目标微动特性研究进展

目标特征控制技术的发展增加了目标探测与识别任务的技术难度.随着先进传感器的测量能力和信号处理水平的提高,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.本文在目标微动的概念、目标微动对电磁波的调制效应、目标微动特征处理与分析技术进展、目标微动特性应用领域等方面做了比较深入的介绍和分析,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.     

基于卷积神经网络的海上微动目标检测与分类方法

该文利用深度学习的高维特征泛化学习能力,将卷积神经网络(CNN)用于海上目标微多普勒的检测和分类。首先,在海面微动目标模型的基础上,在实测海杂波背景中分别构建4种类型微动信号的2维时频图,并作为训练和测试数据集;然后,分别采用LeNet, AlexNet和GoogLeNet 3种CNN模型进行二元检测和多种微动类型分类,并进行比较,研究信杂比对检测和分类性能的影响。最后,与传统的支持向量机方法进行比较,结果表明,所提方法能够智能学习微动特征,具有更好的检测和分类性能,可为杂波背景下的雷达动目标检测和识别提供新的技术途径。      

基于微多普勒的微动点目标参数估计

给出了基于微多普勒的点目标参数估计一般方法,以时频分析和变采样率滤波为工具,系统地研究了点目标微多普勒提取,给出了几种典型的微动点目标参数估计方法,包括二阶运动、三阶运动、阻尼运动、正弦振动和复合运动,仿真结果证明了该方法的有效性。     

基于Deeplabv3网络的飞机目标微动信号分离

针对空中飞机目标的微多普勒效应提出一种基于时频图与深度神经网络分离直升机、螺旋桨和喷气式三类飞机旋转部件和机身的方法。本文从飞机目标时频图像素差异着手,根据深度学习语义分割网络提取飞机目标时频掩膜图,将掩膜图与飞机目标多分量时频矩阵进行乘法拟合,实现三类飞机目标多分量信号分离。通过建立的仿真数据集进行多组实验,结果表明对飞机目标多分量信号,深度学习语义分割网络提取时频掩膜的方法能够很好地分离机身和旋转部件信号,并起到抑制杂波的效果。     

基于匈牙利算法的多分量微动信号提取方法

雷达的采样缺损和微动信号回波在时频域的交叠给弹道目标微动特征提取带来了很大困难。为了解决该问题,提出一种回波信号采样缺损和时频域交叠背景下的多分量微动信号分解的方法。首先建立缺损采样的窄带雷达微动信号回波模型,其次将信号模型转换成稀疏正则化模型并通过软阈值迭代算法(ISTA)求解得到重构的时频分布,最后提取重构时频谱的极大值点,并将极大值点关联问题定义为指派问题,通过卡尔曼滤波和匈牙利算法求解该问题得到瞬时频率轨迹。仿真实验证明了所提方法的有效性。     

基于逆Radon变换的微动目标重构研究

目标微动对雷达回波的调制效应包括微多普勒调制、高分辨像调制和RCS调制等。根据单频和线性调频信号下典型微动目标的电磁回波模型,分析了微动在单频回波和高分辨距离像上的调制特性,在研究了微动目标的微多普勒时频图以及距离像-时间序列图的调制规律后,提出了基于逆Radon变换重构微动目标二维强散射中心分布的方法,对于微动目标利用回波高分辨距离像序列和时频分布图实现了目标二维重构,通过对仿真实验和暗室测量数据实验验证了该方法的可行性和有效性。     

基于时频图的微动目标运动参数提取和特征识别的方法

空间运动特征是导弹目标识别所依据的主要目标特性之一。该文通过在散射中心模型下,研究了导弹微动时回波的时频变化的特性,并由此提出了一种用于估计多散射点瞬时多普勒的线性和的新方法。对该线性和做傅里叶变化,能够有效地估计目标自旋、锥旋、进动频率,周期等运动参数。在此基础上,提出多普勒线性和的傅里叶谱的波形熵特征可以很好地用于实际中弹头和诱饵的识别。结果表明该方法可有效地区分弹头和诱饵。     

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。     

基于动态字典的卡车目标微动参数估计方法

车轮旋转产生的微多普勒是轮式车辆独特的特征.卡车类目标微动参数提取,可为地面车辆目标的分类识别提供重要依据.（1）对窄带雷达信号下的卡车目标进行回波建模,推导了车身非旋转散射点多普勒和轮毂旋转散射点微多普勒的数学表达式;（2）利用旋转点的微动参数构造相应的字典库进行匹配分解,建立了噪声条件下微动参数提取的凸优化模型;（3）针对采用过完备字典方法进行参数提取时,维数过大带来的计算和存储负担问题,进一步推导出关于微动参数集的凸函数,构造出更小规模的动态字典,通过对字典的动态调整和最小二乘准则下的迭代逼近,较快实现了卡车目标微动参数的准确估计;（4）仿真验证了方法的有效性和稳健性.     

基于微多普勒信息的弹道目标成像

弹道导弹识别是弹道防御系统中的核心问题之一，直接关系到导弹防御系统的成败。如果能对弹道目标成像，则能获得关于目标结构更为丰富的信息。由于弹道目标具有高速自旋的特点，因此基于转台模型的逆合成孔径雷达成像技术对高速自旋目标成像是失效的。针对该问题，详细分析了弹道目标回波模型，并研究了弹道目标时频图的调制规律，在此基础上，提出一种基于微多普勒信息的弹道目标成像方法，实现了对弹道目标二维强散射中心的重构，仿真数据处理结果证明了所提方法的有效性。     

基于稀疏自编码器的空间微动目标融合识别方法

当采用高分辨雷达对空间微动目标进行观测时,往往能同时获得其窄带、宽带回波。为充分利用其中蕴含的丰富电磁散射、形状、结构及运动信息,该文提出基于稀疏自编码器(SAE)的空间微动目标特征级融合识别方法。在训练阶段,首先采用卷积神经网络(CNN)分别提取训练集中微动目标回波的1维高分辨距离像(HRRP)、时频图(JTF)及距离-瞬时多普勒像(RID)层级特征。随后,将提取的3个深层特征进行1维拼接形成联合特征向量,并采用SAE自动学习联合特征向量的隐层特征。进而剔除SAE解码部分并在编码器后接入Softmax分类器构成识别网络。最后,利用SAE网络参数对识别网络进行初始化,并利用上述联合特征向量对其进行微调得到训练好的识别网络。在测试阶段,将CNN所提测试集的联合特征向量直接输入训练好的识别网络以得到融合识别结果。不同条件下的电磁仿真数据识别结果证明了所提方法的有效性及稳健性。     

基于微多普勒特征的地面目标分类

轮式履带式车辆目标分类是低分辨雷达地面目标识别研究领域的一个难点。该文基于微多普勒效应原理建立了轮式履带式车辆的雷达回波模型,针对轮式履带式车辆微多普勒调制的不同,提出了一种基于CLEAN算法的特征提取方法,提取了一种描述目标多普勒谱能量分布的能量比特征。基于实测数据使用相关向量机(RVM)和支持向量机(SVM)的识别结果表明该特征具有较好的识别性能,同时对目标速度具有稳健性。     

基于距离和差值序列的复杂运动目标微动特征提取

针对由平动和摆动构成的复杂运动目标微动特征提取,提出一种基于距离和差值序列的微动特征提取新方法.该方法首先从复杂运动目标一维距离像估计距离和差值,再利用时间-距离像的距离和差值序列提取目标不同散射点的摆动幅度、摆动周期等微动参数并准确估计出目标平动距离.分析了算法适用条件,开展了仿真实验,仿真结果验证了理论分析的正确性和算法的有效性.该特征提取方法可推广应用于一般平动与旋转等其他周期性运动构成的复杂运动目标微动特征提取.     

空中微动旋转目标的二维ISAR成像算法

 针对具有高速旋转部件的空中微动目标ISAR回波,本文提出一种基于低调频率匹配滤波的刚体与高速旋转部件回波分离方法.同时针对高速旋转部件的回波特点,提出基于逆-Radon变换的成像算法估计高速旋转散射点图像.最终同时得到微动目标刚体以及旋转部件的聚焦良好的ISAR图像.仿真和实测数据处理结果证明了所提算法的有效性.     

弹道中段进动目标非理想散射中心微动特性研究

 传统中段进动目标微动特性研究通常将目标散射中心视为理想散射中心,且用目标自身进动来等效散射中心的运动,据此所得结论具有一定局限性.本文揭示了中段目标自身进动与散射中心运动的异同,综合考虑了实际散射中心的非理想散射现象和遮挡效应,建立了基于非理想散射中心的中段进动目标回波模型,并利用仿真实验分析了不同进动参数对时频特性的影响,通过暗室进动实验证明了本文结果的正确性.     

基于液压放大的压电微动平台设计与试验

针对传统微动平台难以满足微/纳米定位的要求,该文结合液压放大原理,提出一种基于液压放大的两自由度压电微动平台,并对其进行了结构设计。采用正交设计方法对其进行有限元双向流固耦合分析,优化了其结构参数。研制了实物样机并进行试验研究。开环控制试验结果表明,当压电驱动器输入为90 μm时,压电微动平台最大输出位移为603.0 μm,放大倍数约为6.7;闭环控制试验结果表明,采用分段微分、积分、比例(PID)算法能降低超调量,且响应时间、稳态时间均减小,稳态误差降低（为±0.2 μm）,实现了微动平台的大范围输出精密定位。     

基于SVM的网络文本分类

文章首先介绍文本分类预处理的几种方法及其不足之处,并提出一种改进的特征提取方法。然后,介绍几种文本分类算法,并指出其缺点。最后本文介绍支持向量机算法,结合改进后的文本预处理方法对网络文本进行分类,并通过与KNN对比分析说明了该算法的高效性能。     

基于RCS信息的雷达目标大小分类方法

由于低分辨率雷达信息量有限,不能对目标的属性特征等做出精确的判断分类,只能做到粗略的分类判断.因此,文中给出了一种雷达散射截面(RCS)统计信息的低分辨率雷达对目标大小的分类方法.讨论了一种利用最大最小距离的聚类模式识别算法.并通过对实测数据的处理对算法进行了验证,证实了利用RCS统计特性结合最大最小距离的聚类模式识别算法对目标进行大小分类的可行性.     

基于微动分析和Chirplet分解的ISAR成像

当目标或目标部件存在微动时,目标的ISAR像将受到微动产生的微多谱勒效应的污染.为了解决这个问题,本文首先对目标的平动、转动和振动的运动模型进行分析,讨论了微多谱勒在时频域的分布情况;对目标回波信号进行Chirplet分解后,研究了在Chirplet参数域中利用微多谱勒和微多谱勒率对不同微动信号的分离算法;使用仿真点目标模型和实测数据对分离算法进行了验证,较好的实现了微多谱勒效应的分离和ISAR成像.