排序方式: 共有53条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
在前向散射情况下,基于阴影逆合成孔径雷达(SISAR)成像原理可以获得运动目标的轮廓像,从而对运动目标进行分类与识别。为了研究多极化对前向散射雷达运动目标识别的影响,该文根据前向散射阴影逆合成孔径原理,建立了目标前向散射雷达截面积(RCS)与目标轮廓像谱信息之间的联系,首次将多极化引入到前向散射目标的分类识别中;并借助电磁仿真软件CST,仿真得到了多极化条件下目标的前向散射RCS曲线。通过分析仿真结果发现同一个目标在不同极化情况下具有不同的前向散射RCS旁瓣曲线,此种差异对应于目标轮廓像的差异;联合多极化产生的前向散射RCS旁瓣差异可以获得更多关于目标轮廓的特征信息。仿真结果验证了多极化能够提高前向散射目标分类识别的能力。 相似文献
5.
6.
间歇采样转发式干扰利用数字射频存储器(DRFM)对雷达发射信号进行截获与转发,具有小型化、轻量化和灵活多变的优势,可搭载在目标上形成多点源主瓣干扰,对现代雷达构成了严重威胁。该文对上述干扰的辨识与抑制方法进行了研究。通过推导干扰脉冲压缩与时频分布的解析表达式,分析了目标回波与典型干扰信号的时频特征差异;在此基础上,提出一种时频域干扰辨识方法,并构造时频域滤波器进行干扰抑制。仿真结果表明:在原始信号干噪比大于–3 dB的情况下,算法辨识率可达90%;在此基础上,通过时频域滤波可以对3种典型策略下干扰都进行有效抑制,其峰值信干噪比改善可达18 dB。 相似文献
7.
害虫迁飞具有规模大、突发性强的特点,会导致病虫害异地大爆发,粮食产量下降,造成重大的经济损失。昆虫雷达是监测迁飞性害虫的一种有效手段。昆虫目标的雷达散射截面积(RCS)较小,回波能量弱,在保证高检测率的同时会带来高虚警率问题,进而导致在目标跟踪的数据关联环节,易受虚假量测的影响出现关联错误。幅度特征辅助跟踪算法利用目标与噪声点迹的幅度差异,可以有效提高目标与噪声的识别度,改善跟踪性能,但是其需要已知目标的RCS起伏模型作为先验信息来计算幅度似然比。因此,该文基于Ku波段高分辨昆虫雷达外场实测昆虫回波数据,分析了昆虫目标的RCS起伏特性,得出Gamma分布可以较好地拟合昆虫目标的RCS统计分布,并将其作为先验信息,推导出Gamma起伏目标在高斯白噪声背景下的幅度似然比。通过在不同信噪比、不同量测噪声及不同起伏模型参数下的仿真结果及性能指标分析,验证了相比于概率数据互联滤波算法(PDAF)算法,目标RCS特征辅助的跟踪算法可以有效提高昆虫目标的跟踪精度。 相似文献
8.
地球同步轨道合成孔径雷达层析成像(GEO TomoSAR)是一种将地球同步轨道 SAR(GEO SAR)与三维层析成像相结合的技术,它能够克服低轨 SAR 层析成像中重访时间长、时间去相干严重等缺点,实现对地面场景及时、精确地三维重建。但是由于 GEO SAR 轨道高,信号能够穿过整个电离层,使得 GEO SAR 信号时延长,引入严重的相位误差,进而影响 GEO TomoSAR 三维成像的精度。本文主要从背景电离层对雷达信号传播的影响机理出发,建立了时空变背景电离层影响下的 GEO TomoSAR 信号模型,进而分析了对三维成像的影响。经过分析,时空变背景电离层对 GEO TomoSAR系统的影响主要包括成像目标的相对位置偏移以及高度向成像散焦。最后,通过计算机仿真验证了理论分析的正确性。 相似文献
9.
地球同步轨道合成孔径雷达(GEO SAR)具有短重访、广覆盖等优势。分布式GEO SAR由多个GEO SAR同时收发形成多个相位中心,具有可降低合成孔径时间、提高信噪比等优点。模糊度是雷达系统设计中的重要指标,传统SAR的模糊度计算通常在距离时域、方位频域进行。然而在分布式GEO SAR中,通常无需进行全孔径成像即可获得满足要求的分辨率,因而点目标的方位向信号带宽低于场景瞬时多普勒带宽,使得基于方位频域的模糊度计算方法失效。此外,双基地配置以及地球球形表面也给地面模糊区位置的计算带来困难。本文首先给出考虑地球球形表面的双基地GEO SAR模糊区位置的近似计算方法,然后给出分布式GEO SAR模糊度的计算步骤。仿真对比分析了传统频域方法与本文所提方法,并详细分析了单基地GEO SAR、双基地GEO SAR和多基地GEO SAR的模糊度特点。 相似文献
10.
雷达数据生成在目标识别等任务中发挥重要的作用。现有雷达数据生成方法包括电磁仿真、视线追踪等,存在对模型误差敏感、计算量大等问题。本文面向雷达HRRP(high resolution range profile)数据提出一种基于深度生成网络的雷达数据生成方法,在模型先验信息未知的情况下,由雷达HRRP数据集训练得到深度生成网络,从而实现雷达HRRP数据的快速生成。实测数据处理结果表明该方法生成HRRP与数据集中HRRP极为相似,生成HRRP可以应用于增强雷达HRRP数据集、改善数据不平衡问题等。 相似文献