排序方式: 共有17条查询结果,搜索用时 31 毫秒
1.
极化特性是弹道目标识别的重要特征之一,针对复杂突防环境下弹头快速识别需求,提出了一种基于分时极化重构和特征压缩的弹头识别方法。利用微动目标的极化散射矩阵暗室测量数据,分析了动态目标的极化散射特性。结合弹道轨道模型,仿真了弹道目标的动态极化散射矩阵雷达回波信号。基于运动参数和极化互易性对极化矩阵进行相位补偿重构;然后利用重构的极化矩阵提取极化不变量特征和庞加莱球点的变化等特征,并采用多维特征投影变换实现特征压缩,去除无用冗余信息;最后通过软判支持矢量向量机进行序贯识别,从而实现对弹头、碎片和发动机等弹道目标的快速稳健识别。 相似文献
2.
3.
基于分数阶傅里叶变换的反辐射导弹检测技术 总被引:1,自引:0,他引:1
提出一种应用分数阶傅里叶变换(FRFT)来检测反辐射导弹(ARM)的新方法。由于分数阶傅里叶变换可以通过快速傅里叶变换实现,且不需进行多通道相位补偿,计算量小。仿真结果表明,该方法能够在ARM信噪比低达-14dB、ARM与载机回波功率比为-27dB的情况下,准确地检测出ARM来,从而实现ARM发射的早期告警。 相似文献
4.
5.
6.
7.
弹道导弹目标识别是导弹防御系统中的核心问题之一,直接关系到弹道导弹防御的成败。文中首先对世界上先进的反导防御系统特点和典型装备进行了介绍,然后对雷达反导目标识别中使用的各种特征提取、识别算法及策略进行综述,最后对弹道目标识别技术重要发展方向进行展望,并指出弹道目标识别技术是一项长期的系统工程。 相似文献
8.
利用雷达反射截面(RCS)序列估计进动周期为弹道目标特征提取和识别的重要途径。弹道目标在进动时,回波RCS序列为非平稳的周期序列,常规Fourier变换方法和周期间相关类方法需要较长观测时间和较高数据率才能有效地估计RCS的周期,这对于有限的雷达资源来说是不可接受的。该文提出一种新的估计弹道目标RCS序列周期的方法,该方法先利用特定频率附近的三角函数来拟合RCS序列,再求得使拟合误差最小的频率,即为RCS序列的进动频率。相比于常规方法,该文方法具有所需资源少,估计精度高的特点。RCS计算数据的仿真结果证明了该文方法的有效性。 相似文献
9.
10.
基于分数布朗特征的低分辨雷达目标分类 总被引:1,自引:0,他引:1
低分辨雷达目标的JEM效应不仅体现在对目标回波的频率调制上,还体现在幅度调制上,以上2种调试特征是互补的关系,综合运用2种调制特征将会改善低分辨雷达对飞机目标的分类与识别能力。分数布朗运动模型是一种可以用来描述自然界中随机分形的统计模型,文中提出将分数布朗运动模型用于反映回波幅度的不规则程度或起伏程度,以及回波幅度起伏的快慢,分别提取回波时域和频域的分数布朗分形维,再采用支持向量机分类器进行分类,很好地将直升机与民航机2类目标区分开来。实测数据表明,综合分类正确率大于85!。 相似文献