一种窄带雷达舰船目标分类的决策方法

目标识别技术在现代雷达中具有重要的应用价值,由于自身体制的限制,窄带雷达无法提供充足的信息以支撑目标分类识别。针对这种问题,提出了一种基于分类器判决、多帧融合和综合判决的综合决策方法:在分类器判决的基础上进行多帧融合以提高判决结果的稳定性,在综合判决中充分考虑各历史判决的信息以获得可靠的判决结果。以某型雷达对不同舰船目标的实测数据为对象,对提出的方法进行了验证。结果表明,所提方法能够有效提升判决结果的准确性与稳定性。     

基于JEM效应的一种雷达目标识别方法

根据ＪＥＭ（喷气发动机调制）效应和雷达目标回波谱经特点,本文提出了一种雷达目标识别方法。此方法是利用小波变换,得到雷达目标回波信号的频率调频指数,对信号进行相位补偿,然后滤掉信号中的机身频谱和多普勒频谱,再进行相位补偿,用ＦＦＴ（快速傅立叶变换）就可以得到目标的调制谱,由此实现目标识别。由实测数据进行分机处理,证明利用目标的调制谱识别目标,认识效果很好。     

一种提高目标雷达截面积测量精度的有效方法

本文分析了微波暗室里使用ＨＰ８５３０１Ｂ雷达截面积测量系统进行了目标雷达截面积测量过程引起隔离误差的激励源及其作用机理。提出了消除隔离误差的，实际测量证明提高了测量精度。     

常规雷达JEM特征分析与目标分类的研究

该文研究了常规雷达回波中喷气发动机调制(JEM)特征产生机理、提取方法及用于目标分类的效能,先从理论上分析了常规雷达飞机回波中JEM特征的产生机理,并比较了直升机、螺旋桨飞机和涡扇喷气机回波中JEM周期特征的差别。再讨论了实际回波中时域、频域、时频域方法分析和提取JEM周期特征的优劣,最后用AR双谱切片技术提取的JEM周期特征进行了目标分类和辨识实验,结果表明：JEM周期特征用于常规防空雷达飞机的分类是有效的,但又是有限的。     

基于模型融合的窄带雷达空中目标分类方法

针对窄带雷达3类飞机分类问题,提出一种基于模型融合的窄带雷达空中目标分类方法,在多个特征域对目标进行特征提取,通过Stacking策略对K近邻、随机森林和支持向量机进行模型融合,利用融合模型实现3类空目标的分类,最后通过测试验证了其有效性。     

一种新的弱目标自组织模糊分类方法

本文着重研究舰船雷达弱目标的模糊分类问题，讨论了利用Ｋｏｈｏｎｅｎ自组织网络来实现各类目标的二维录属函数生成。     

一种基于时频分析的窄带雷达飞机目标分类特征提取方法

针对低信噪比情况下窄带雷达目标分类问题,该文提出基于时频分析的窄带雷达飞机目标分类特征提取方法。该方法利用喷气式飞机、螺旋桨飞机和直升机3类目标调制周期的差异,提取时频谱域的熵值变化特性,并给出时频分析中窗函数长度的优化选择方法。基于仿真和实测数据的实验结果表明,该文方法可以在低信噪比情况下显著提升飞机目标正确分类概率。     

一种用于雷达资源管理的目标雷达截面积预测算法

在管理与优化雷达有限资源的应用中,目标的雷达截面积的起伏会对资源分配后的效果产生巨大的影响。针对该问题,该文提出一种对目标的雷达截面积进行预测的方法。该方法首先对回波进行处理以获取目标雷达截面积的测量值,进而通过概率密度转移的方法对目标在下一个时刻的雷达截面积进行预测。通过对来自3种飞机的雷达实测数据的计算,验证了该预测方法能够得到较为准确的预测值。最后,建立功率分配的优化方程,并通过仿真验证了对雷达截面积准确的预测能够提高功率分配后的测量精度。     

雷达目标识别的一种方法

利用目标的方位角、运动速度、俯仰角和雷达散射截面积（RCS），提出了一种雷达目标识别方法。由目标的实测数据，计算特征向量总体的均值和协方差矩辄及其逆矩阵，由距离判别法进行目标识别。识别结果表明，该方法简单、识别效果较好，具有一定的实际应用价值。     

一种基于卷积神经网络的雷达目标分类方法

雷达作为对低空和地面目标探测及监视预警的主要手段,在安全领域应用广泛。针对现阶段实际应用中雷达目标分类技术中过于依赖人工提取特征的问题,提出了一种基于卷积神经网络的分类方法,对雷达回波数据进行二维傅里叶变换得到距离-多普勒图像,再以距离-多普勒图集作为数据集,训练神经网络,得到能够完成雷达目标识别的网络模型。结果表明,相较于传统方法,基于卷积神经网络的目标识别模型在省去人工工作的同时提高了目标识别精度。     

用离散贝叶斯分类算法识别窄带雷达目标

深入分析了常用雷达目标识别方法识别率不高的原因。提出了基于离散贝叶斯算法识别有限长特征序列的识别方法。针对实测地面目标雷达回波的计算机模拟结果,表明该方法可明显提高识别率。     

高分辨率雷达信号参数对目标识别的影响

采用模板匹配分类器,对具有大、中、小3个尺寸级别的9类目标进行基于高分辨率雷达距离像(HRRP)的识别仿真试验,系统地研究了识别概率-信噪比-雷达带宽/载频之间的三维变化关系,分析了雷达信号参数对目标识别的影响,得到了有价值的研究结论。     

一种低分辨雷达自动目标识别系统

低分辨雷达自动目标识别一直是雷达目标识别研究领域的难点。与高分辨雷达目标识别不同，低分辨雷达分类识别主要指对机群目标的大小、架次以及调制方式等进行粗略分类。给出了一个基于飞机目标回波波形对机群目标进行分类识别的低分辨雷达目标识别系统例子。     

基于轻量化网络的车载雷达目标分类方法

针对现有车载毫米波雷达目标分类方法存在静止杂波干扰和网络模型复杂度高的问题,本文将Ghost模块和MobileNet相结合设计了G?MobileNet轻量化神经网络,并提出了一套完整的车载毫米波雷达目标分类流程。首先对雷达原始AD采样信号进行向量均值相消处理,滤除静止杂波,再进行二维快速傅里叶变换（FFT）得到目标的距离?多普勒（RD）图像,最后使用G?MobileNet对RD图像特征进行提取及分类得到分类结果。实测数据处理结果表明,所提方法能够消除静止杂波对多普勒特征产生的干扰,且分类网络模型复杂度低,在具有较高的分类准确率的同时节省了网络模型储存空间和运行网络所需内存。     

单基地雷达对隐身目标探测范围的研究

通过分析典型隐身目标的单站雷达散射截面,提出一种计算隐身目标雷达探测区域的新方法,由单基地雷达方程出发,从能量角度得到雷达探测判定不等式;采用一种新的雷达探测区域仿真计算的网格剖分方法,给出隐身目标探测范围的仿真计算流程。仿真计算了不同频段单基雷达对隐身目标的探测范围,验证了该方法的可行性。     

低分辨雷达回波序列轮廓像目标分类方法研究

基于利用雷达目标回波轮廓像进行目标分类在雷达航管、监视领域具有一定的应用价值，分析了对雷达波束扫描目标过程中的电磁散射进行了分析，研究了目标回波序列轮廓像的形成原理。通过对目标回波序列轮廓像进行特征提取、变换获取了能够体现目标特性的稳态特征，利用C—均值聚类方法实现了对海面目标的粗分类，采用实测数据对所提出方法进行测试，实验结果证明了该方法的有效性。     

基于峰度偏度和WD-LDA的飞机目标分类方法

目前,多数的喷气发动机调制特征提取方法都是基于调制波的周期或调制线谱的谱间间隔,但该类谱估计方法往往受信噪比、脉冲重复频率及观测时间影响很难获得很好的分类性能。文中对三类飞机目标回波进行统计分析发现,其归一化幅度分布存在明显差异,据此创造性地提取出峰度偏度特征,并结合小波分解-线性判别分析处理,对目标进行分类。该特征具有很强的抗噪声能力,对脉冲重复频率和观测时间要求不高,且可通过其中一个参数去弥补另一个参数。仿真实验证明了所提方法具有很好的分类性能。     

统计MIMO雷达目标跟踪技术研究

首先研究了统计多输入多输出(MIMO)雷达对运动目标参数的估计(也称雷达测量),以雷达估计性能为依据设定其工作参数,提出了一种统计MIMO雷达对运动目标跟踪与参数估计相结合的交互式跟踪方法。理论分析表明,所提方法在目标雷达横截面积(RCS)闪烁严重的情况下仍能很好地进行跟踪,并保持很高的跟踪精度;而且论文中所提出的参数估计法可以有效地降低MIMO雷达参数估计的运算复杂度,解决了参数估计中一大难题。仿真实验也验证了该方法的有效性。     

基于直航法的目标RCS方向特性测量

提出了目标全向雷达截面（RCS）特性测量的新方法——直航测量法,以测量不宜或不能用传统的转圈法进行测量的无动力目标（如拖靶等）和随机运动的非合作目标的RCS方向特性。