雷达目标识别是弹道防御阶段的关键环节,为节约雷达时间资源和降低对计算机处理能力的要求,需研究低数据率雷达回波信号的弹道中段目标识别方法,本文以低数据率目标高分辨一维距离像序列(High Resolution Range Profile,HRRP)为研究对象...雷达目标识别是弹道防御阶段的关键环节,为节约雷达时间资源和降低对计算机处理能力的要求,需研究低数据率雷达回波信号的弹道中段目标识别方法,本文以低数据率目标高分辨一维距离像序列(High Resolution Range Profile,HRRP)为研究对象,提出了基于图像投影法的进动频率特征提取算法和基于特征级融合的弹道中段目标识别方法,解决了由于HRRP回波序列数据率过低而导致的时频曲线周期模糊和单一特征造成目标识别准确率浮动大的问题。本文通过仿真弹道导弹中段飞行场景中弹头、重诱饵、轻诱饵、碎片目标的特性数据,同时考虑目标尺寸、形状和微运动模型等差异,结合仿真数据对本文所提算法进行验证。实验结果表明在低数据率(10~100 Hz)下,HRRP序列利用本文算法提取的进动频率特征结果误差值小于0.05 Hz,具有较高准确性和稳定性,通过特征融合方法联合进动频率和目标结构特征将弹道中段目标的识别准确率提升到了96%以上且趋于稳定。展开更多
基于雷达高分辨一维距离像(high resolution range profile,HRRP)的识别方法是弹道中段目标识别的有效手段,从弹道目标HRRP中提取出反映目标本质属性且可分性良好的特征对真弹头的识别具有重要意义。以高分辨距离像为研究对象,在对弹道...基于雷达高分辨一维距离像(high resolution range profile,HRRP)的识别方法是弹道中段目标识别的有效手段,从弹道目标HRRP中提取出反映目标本质属性且可分性良好的特征对真弹头的识别具有重要意义。以高分辨距离像为研究对象,在对弹道目标高分辨距离像的特点进行分析的基础上,对弹道目标HRRP特征提取技术以及近年来取得的成果进行了总结,包括长度特征提取技术、进动特征提取技术以及长度特征和进动特征的联合提取技术。最后对弹道目标特征提取技术的技术难点和发展趋势进行了分析,提出了一些解决思路。展开更多
弹道中段目标为一个目标群,包括弹头、诱饵、碎片等,并且由于距离传感器较远,红外成像为点目标,可用信息较少,因此单一的红外传感器往往难以满足识别要求,需要融合多个传感器进行识别。针对红外多传感器的融合识别问题,本文提出了基于...弹道中段目标为一个目标群,包括弹头、诱饵、碎片等,并且由于距离传感器较远,红外成像为点目标,可用信息较少,因此单一的红外传感器往往难以满足识别要求,需要融合多个传感器进行识别。针对红外多传感器的融合识别问题,本文提出了基于增量支持向量机和D-S(increment support vector machine-Dempster-Shafer,ISVM-DS)证据理论的融合识别方法。首先,训练多个波段传感器红外特征的支持向量数据描述(support vector data description,SVDD)模型,生成壳向量并训练其ISVM模型;接着,采用ISVM模型的后验概率生成基本概率赋值(basic probability assignment,BPA);最后,利用D-S证据理论对多个证据的BPA进行融合,输出分类结果。实验结果表明,该方法能有效提高目标识别的准确性。展开更多
文摘基于雷达高分辨一维距离像(high resolution range profile,HRRP)的识别方法是弹道中段目标识别的有效手段,从弹道目标HRRP中提取出反映目标本质属性且可分性良好的特征对真弹头的识别具有重要意义。以高分辨距离像为研究对象,在对弹道目标高分辨距离像的特点进行分析的基础上,对弹道目标HRRP特征提取技术以及近年来取得的成果进行了总结,包括长度特征提取技术、进动特征提取技术以及长度特征和进动特征的联合提取技术。最后对弹道目标特征提取技术的技术难点和发展趋势进行了分析,提出了一些解决思路。
文摘弹道中段目标为一个目标群,包括弹头、诱饵、碎片等,并且由于距离传感器较远,红外成像为点目标,可用信息较少,因此单一的红外传感器往往难以满足识别要求,需要融合多个传感器进行识别。针对红外多传感器的融合识别问题,本文提出了基于增量支持向量机和D-S(increment support vector machine-Dempster-Shafer,ISVM-DS)证据理论的融合识别方法。首先,训练多个波段传感器红外特征的支持向量数据描述(support vector data description,SVDD)模型,生成壳向量并训练其ISVM模型;接着,采用ISVM模型的后验概率生成基本概率赋值(basic probability assignment,BPA);最后,利用D-S证据理论对多个证据的BPA进行融合,输出分类结果。实验结果表明,该方法能有效提高目标识别的准确性。
