针对目标密集场景下,敌我识别(Identification Friend or Foe,IFF)结果和雷达目标关联不准确的问题,提出了一种基于压缩感知理论的雷达目标关联方法。将阵列接收信号协方差矩阵向量化处理形成观测向量,以多个雷达目标方位信息为基础扩...针对目标密集场景下,敌我识别(Identification Friend or Foe,IFF)结果和雷达目标关联不准确的问题,提出了一种基于压缩感知理论的雷达目标关联方法。将阵列接收信号协方差矩阵向量化处理形成观测向量,以多个雷达目标方位信息为基础扩充形成多个目标方位簇,并构建基于方位簇虚拟阵列流形的观测矩阵,通过观测向量在观测矩阵上的投影判断阵列接收信号与多个雷达目标方位相关性大小,形成关联判决结果。典型场景下的仿真结果表明,该方法能够实现敌我识别结果与雷达目标的高正确率关联,在阵元数28、信噪比3 dB、雷达测向误差不超过0.2°的条件下,对方位角相差不低于0.5°的两个目标能够实现准确关联。展开更多
散射中心是描述雷达目标高频散射机理的重要特征,准确提取雷达目标散射中心参数对解析雷达目标有着极其重要的研究意义。为了提高散射中心参数计算速度,通常将整幅合成孔径雷达(synthetic aperture radar,SAR)图像分解为多个包含散射中...散射中心是描述雷达目标高频散射机理的重要特征,准确提取雷达目标散射中心参数对解析雷达目标有着极其重要的研究意义。为了提高散射中心参数计算速度,通常将整幅合成孔径雷达(synthetic aperture radar,SAR)图像分解为多个包含散射中心的小区域,对每个小区域分别进行特征提取和参数计算。根据雷达目标散射中心的特点,提出了一种基于局部密度聚类的雷达目标散射中心区域分割技术。首先,对雷达图像进行Frost滤波、基于水平集方法(level set method,LSM)的图像分割和面积滤波的一系列图像预处理获得目标感兴趣(region of interest,ROI)区域,然后对预处理后的图像利用局部密度聚类算法检测散射中心并进行区域分割。实验中,采用模拟数据和真实数据对所提方法和传统图像分割算法展开数值实验,实验结果验证了所提方法在雷达目标散射中心区域分割的有效性和优越性。展开更多
现有基于深度神经网络的高距离分辨(High Range Resolution,HRR)雷达目标识别方法是纯数据驱动模型,是1个飞行事故记录器结构,特征不具可解释性,在方位缺失情况下特征泛化性差,模型识别率急剧下降.对此,本文设计了一种物理可解释自编码...现有基于深度神经网络的高距离分辨(High Range Resolution,HRR)雷达目标识别方法是纯数据驱动模型,是1个飞行事故记录器结构,特征不具可解释性,在方位缺失情况下特征泛化性差,模型识别率急剧下降.对此,本文设计了一种物理可解释自编码模型(Physical Interpretable Auto-Encoder Model,PIAEM),解码网络结合雷达目标的散射点模型,利用编码网络挖掘雷达数据具有明确物理含义的散射中心特征,从成像角度描述目标的物理结构特性,如尺寸、轮廓等,在方位缺失情况下具有稳健的物理特性.设计了基于最小重构误差的分类准则,实现雷达目标识别.基于实测高距离分辨雷达回波数据的实验结果表明,本文方法提取的特征具有明确物理含义,且在方位缺失4/5的情况下,PIAEM比现有基于传统目标识别方法的准确率提升了10.27%,验证了本文方法具有方位稳健识别性能.展开更多
文摘针对目标密集场景下,敌我识别(Identification Friend or Foe,IFF)结果和雷达目标关联不准确的问题,提出了一种基于压缩感知理论的雷达目标关联方法。将阵列接收信号协方差矩阵向量化处理形成观测向量,以多个雷达目标方位信息为基础扩充形成多个目标方位簇,并构建基于方位簇虚拟阵列流形的观测矩阵,通过观测向量在观测矩阵上的投影判断阵列接收信号与多个雷达目标方位相关性大小,形成关联判决结果。典型场景下的仿真结果表明,该方法能够实现敌我识别结果与雷达目标的高正确率关联,在阵元数28、信噪比3 dB、雷达测向误差不超过0.2°的条件下,对方位角相差不低于0.5°的两个目标能够实现准确关联。
文摘散射中心是描述雷达目标高频散射机理的重要特征,准确提取雷达目标散射中心参数对解析雷达目标有着极其重要的研究意义。为了提高散射中心参数计算速度,通常将整幅合成孔径雷达(synthetic aperture radar,SAR)图像分解为多个包含散射中心的小区域,对每个小区域分别进行特征提取和参数计算。根据雷达目标散射中心的特点,提出了一种基于局部密度聚类的雷达目标散射中心区域分割技术。首先,对雷达图像进行Frost滤波、基于水平集方法(level set method,LSM)的图像分割和面积滤波的一系列图像预处理获得目标感兴趣(region of interest,ROI)区域,然后对预处理后的图像利用局部密度聚类算法检测散射中心并进行区域分割。实验中,采用模拟数据和真实数据对所提方法和传统图像分割算法展开数值实验,实验结果验证了所提方法在雷达目标散射中心区域分割的有效性和优越性。
