空中雷达目标识别技术研究

摘要

本文围绕雷达对空中飞行目标的识别问题，开展了两种技术途径的目标识别的研究，提出了比较有效的目标识别算法。本文的主要创新性工作有： a)针对宽带多极化雷达，并以三种简单目标柱锥、圆锥、球锥作为研究对象，将一维距离像与极化信息相结合，提出了基于距离一极化矩阵的雷达目标识别算法。给出目标在四种极化组态下的RCS，并介绍了距离一极化矩阵的特征提取以及支持向量机分类器的工作原理。编写了目标识别程序，仿真结果验证了该算法的正确性和有效性。 b)本文通过改进Greco软件，实现计算运动目标的RCS。并以三种简单目标柱锥、圆锥、球锥作为研究对象，对由于目标运动产生的微多普勒信号进行了分析，改进了基于微多普勒信息的雷达运动目标识别算法。利用经验模式分解方法提取目标回波中的微多普勒特征，使用最近邻算法设计分类器。编写了识别程序，仿真结果验证了该算法的正确性和可行性。

目录

文摘

英文文摘

声明

1绪论

1.1雷达目标识别的概述

1.2用于雷达目标识别中的模式识别技术

1.3本文的主要工作

2 基于距离—极化矩阵的SVM雷达目标识别算法

2.1基于距离—极化矩阵的特征提取的原理

2.1.1一维距离像的获取

2.1.2极化信息和距离分辨信息的结合

2.2支持向量机算法的基本原理

2.2.1机器学习及其主要的实现方法

2.2.2支持向量机基础

2.2.3多类支持向量机

2.3计算机仿真结果

2.3.1仿真背景和条件

2.3.2典型条件下的仿真流程

2.3.3仿真程序及其仿真结果

2.4 小 结

3基于微多普勒效应的雷达目标识别算法

3.1雷达目标的微多普勒效应

3.1.1微多普勒效应的介绍

3.1.2微多普勒信号

3.1.3目标振动引起的微多普勒信号

3.1.4目标自转引起的微多普勒信号

3.1.5目标旋动引起的微多普勒信号

3.1.6目标翻滚引起的微多普勒信号

3.2改进Greco软件实现运动目标的RCS的仿真

3.2.1具有径向运动的目标的RCS计算

3.2.2振动目标的RCS计算

3.2.3翻滚目标的RCS计算

3.2.4自转目标的RCS计算

3.2.5旋动目标的RCS计算

3.2.6用STFT对动态目标RCS进行时频分析

3.3基于微多普勒效应的特征信号提取

3.3.1一种提取微多普勒信号的方法——经验模型分解

3.3.2 EMD算法的步骤

3.4分类器设计——最近邻算法

3.5仿真识别结果

3.5.1仿真背景和条件

3.5.2仿真流程

3.5.3仿真结果

3.6小结

结束语

致 谢

参考文献

附录