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。      

空间目标红外特征提取与识别技术

针对空间目标红外识别中典型的类内变化大、类间变化小等问题,提出了一种用支持向量机(Support Vector Machine,SVM)分类器结合局部二值模式(Local Binary Pattern,LBP)直方图特征和灰度直方图特征的空间目标红外特征提取与识别方法.以国内某卫星和国外某卫星为研究对象,提取它们红外图像的LBP直方图特征以及灰度直方图特征;使用红外仿真软件生成两个目标在不同姿态、不同分辨率下的样本图,并分成两部分,分别作为SVM分类器的训练集和测试集.实验结果表明,LBP直方图特征和灰度直方图特征均能够以较高的准确率对空间目标进行识别,且其识别效能与目标红外图像的分辨率以及SVM核函数有关.     

雷达目标特征提取的一种方法

将小波变换和马氏距离相结合，提出了一种基于ISAR成像的雷达目标特征提取方法。对ISAR成像数据进行正交二进Symlet小波分解和门限处理，对数据进行压缩，然后计算压缩后坐标点的马氏（Mahalanobis)距离，得到目标稳定的特征向量。由实验结果看出，此向量具有在一定范围内的不变性，能够用于雷达目标识别。     

基于图像处理特征提取与表达的优盘目标识别技术

随着科技发展和图像信息的大量产生和交流,目标图像的自动识别和分类应用越来越广泛,同时实际应用问题对目标识别技术的要求也越来越高,文章针对含有异物优盘中每个目标进行特征提取,进而达到目标识别目的。     

一种用于毫米波雷达目标的成象与识别算法

针对宽带高距离分辨率全级化雷达工作的体制背景，分析和研究了在该体制下，雷达目标散射信号模型、高分辨率谱城象算法以及在此基础上相应雷达二维图象的特征撮与目标识别，构造了一种由雷达成象、徨     

基于降维循环谱的特征提取与目标识别

在日益复杂的电磁环境中,如何提取有效特征是解决目标识别难题的一个关键。通过对目标信号的分析,发现它们虽呈现非平稳性,但却具有循环平稳性。因此,循环谱在分析此类信号方面具有优越的潜力,但是采用循环谱通常导致高维问题。针对这个问题,这里提出了降维循环谱的特征提取与目标识别方法,该方法以循环谱的相同频率点在不同循环频率下的相关性作为识别特征,并用主成分分析方法对该特征降维。实验结果表明,基于降维循环谱的方法具有很好的鲁棒性。     

坦克目标8mm波段信号探测及目标识别技术

研究了坦克装甲目标的毫米波探测识别技术.在比较坦克与主要干扰之间毫米波辐射特性差异的基础上,采用模糊识别方法,以提高识别概率;讨论了毫米波识别中特征参量的选择,提取了109组试验数据的特征参量并对其特征参量矩阵进行数据规格化及加权调整;给出了隶属度函数,计算了试验数据相对于坦克的隶属度.通过分析坦克与干扰的隶属度分布直方图给出了探测概率、虚警率与隶属度门限的关系曲线.     

一种用于毫米波雷达目标的成象与识别算法

针对宽带高距离分辨率全极化雷达工作的体制背景,分析和研究了在该体制下,雷达目标散射信号模型、高分辨率谱估计成象算法以及在此基础上相应雷达二维图象的特征提取与目标识别,构造了一种由雷达成象、特征提取以及目标识别组成的先进自动雷达目标图象识别系统,最后,归纳了雷达目标散射特性与识别的关系。     

基于KPCA准则的SAR目标特征提取与识别

该文给出了一种基于 KPCA(Kernel Principal Component Analysis)和 SVM(SupportVector Machine)的合成孔径雷达(Synthetic Aperture Radar,SAR)目标特征提取与识别方法。该方法在非线性空间内利用线性 PCA(Principal Component Analysis)准则提取目标特征并由 SVM分类器完成目标识别。基于美国国防高级研究计划署(Defense Advanced Research Project Agency,DARPA)和空军研究室(Air Force Research Laboratory,AFRL)提供的实测 SAR地面目标数据的实验结果表明,该文方法不但能够提高识别率,具有良好的推广能力,同时还降低了对方位估计精度的要求,是一种有效的 SAR目标特征提取与识别方法。     

基于KFD准则的SAR目标特征提取与识别

给出了一种基于KFD和SVM的合成孔径雷达目标特征提取及识别方法。该方法首先在非线性空间内利用Fisher准则提取样本特征 ,然后由SVM分类器完成目标识别。实验结果表明该方法不但有效地提高了目标的正确识别率及运算效率 ,还大大降低了对目标方位的敏感度 ,在目标方位信息未知的情况下 ,识别率仍可达到 95 %以上     

雷达目标特征提取的一种方法

针对雷达高分辨率距离像（HRRP）方位敏感性和平移敏感性的问题,在对一维距离像进行预处理的基础上,提取两个平移不变特征：中心矩和熵,并将二者形成组合特征,采用Karhunen—Loeve变换进一步进行特征压缩,运用并比较了最大最小距离判别法和SVM分类器的识别性能．实验结果表明中心矩一熵组合特征提取方法能够显著增强目标的可分性,大大提高识别率。     

用于近距目标探测的激光引信技术

分析了激光引信技术发展状况及工作原理。针对目前在研的激光引信关键技术,即微激光器技术和激光成像技术,比较了微激光器与半导体激光器的性能,并对微激光器技术抗气悬体干扰与目标识别的信号处理方法进行分析;提出激光成像技术探测机理及图像处理过程中应注意的问题和解决方法。最后对激光引信技术现存问题及今后发展方向提出了自己的看法,为进一步研究提供参考。     

雷达点迹的目标智能特征提取方法研究

雷达数据处理中,目标点迹的输出质量直接影响后续航迹处理的效果,是保证航迹处理成功建航的关键。通过从信号处理给出的目标视频幅度、距离、方位信息中,采用特定的滑窗检测和终了判定准则进行目标点迹的检测,从而得到目标点迹的回波数特征信息;然后从目标回波包络幅度信息中提取目标距离单元上的峰值,智能完成距离凝聚,解决了目标距离分裂现象,并且得到目标点迹的幅度包络特征信息。最后,采用质心法对方位凝聚,完成点迹的凝聚,输出带有目标智能特征信息的点迹给后绪的航迹处理。同时,对点迹的目标智能特征提取这一过程进行了硬件实现。通过某型雷达的实测数据分析,验证该方法的可行性和工程实用性。     

基于核方法的探地雷达目标特征提取方法

把核方法引入探地雷达目标特征提取中,先对雷达特征数据进行基于核的非线性变换投影到高维空间;然后在高维空间应用传统的探地雷达目标特征提取方法（LDA方法和PCA方法）提取雷达数据特征。对PCA、LDA、基于核方法的PCA和基于核方法的LDA四种探地雷达目标特征提取方法进行对比研究,对实测数据处理的结果表明：无监督的学习方法不适合探地雷达目标特征提取,所提基于核方法的LDA探地雷达目标特征提取方法效果最好。并详细阐述了基于核方法的LDA探地雷达目标特征提取方法。     

基于红外偏振的特征提取与小目标检测方法

针对红外目标探测所面临的杂波干扰问题,提出了一种基于红外偏振的特征提取与小目标检测方法。首先,利用人工目标和自然背景偏振特性的差异,建立了目标与背景的红外偏振信息模型,分析了其中强度信息和偏振信息的构成以及目标偏振信息的提取与增强办法。然后,将斯托克斯矢量、部分偏振光分解、变偏振理论相结合实现了目标偏振特征的提取与背景杂波抑制及随机噪声消除,进而实现了红外小目标的检测。仿真数据实验结果及与现有方法的对比证明了该方法的有效性和可靠性。该方法可用于对抗红外伪装隐身及红外诱饵技术,提升红外目标的探测能力,富有应用价值。     

激光成像引信的目标识别方法研究

为了高效准确地滤掉云烟雾等悬浮粒子,减少对激光成像引信工作的影响,采用了改进的Harris+最小核值相似区域(SUSAN)角点检测算法与矩形度结合的目标识别方法。改进算法在原有Harris和SUSAN算法基础上,利用8邻域模板标准差对目标像素点进行初次筛选获得候选角点,经高斯滤波后,利用改进的角点响应函数值进行二次筛选,再通过非极大值抑制得到最终角点,最后利用矩形度对目标与干扰进行二次区分。通过理论分析和实验验证可知,95%的目标能被有效地识别出来。结果表明,该方法能高效准确地区分目标与干扰,同时满足实时性要求,为激光成像引信抗干扰方面提供了一定的理论参考。     

A quasi-parametric algorithm for synthetic aperture radar target feature extraction and imaging with angle diversity

We present synthetic aperture radar (SAR) target feature extraction and imaging techniques with angle divesity. We first establish a flexible data model that describes each target scatterer as a two-dimensional (2D) complex sequence with arbitrary amplitude and constant phase in range and cross-range. A new algorithm, referred to as the QUasiparametric ALgorithm for target feature Extraction (QUALE), is then presented for SAR target feature extraction via data fusion through angle diversity based on the flexible data model. QUALE first estimates the model parameters, which include, for each scatterer, a 2D arbitrary real-valued amplitude sequence, a constant phase, and scatterer locations in range and cross-reange. QUALE then averages the estimated 2D real-valued amplitude sequence over range by making the assumption that the scatterer radar cross section is approximately consant. QUALE next models the so-obtained 1D sequence with a simple sinc function by assuming that the scatterer is approximately a dihedral (a trihedral is approximated as a very short dihedral) and estimates the relevant sinc function parameters by minimizing a nonlinear least-squares fitting function. Finally, the approximate 2D SAR image is reconstructed by using the estimated features. Numerical examples are given to demonstrate the perfomance of the proposed algorithm.This work was supported in part by AFRL/SNAT, Air Force Research Laboratory, Air Force Materiel Command, USAF, under grant no. F33615-99-1-1507, and the National Science Foundation Grant MIP-9457388. The U.S. Goverment is authorized to reproduce and distribute reprints for Governmental purposes notwithstanding any copyright notation thereon.     

激光近炸引信目标特性测试方法分析

武器装备的设计原则是力求实现装备与作战环境的最佳匹配。只有把目标放到特定环境中研究,所得结果才有实用价值。激光近炸引信目标特性测试包括目标与背景激光反射的空间特性和时间特性测试。从工程实际出发,分析了激光引信目标特性测试的原理、方法、数据与建模技术,并重点介绍了对地面目标激光引信目标特性测试的有关问题。     

Moving target feature extraction for airborne high-range resolutionphased-array radar

We study the feature extraction of moving targets in the presence of temporally and spatially correlated ground clutter for airborne high-range resolution (HRR) phased-array radar. To avoid the range migration problems that occur in HRR radar data, we first divide the HRR range profiles into low-range resolution (LRR) segments. Since each LRR segment contains a sequence of HRR range bins, no information is lost due to the division, and hence, no loss of resolution occurs. We show how to use a vector auto-regressive (VAR) filtering technique to suppress the ground clutter, Then, a parameter estimation algorithm is proposed for target feature extraction. From the VAR-filtered data, the target Doppler frequency and the spatial signature vectors are first estimated by using a maximum likelihood (ML) method. The target phase history and direction-of-arrival (DOA) (or the array steering vector for an unknown array manifold) are then estimated from the spatial signature vectors by minimizing a weighted least squares (WLS) cost function. The target radar cross section (RCS)-related complex amplitude and range-related frequency of each target scatterer are then extracted from the estimated target phase history by using RELAX, which is a relaxation-based high-resolution feature extraction algorithm. Numerical results are provided to demonstrate the performance of the proposed algorithm     

弹道目标特征提取研究现状与展望

随着弹道目标诱饵模拟、欺骗干扰等突防技术发展,真假弹道目标识别问题成为弹道目标防御系统的核心技术难题。为此,剖析了下一代弹道目标防御雷达体制模式及关键技术,从单基地雷达和双基地雷达2个角度,综述了弹道目标特征提取的研究现状,并对弹道目标特征提取技术的发展做了展望。