综合识别方法

目标识别是弹道导弹防御系统的核心难题之一,针对弹道导弹突防过程中无源诱饵的极化识别问题进行了研究。首先,基于多个窄带和宽带极化特征量,并结合暗室测量数据,进行了极化特征提取和优选,去除了冗余的极化特征量。在此基础上,提出了一种基于宽窄带极化特征的弹道目标综合识别方法,并利用弹道目标的暗室实测数据进行了验证。结果表明综合识别方法和仅基于窄带或宽带极化特征的识别方法相比具有更好的目标识别性能。     

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。     

瞬态极化响应目标识别参数模型分析

本文介绍了瞬态极化响应目标识别的基本原理与方法。基于目标散射矩阵的相关理论,详细讨论了目标识别的一种ＴＰＲ参数模型,提取了极化参数,并对目标模型的一个例子进行了分析计算,得到了较好的结果。     

宽带多极化雷达目标模糊匹配识别方法

针对宽带多极化雷达体制,提出了一种雷达目标模糊匹配识别新方法。介绍了距离-极化模糊矩阵的构造和多维模糊匹配的原理,介绍了模糊匹配模式矩阵库的构造方法,利用宽带多极化测量数据进行了目标识别的实验。实验结果表明,该方法匹配运算量少,对目标姿态角的变化有较强的容忍能力,为解决宽带多极化雷达目标识别提供了一条有效的途径。     

基于宽带相位修正的散射矩阵变极化基测量

针对目标极化散射矩阵测量中,极化变换过程要求矩阵各元素具有高度的相位一致性,但实际测量很难达到,进而造成变极化基测量结果误差较大的问题.推导了一般化的极化基变换过程,分析了测试系统极化支路相位非对称性对极化变换的影响,结合宽带时频变换算法特征,提出了一种基于宽带高分辨的散射矩阵元素相位修正方法,并通过标准体的实际测量验...     

基于全极化GTD模型的雷达目标二维散射中心提取

针对全极化二维GTD散射中心模型,首先提出一种二维极化线性变化(polarization linear variation PL)的ESPRIT算法(2D-PL-ESPRIT)用于提取雷达目标散射中心参数;其次,就2D-PL-ESPRIT算法提取目标散射中心的可行性进行了理论分析。相比通过多个单极化通道方法提取散射中心,2D-PL-ESPRIT算法可以有效提高参数估计精度,降低计算复杂度;相比二维极化并行(parallel polarization, PP)的全极化MUSIC方法(2D-PP-MUSIC),2D-PL-ESPRIT算法避免了复杂的二维谱峰搜索以及通过子空间正交方法判断散射类型的步骤,有效降低了运算量。之后,对三种算法进行了复乘计算量的比较以说明2D-PL-ESPRIT算法具有较高的运算效率。最后,通过仿真实验验证了2D-PL-ESPRIT方法用于全极化2D-GTD模型散射中心提取的有效性。     

光学区雷达目标散射中心提取及识别方法研究

首先回顾了在宽带体制下光学区雷达目标频域响应的特性 ,而后给出了矩阵束算法的原理 ,并应用该算法提取光学区雷达目标的散射中心 ,提出了所谓“基于散射中心极点和幅度的相关匹配目标识别方法” ,最后给出了五种飞机缩比模型宽带散射数据的实验结果。实验结果表明 ,该识别方法在白噪声条件下具有高识别率和强抗噪声能力。     

基于散射中心的目标建模与识别

准光学区目标对高分辨探测信号的散射，表现出多散射中心。本文利用目标的这一物理特性，推导了相邻两个观测方位角上散射信号的近似比例关系，采用梅林变换重建了目标类模式，有效地克服了目标散射中心模型的参数敏感于观测方位角变化而带来的特征选择的困难。文中针对三种飞机目标（歼七、Ｂ５２、Ｍｉｇ２７）进行了识别实验研究，结果表明了本文所提出的目标识别方法是有效可行的。     

一种SAR图像目标识别方法

提出了一种新的合成孔径雷达 (SAR)图像目标检测和识别方法 ,该方法根据SAR图像统计分布特性 ,结合恒虚警检测算法和小波变换提取感兴趣的SAR图像目标特征 ,检测得到目标 ,采用马氏距离从杂波背景中识别该目标。实际SAR图像测试结果表明了该方法的有效性     

高分辨雷达目标识别的研究

本文研究基于一维距离像的高分辨雷达目标识别方法。文中讨论了三种识别方法(频率域RBF神经网络方法、频率域相关滤波器和距离域相关滤波器),并用我国实验ISAR录取的数据比较了这三种方法在不同信噪比下的识别性能。     

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。     

基于多传感器信息融合的目标识别

在多传感器 (雷达和红外 )信息融合的目标识别中 ,不仅需要对点目标进行识别 ,而且也需要对面目标进行识别。由于传感器提供点目标和面目标的信息特征和信息量不同 ,致使信息融合的方法也不相同。针对这种情况 ,提出用基于智能规则推理的方法来进行点目标识别 ,用多传感器构成的联合特征向量的方法来进行面目标识别。仿真实验表明 ,采用这种方法能有效地提高目标识别的准确度     

利用RCS幅度信息进行雷达目标识别

本文根据模糊分类的技术,提出了一种利用目标雷达散射截面(RCS)幅度时间序列来提取目标特征量、应用模糊数学原理进行综合判决的目标识别方法,给出了利用该方法和外场全尺寸目标静态RCS测量数据,对五种飞机和导弹目标进行特征提取和模糊识别的结果。     

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.     

基于神经网络数据融合的目标识别方法研究

综合应用图像识别、神经网络和数据融合技术是多传感器ATR系统的一个重要研究方向。设计了一种基于BP网络和多传感器数据融合的图像识别系统。从信息论的观点出发 ,在理论上探讨了BP网络数据融合用于图像目标识别 /分类的机理。以此理论对实验结果的合理解释证明了该理论的正确性。理论分析和实验结果都证明了神经网络数据融合用于图像目标识别 /分类的有效性和可行性