1 江苏科技大学, 江苏 镇江 212003
2 中船重工集团第七二三研究所, 江苏 扬州 225101
在当今电子战中, 有源拖曳式诱饵能够在跟踪雷达的半功率波束内捕获其跟踪分辨单元, 并将跟踪门从目标转移到诱饵上来。针对这一问题, 雷达抗干扰中迫切需要一种在诱饵干扰下仍能正确识别目标的技术。在此状态下正确识别目标的前提是先要将目标与有源拖曳式诱饵分离。考虑到逻辑回归是基于线性回归的二分类器, 因此利用逻辑回归概率模型, 并以蒙特卡罗马尔可夫链(MCMC)为载体形成一种融合贝叶斯模型, 能够达到很好的目标与诱饵分离效果。
雷达目标识别 抗干扰 有源拖曳式诱饵 蒙特卡罗马尔可夫链 贝叶斯模型 radar target recognition anti-interference towed radar active decoy MCMC Bayesian model
西安电子科技大学雷达信号处理国家重点实验室, 西安 710071
在雷达地面目标识别中, 采用合适的特征选择算法有助于在复杂的特征空间中挑选出对不同类型目标具有较强区分能力的特征。结合信息论和合作博弈理论, 提出一种基于Owen值的特征选择算法, 旨在选择出与类别相关度高、特征与特征之间冗余性低、依赖性强的最优特征子集, 达到在雷达目标识别中提高识别率的目的。利用雷达实测数据验证其性能, 结果表明, 所选特征子集的平均识别准确率优于两种经典的Filter式特征选择算法, 且该算法具有良好的噪声/杂波稳健性。
雷达目标识别 特征选择 合作博弈 Owen值 radar target recognition feature selection cooperative game Owen value
1 北京理工大学 光电学院 机器人与系统教育部重点实验室, 北京 100081
2 西安应用光学研究所, 陕西 西安, 710065
3 西安现代控制技术研究所, 陕西 西安, 710065
4 上海航天控制技术研究所, 上海 201109
针对现有脉冲激光回波目标识别方法不能准确反映目标姿态的关键问题, 提出一种基于激光回波与散斑的时空域目标探测方法, 重点建立了粗糙目标的脉冲激光回波与二维激光散斑模型, 通过对平面、球面和非球面三种面型目标进行仿真, 不仅可以映射出不同目标的面型和偏转角度, 还可以区分目标的偏转方向, 说明该方法的可行性与有效性。
光电探测 激光雷达目标识别 激光回波 散斑 photoelectric detection lidar target recognition laser echo speckle
1 南阳理工学院 计算机与信息工程学院, 河南 南阳 473000
2 郑州财税金融职业学院 信息技术系, 河南 郑州 450000
3 国防科学技术大学 自动目标识别重点实验室, 湖南 长沙 410073
4 中国人民解放军66393部队, 河北 保定 071000
随机变频信号体制不仅可以降低系统瞬时带宽和数据采样率, 还具有很强的抗干扰能力, 然而, 信号频率的随机变化导致现有目标散射中心估计方法失效。推导了随机变频信号的回波模型, 在分析回波稀疏特性的基础上, 提出了一种基于压缩感知的散射中心模型参数估计方法, 将参数估计问题转化为压缩感知理论中的稀疏信号重构问题, 并分析了感知矩阵对稀疏信号的重构性能。实验结果表明, 所提方法能够在降低数据采样率的情况下对目标散射中心参数进行有效估计。
雷达目标识别 压缩感知 散射中心 稀疏 radar target recognition compressed sensing scattering centers sparse 红外与激光工程
2016, 45(5): 0526004
西安电子科技大学雷达信号处理国家重点实验室, 陕西 西安 710071
为了利用雷达高分辨距离像(HRRP)中的相位信息改善识别系统性能，提出了一类针对复距离像的目标识别新方法。分析了复距离像的统计特性，将识别领域常用的三种高斯模型——自适应高斯分类器(AGC)模型、联合高斯(JG)模型和概率主分量分析(PPCA)模型推广至复数域对复距离像统计建模。研究表明，这三种模型及其参数估计结果均不受距离像初相的影响。此外，为了解决噪声环境中的稳健识别问题，进一步提出了噪声稳健的模型修正方法。实验结果显示：在识别过程中加入距离像相位信息能够获得更高的正确识别率；且经过噪声稳健修正后的模型大幅改善了低信噪比下的识别性能。
信号处理 模式识别 雷达目标识别 复高斯模型 高分辨距离像 噪声稳健
西安电子科技大学雷达信号处理国家重点实验室, 陕西 西安 710071
为了解决雷达高分辨距离像识别系统对训练样本需求量过大的问题，提出了一种有限样本条件下的目标识别新方法。分析了距离像频谱幅度的统计特性，从其广义平稳性和多模态分布特性出发，定义一种线性混合高斯状态空间模型对其统计建模，利用期望最大化算法进行了模型参数估计。实验结果表明：即使在很少的训练样本条件下，该方法仍能获得较高的正确识别率和良好的拒判性能。
遥感 模式识别 雷达目标识别 线性混合高斯状态空间模型 高分辨距离像 期望最大化
电子科技大学,电子工程学院,四川,成都,610054
提出了一种基于QR分解的广义辨别分析算法,并将其用于雷达目标一维距离像识别.与传统用奇异值分解获取目标特征子空间的方式不同,新算法运用核修正格兰-施密特正交化过程直接提取最优投影变换矩阵,不仅有效地地保留了类内散度矩阵最具辨别力的零空间信息,同时使所求解在数值上更稳定.对3种实测飞机数据的分类结果表明,所提方法不仅在识别性能上优于传统方法,而且在一定程度上降低了算法的计算复杂度,提高了系统的实时性能.
雷达目标识别 广义辨别分析 核修正格兰-施密特正交化 特征提取 一维距离像
西安电子科技大学雷达信号处理国家重点实验室,陕西,西安,710071
针对雷达目标一维像识别问题,提出了一种基于组织协同进化分类算法的识别方法.该方法与现有进化分类方法的不同之处在于它的进化操作直接作用于样本而不是规则,采用了一种自下而上的搜索机制,即先使若干样本的集合得到进化,再从进化结果中提取规则.这样有利于避免在进化过程中产生无意义的规则.该方法不需要进行特征提取;对于高维数据,不需要预先进行降维处理;没有复杂的运算,训练和识别的速度都很快.对3种飞机微波暗室实测数据的识别实验表明,该方法性能稳定,优于基于支撑矢量机与子波核函数的方法,识别率均达到了96%以上.实验中还对算法的抗噪能力进行了测试,获得了良好的效果.
雷达目标识别 雷达目标一维像 协同进化算法 组织 分类 radar target recognition 1-D image of radar target coevolutionary algorithms organization classification
西安电子科技大学雷达信号处理重点实验室,陕西,西安,710071
研究了支撑矢量机的分类机理,并利用支撑矢量机对雷达目标一维像进行了识别.识别的结果表明了该方法的优越性,并显示它可以对残缺不全的样本进行识别.
雷达目标识别 神经网络 支撑矢量机. radar target recognition neural network support vector machine.
