基于二维稀疏采样的HRRP合成及ISAR成像方法

在分析传统的线性调频(LFM)信号体制ISAR高分辨距离像(HRRP)合成及二维成像原理的基础上,结合压缩感知理论,提出了一种基于二维稀疏采样的高分辨距离像合成及ISAR成像方法。该方法对经过二维稀疏采样后的ISAR回波信号进行二维重构处理,在大幅降低LFM信号采样率、减少子脉冲个数的前提下,获得高质量的HRRP和二维ISAR像;为缓解数字信号处理机的采样负担、降低已方雷达信号的被截获概率奠定了基础。仿真实验证明了该方法的有效性和可行性,同时观察了其鲁棒性。     

采用多特征联合学习的噪声稳健HRRP识别方法

为提高低信噪比条件下雷达目标高分辨一维距离像的识别性能,提出一种采用多特征联合学习的噪声稳健目标识别方法．该方法利用核函数实现对稀疏与低秩的联合表示,用来提取目标高分辨一维距离像的局部特征与全局特征．在训练阶段,利用联合可分性分析多分类器综合结构字典学习方法对特征提取字典进行优化,从而提高特征向量的可分性;在测试阶段,利用对消原理对噪声进行自适应抑制,实现噪声干扰下的稳健识别．利用实测数据进行实验,结果表明该方法可有效地对被噪声污染的目标高分辨一维距离像进行恢复,并提高低信噪比下的目标识别准确率,且满足实际应用中的实时性要求．由此可见,该方法可以有效地提高高分辨一维距离像目标识别系统在低信噪比下的总体性能．     

基于多测量向量模式的周期非均匀采样研究

为了实现稀疏信号的有效采样与完整重构,结合多测量向量模式,提出了一种针对稀疏信号的周期非均匀采样与重构方法。根据周期非均匀采样需要多个采样通道的特点,利用联合子空间理论将采样与重构转换为矩阵向量运算。利用多测量向量确定非零行向量的位置参数并分析了多测量向量模式在周期非均匀采样系统中的完整重构条件并通过插值器实现信号完整重构,使其能在数字系统中应用。最后,分别从可完整重构概率和系统整体验证两个方面证明了该方法能够实现稀疏信号的采样与重构。     

采用CNN-SSD的雷达HRRP小样本目标识别方法

雷达高分辨距离像非合作目标识别技术的发展主要受限于两个方面:一是由于非合作目标观测频率极低,导致带标签样本量严重不足,使非合作目标识别成为典型的小样本识别问题,这在学界依然是一个没有定论的开放性的热点和难点问题;二是现有的目标识别方法多基于完备数据集假设,使得其与非合作目标小样本目标识别问题严重失配.针对上述问题,对于...     

基于动态时间规整算法的一维距离像雷达目标识别方法

针对高分辨率雷达一维距离像(HRRP)的目标识别问题,提出了一种基于动态时间规整(DTW)算法的雷达目标识别方法.该方法利用HRRP具有反映目标结构分布和几何形状的特性,通过角域划分建立各类目标姿态模板数据库,使用DTW算法估计HRRP与目标模板库中不同HRRP的相似度,选择最大相似度对应的目标模板作为目标识别的结果....     

非均匀采样周期信号采样时间偏差估计算法研究

在非均匀采样一般理论的基础上,推导出一种估计各个通道的采样时间偏差的方法,基于这种方法,给出了一种可校正非均匀采样周期信号采样时间偏差的新型波形数字化义的结构,可并计算得到的估计值反馈给采样通道的延时校正单元,以补偿采样时间的偏差,从而提高了数据采集的质量。     

基于非均匀同步采样的周期信号重构

基于适用于周期信号的一种非均匀同步采样方法,推导了利用非均匀采样值恢复原周期信号的内插重构算法. 重构的关键在于将非均匀采样信号分解为几个均匀采样信号的叠加,从而使得在非均匀采样时应用Shannon采样定理成为可能. 由于这种非均匀采样法不存在实际采样点偏离采样点理论计算值的弊端, 从而提高了内插公式的计算精度.该算法具有结构简单和计算精度高的特点, 数值实验的结果也验证了算法具有这些优点. 该算法在电网监测系统中具有实际应用意义.     

规范主元分析法在雷达目标识别中的应用

利用高分辨雷达一维距离像，在研究用主元分析法和线性辨别分析法进行特征提取的基础上，给出了一种规范主元分析的特征提取法，对雷达目标进行了识别．该方法充分利用了互信息量之间的关系，通过主元分量分析、线性辨别分析与规范主元分析3种方法的外场实测数据实验比较，表明所提出的特征提取方法具有良好的稳健性．     

基于SKO—KPCA和SVM的雷达目标HRRP特征提取与识别

将依赖数据变化的自适应SKO技术和迭代算法引入KPCA算法中,结合SVM分类技术,提出了基于SKO—IKPCA和SVM的雷达目标HRRP特征提取与识别方法。讨论了HRRP预处理、迭代KPCA算法和SKO／FKO技术的实现方法,将SKO／FKO技术应用到KPCA的核优化中,并用人工合成数据对其优化性能进行了测试与比较,应用该方法对su-27、F-16及M2000等三类飞机目标的实测HRRP数据进行了特征提取与识别实验。结果表明,所提方法具有较好的稳定性和可靠性,能有效地优化雷达目标主元特征的提取,提高目标的识别性能。     

基于零阶保持器的非均匀采样信号恢复方法

在模/数转换过程中由于环境等因素会造成信号采样的非均匀性。非均匀采样信号使得数字控制系统数/模转换过程出现误差,提出了将非均匀采样信号通过零阶保持器进行恢复的信号重构算法,分析并证明了重构信号的频谱保持了原连续信号的谱特征。利用PSPICE仿真软件对非均匀采样信号及通过零阶保持器的连续输出信号进行了仿真验证,实验结果验证了本文提出方法的正确性。     

基于核函数的多极化HRRP识别

针对多极化雷达高分辨距离像(HRRP)识别中数据量大、分布复杂和识别算法复杂的问题,提出了基于核函数的识别方法.该方法首先定义了两种基于多极化HRRP的核函数,然后将其分别应用到核主分量分析(KPCA)中降维和提取特征,最后采用最近邻(1NN)分类器和支持矢量机(SVM)分类器对目标进行分类.该方法可以在不丢失极化信息的情况下,将多极化HRRP作为一个整体进行识别,降低了识别算法的复杂度.多极化HRRP数据的仿真实验结果显示,该方法的识别率比单极化HRRP提高7%～10%;与其他多极化HRRP识别方法相比,该方法不仅降低了提取特征的维数,而且还提高了识别性能.     

基于傅立叶分析的非均匀采样信号内插重构方法

针对实际采样过程中出现的采样非均匀性,从随机过程的角度研究非均匀采样信号的谱特性,提出频域均匀抽样傅立叶逆变换的非均匀时域采样信号重构方法。将非均匀采样信号描述为不均匀采样时刻冲激函数代数和的形式,利用傅立叶变换得到非均匀采样信号的频谱曲线,由采样时刻随机均匀分布的特点,得到反应原信号频谱特性的非均匀采样信号频谱数学期望,再由频域抽样理论重构原信号。MATLAB仿真实验验证了这种非均匀采样信号分析与重构方法的正确性,将这一研究成果应用到机械抖动激光陀螺输出信号处理中,得到了可靠的符合实际的机械正弦抖动幅频曲线并重构出激光陀螺正弦抖动机构的输出信号。     

运动目标对步进频率一维距离像的影响研究

该文针对宽带步进频率收发信号,根据高分辨率一维距离像的多散射中心数学模型,分析了当目标运动时的距离相位关系,并推导了目标一维距离像的偏移因子和发散因子公式,对多普勒效应的影响进行了深入的研究.通过对高分辨率步进频率毫米波目标模型的计算机系统仿真,算法和分析得到了验证,并得到了运动目标速度补偿条件.     

运动目标对步进频率一维距离像的影响研究

该文针对宽带步进频率收发信号,推导了基于高分辨率一维距离像的多散射中心数学模型,并给出了其外包络表达式。针对高分辨率步进频率毫米波雷达目标,分析了当目标存在相对运动时的回波数学模型,并对多普勒效应的影响进行了深入的研究,通过计算机的系统仿真,最后得到了运动目标速度估计与补偿的条件。     

采样间隔非均匀情况下的季节模型及其贝叶斯预测

主要给出了采样间隔非均匀情况下的季节因子动态线性模型、季节效应动态线性模型和Ｆｏｕｒｉｅｒ形式的季节效应模型，当观测误差方差Ｖｔｉ已知时，给出了它们的先验分布、预测分布和后验分布的修正递推算法。     

一种Chirplet神经网络自动目标识别算法

针对飞机目标的自动识别问题,提出一种联合特征提取与分类的Chirplet神经网络方法,实现一维高分辨率距离像的识别。Chirplet神经网络将Chirplet原子变换用于多层前馈神经网络结构的输入层,替换传统的激励函数对距离像序列进行特征提取;网络的分类部分由隐层和输出层组成。在训练过程中调整神经网络权值的同时,完成对Chirplet原子时频参数的自动调整,协调优化特征参数和分类器参数,使Chirplet神经网络同时实现特征提取和目标分类。对4类飞机目标的仿真测试结果表明,相比时频变换和Gabor原子网络等方法,具有四特征参数的Chirplet神经网络方法具有较高的识别率和抗噪性能。     

雷达一维距离像目标识别方法性能的研究

给出了雷达距离像的数学模型,从平均距离像和距离像的协方差阵出发,用判别距离观点分析了常用的基线法、相关法、双谱法、主本征向量法和二次型法的分类性质. 用判别距离准则将它们分为两类：基于平均距离像的线性分类器,基于平均距离像和协方差阵的二次型分类器. 分析结果表明,二次型分类器利用了多个距离像的协方差信息,比线性分类器具有更好的分类效果.     

最小L1范数实现周期非均匀采样与重构研究

根据周期非均匀采样需要多个采样通道的特点,利用联合子空间理论将采样与重构转换为矩阵向量运算。结合最小L1范数算法,提出了一种针对稀疏信号的周期非均匀采样与重构方法,分析了最小L1范数算法在周期非均匀采样系统中的完整重构条件。最后,以多带正弦信号为例,分别从可完整重构概率和系统整体验证两个方面证明了该方法能够实现稀疏信号的采样与重构。     

基于极化高分辨距离像的SVM目标识别方法

针对支持向量机（SVM）对单一雷达目标高分辨距离像数据源识别率较低和鲁棒性较差的问题,结合雷达目标极化信息,生成了雷达目标的极化综合距离像,提出了一种基于极化高分辨距离像的SVM目标识别方法。应用该方法分别对四类实测和仿真目标的ISAR成像数据进行了处理和识别实验,所得结果明显优于单一极化状态下的正确识别率,且鲁棒性更高。     

采用乘性RNN的雷达HRRP目标识别

传统的高分辨距离像识别方法没有考虑时序相关性,且高分辨距离像的方位敏感性导致样本的时序性发生变化.因此,提出一种乘性循环神经网络模型.该算法首先将高分辨距离像样本转化为序列形式,用于考虑距离单元间的相关性;其次,为了缓解方位敏感性导致的高分辨距离像时序变化与参数固定模型不匹配的问题,模型根据输入数据自适应地选择对应的参...