微动目标雷达特征提取、成像与识别研究进展

微动目标的雷达特征提取、成像与识别技术是雷达目标精确识别领域极具发展潜力的研究方向之一。该文首先简要阐述了微动的相关概念,然后综述了近年来微动目标回波建模、微动特征提取、微动目标成像以及基于微动特征的雷达目标分类与识别等方面的研究现状,并介绍了几种典型前沿应用,最后对微动目标雷达特征提取、成像与识别的研究发展趋势进行了展望。      

组网雷达下的弹道目标三维微动识别

基于组网雷达的多视角特性,研究了弹道目标的三维微动识别。建立了有翼、无翼锥体目标在进动、摆动和滚动形式下的微动模型,理论分析了各种微动目标的距离信号形式,得到了不同微动目标的频域特征,在此基础上提出了基于组网雷达多视角频域积累的微动类型识别方法。实验验证了该方法的有效性。     

太赫兹雷达目标微动特征提取研究进展

微动特征是目标探测与识别的重要辅助特征。随着近年来太赫兹研究的兴起,太赫兹雷达目标微动特征提取正在逐渐凸显出其特殊优势。本文首先对近年来国内外太赫兹频段雷达目标微动特征提取方面的研究进行整理总结,从太赫兹频段微动特性分析、微动特征提取和微动目标成像等几个方面进行了深入的介绍和分析。然后针对太赫兹频段的优势和特殊性,介绍了本单位在太赫兹微动目标特性分析、特征提取和高分辨高帧频成像方面的工作。最后对太赫兹雷达目标微动特征提取的发展趋势进行了展望,并分析了本领域值得进一步深入研究的技术方向和有待解决的技术难题。      

利用微动信息矩阵的弹道目标特征提取算法

为满足反导作战的现实需求及解决强噪声环境下弹道目标特征提取问题,提出了一种新的基于宽/窄带混合体制雷达的弹道目标特征提取算法。该算法分析了宽/窄带信号对应的微动特征,运用Viterbi算法分离并提取出各散射中心的微动曲线。在此基础上,根据宽/窄带微动特征的相关性,结合改进自相关法和最小二乘估计方法,构建并解算出目标最强散射中心对应的微动信息矩阵。最后利用散射中心关联和一致性匹配融合方法,构建多元方程组并求解,得到目标的微动特征和结构参数。仿真结果表明:当信噪比为0dB时,该算法估计得到的目标微动特征和结构参数的均方根误差的量级均为10-2。      

合成孔径雷达微动目标特征提取与参数估计研究进展

合成孔径雷达(synthetic aperture radar,SAR)探测区域中存在一类微动目标,深入研究SAR回波中的微动特征信息,可以获取反映目标结构、运动等信息的特征量,在战场侦察监视、目标识别、精确制导等领域具有重大意义。为此,介绍了SAR-微动目标指示(SAR-MMTI)的概念及其国内外研究历史,综述了对SAR微动目标的特征提取与参数估计方法的研究现状,指出在SAR微动目标的探测运用中仍然存在算法运算量大,抗杂波噪声能力弱,无法适应多微动目标、大微动目标和复合微动目标等问题,提出了解决问题的思路,给出了仿真结果并对SAR微动目标特征提取与参数估计的发展趋势进行了展望。     

弹道目标宽带雷达干涉式三维成像与微动特征提取

基于微多普勒效应理论的弹道目标3维成像与3维微动特征提取技术可为目标识别,导弹防御提供重要特征信息。该文将干涉式逆合成孔径雷达(InISAR)中多天线干涉处理的思想引入到弹道目标3维成像与3维微动特征提取研究中,将微多普勒效应理论与多天线干涉处理技术相结合,重构出散射点在各时刻的3维坐标,实现弹道目标的真实3维成像,并在此基础上解算出弹道目标的微动参数与结构参数。仿真实验验证了所提方法的有效性与鲁棒性。     

高速目标雷达微多普勒特征提取

目标组成部件的机械振动或旋转(微运动动力学)会在目标的雷达回波上产生频率调制,人们将由振动或旋转产生的调制称为微多普勒现象。微多普勒特征可以被认为是运动物体的独特现象,能够提供用于目标分类识别的附加信息。文中关注高速目标的微多普勒特征提取,讨论了高速带来的距离走动补偿、平动多普勒位移校正、雷达信号条件和微多普勒特征提取方法,仿真了一种高速目标微多普勒分析方法,仿真结果验证了该方法的有效性。     

雷达目标微多普勒特征提取

给出了微动和微多普勒一般定义,推导了任意运动规律的点目标的微多普勒计算公式,引入了微多普勒率的概念,提出了使用微多普勒估计微动目标运动参数的方法,给出了使用时频分布计算微多普勒的方法,并对典型微动目标的多普勒进行了仿真,证明理论分析的正确。     

雷达微多普勒特征提取和目标识别研究现状

自从雷达目标微多普勒现象被发现以来,雷达目标的微动特性在雷达目标探测与识别中受到越来越多的关注,对目标微动特性的测量和分析正在成为当前目标探测与识别领域的新兴研究方向。文中主要介绍了目标微动和微多普勒效应的概念,比较分析了目前目标微动的测量与分析处理技术,并且着重从几个方面分别介绍了目前微动特征提取的应用现状,接着就目前较常用的几种微多普勒目标识别分类器的识别率进行了比较和分析,最后对目标微动特性研究的发展趋势和技术难点进行了预测和总结。     

弹道中段雷达目标识别研究进展综述

分析了弹道中段雷达面临的识别环境及其识别特点,系统归纳了弹道中段雷达目标识别方法.根据所采用的特征不同,将弹道中段雷达目标识别方法分为基于结构特征的识别方法、基于弹道特征的识别方法和基于微运动特征的识别方法.详细阐述了三种识别方法的物理基础和研究进展,分析了它们各自的特点,最后展望了弹道中段雷达目标识别的发展趋势.     

弹道导弹目标微多普勒特征提取

真假目标识别是弹道导弹防御系统的主要技术瓶颈之一,它在一定程度上决定了反导系统的成败.基于弹头和诱饵微动特性的差异,提取相应的微多普勒特征可用来识别真假目标.文中在介绍弹头和诱饵运动特性的基础上,引入了微多普勒概念,建立了弹头和诱饵的微动模型,并对其微多普勒进行了理论推导.通过仿真从雷达回波中提取出弹头和诱饵微多普勒的频谱特征和时频谱特征,从而为真假目标的识别提供了新的依据.     

弹道目标平动补偿与微多普勒特征提取方法

针对传统逆合成孔径雷达(ISAR)成像中的平动补偿方法并不适用于弹道目标平动补偿的问题,该文提出了一种弹道目标平动补偿与微多普勒(m-D)特征提取方法。在分析有翼弹道目标未完成平动补偿时的m-D效应的基础上,首先采用形态学中的骨架提取方法抑制1维距离像旁瓣,再在快时间频率(距离)-慢时间平面上搜索分离各散射点的m-D特征曲线,然后对其进行经验模式分解(EMD)分解,利用分解结果中的趋势项分量完成目标回波的平动补偿,并通过分析EMD分解结果获得了目标的自旋频率、锥旋频率等特征信息。仿真实验验证了所提方法的有效性与鲁棒性。     

基于组网雷达的有翼弹道目标三维成像

组网雷达的多视角特性有利于获取目标的真实空间结构。该文在构建有翼进动目标回波模型的基础上,分析不同类型散射中心的微多普勒信息变化率的变化趋势,对微多普勒信息进行分离提取。利用非线性最小二乘拟合获取散射中心的幅度、相位信息。基于微动特征的不变性,利用多部雷达锥顶散射中心的幅度信息估计微动特征和坐标转换参数。然后根据各散射中心在不同视角上投影分量的差异,实现尾翼散射中心的匹配,之后求解散射中心的瞬时空间位置,实现目标重构。仿真验证了算法的有效性,并分析了微动参数和信噪比对重构结果的影响。     

多视角微多普勒融合的进动目标特征提取

微动特征是弹道目标识别的重要特征之一。针对锥体目标模型,提出了一种基于多视角窄带雷达网的微动参数提取方法。在详细分析锥体目标等效散射中心微多普勒变化规律的基础上,利用各散射中心之间的微多普勒相关性,结合频率补偿的方法,实现了回波多普勒谱中各散射中心对应的微多普勒曲线的匹配识别。在此基础上,构建多视角联合方程组,提取出锥体目标的进动角、底面半径、锥体高度等参数。仿真结果证明了该方法的有效性与适应性。      

基于分布式组网雷达的弹道目标三维进动特征提取

弹道目标微动特征提取是当前研究的一个热点,但在单基雷达中,由于视角限制,仅能提取目标在雷达视线方向上的微动分量,难以获得目标的真实三维微动参数.本文基于分布式组网雷达,利用组网雷达的多视角特性,提出了有翼弹道目标三维进动特征提取方法.首先基于目标锥顶散射点的微多普勒特征参数实现了目标空间三维锥旋矢量的重构,在此基础上,通过分析锥底边缘散射点的进动特征与微多普勒曲线的关系,提取了目标的进动周期、自旋周期、进动角、锥底半径、自旋轴与锥旋轴的交点位置等特征,并实现了目标长度的估计.仿真实验验证了算法的有效性,并进一步利用仿真实验分析了算法的鲁棒性.     

弹道目标宽带极化特征提取分析

针对弹道目标的极化高分辨一维距离像,研究宽带极化特征提取算法,分析所提取特征表征的目标散射特性及其在目标分类识别中的应用。通过弹道目标全极化高分辨一维距离像,构建极化散射矩阵,估计弹道目标的极化相干矩阵,再对其进行Cloude分解,提取H/α/A/P特征,依此对目标各散射中心的散射机理进行判定,同时分析各特征对于弹道目标可分性的强弱,利用SVM算法进行分类识别,同时考虑了信噪比对识别结果的影响,用仿真实验验证了算法的有效性。     

低分辨雷达目标调制特征提取和分类识别方法

利用目标的发动机调制(JEM)效应,提取目标的谱线间隔、谱线宽度、谱线个数、幅度偏差系数、能量比、波形熵、中心矩等特征,形成特征向量后参与后续的综合决策。在低分辨雷达对飞机目标进行的目标分类识别试验中采集数据,进行了实测数据分析,实验结果表明提取的目标特征和分类效果方面的有效性。     

基于ISAR像序列的弹道目标进动特征提取

中段弹道目标进动特征是分辨弹头及诱饵的重要依据.以二维ISAR图像序列为基础,分析了弹道目标成像特点和目标姿态角的变化过程,提出了基于图像配准的ISAR像姿态差估计方法;采用等间隔配准避免了配准奇异,根据姿态差二次方曲线实现了进动参数的估计,给出了计算目标进动角、进动周期的具体步骤.仿真结果表明,该方法能够实现弹道目标进动特征提取,估计精度较高.