高分辨距离像

摘要： 因目标所处环境及探测用宽带雷达工作机理等因素的制约,实测距离像样本不仅繁多且可能混有干扰,为克服因此带来的识别困难,优化识别效果,稀疏分析提供了一类压缩样本数据并提升数据分析质量的研究思路。提出了一种依据分组稀疏分析策略开展雷达一维距离像稀疏分解,从而识别目标的方法。为了进一步改善识别算法的噪声鲁棒性,提升其实用性,算法在样本稀疏分析环节依信噪比开展了分解参数的调整。实验结果表明:对比同类识别算法,文中方法求解过程简洁,适用范围也相对更广;而较之一些不同类型的常规算法,文中方法则具备更好的噪声鲁棒性及更高的识别率。

摘要： 在雷达自动目标识别(RATR)中,数据驱动方法是强有力的工具之一。然而数据驱动方法的性能十分依赖数据集的质量,数据增强方法通过扩充数据集,能够提升数据驱动模型在现有数据集上的识别率。本文提出了用于高分辨距离像(HRRP)数据生成的一维基础生成对抗网络(BGAN)结构和条件生成对抗网络(CGAN)结构,并利用生成的人工样本补充不完备数据集完成了数据增强。实验表明,本文所提出的两种网络均能有效提升目标识别的准确率,提升效果优于传统的平移和镜像增强方法。基于BGAN的HRRP数据增强方法提升效果最优,但其模型时间与空间复杂度较高;基于CGAN的数据增强方法能够在保证识别率提升的同时降低模型的时间与空间复杂度,具有较高的应用前景。

摘要： 基于深度学习的雷达目标识别方法近年来获得较大关注,但实战中存在时效性约束和资源限制,小样本识别难题大大限制其在实际识别任务中的性能。针对这一问题,本文基于元学习算法,通过从多个相关任务中学习到的元知识改善新任务的性能,引入迁移学习思想,提出一种改进的小样本学习方法,并通过详细的性能对比实验分析了该方法的应用边界条件。基于实测高分辨距离像数据的实验结果表明,元学习方法在历史积累样本所含目标类别较多,与目标任务相关度较大的极小样本情况下,性能优势才突出,所提方法可显著提升其综合识别性能。

摘要： 特征提取是基于高分辨距离像(high resolution range profile, HRRP)的雷达目标识别的关键技术之一。传统人工提取特征的算法,仅利用浅层结构特征,无法有效解决姿态敏感性问题,从而限制了目标识别方法的泛化性。对此,提出一种基于深度学习的目标识别方法,并通过详细的姿态角性能测试分析了该方法的应用边界条件。通过构造适合处理HRRP的卷积神经网络(convolutional neural network, CNN)模型,充分发掘目标深层次姿态不敏感属性特征,完成高精度目标识别。基于实测数据的实验结果表明,所提方法具有一定的抗姿态敏感性特性,边界条件分析可为该方法的工程化应用提供指导。

摘要： 针对传统的HRRP目标识别方法识别率低、模型泛化能力不足等问题,提出基于轻量级梯度提升机(LGBM)和深度神经网络的HRRP目标识别方法。该方法采用LGBM特征选择算法对提取的HRRP具有明确物理意义、统计特性和平移不变性的特征分量进行二次特征选择,以减少特征冗余和样本维度,有利于目标识别速度的提升;搭建深度神经网络时,为了有效解决过拟合问题,引入Dropout约束,把获得的HRRP目标最优特征样本数据送入深度神经网络分类器进行训练学习和测试,有效提高了模型的泛化能力。仿真实验验证结果表明,在4类雷达目标的分类实验中,所提出的方法在提高识别率的同时,也有效提升了识别速度。

摘要： 针对空天时敏目标识别问题,提出了一种新的针对雷达高分辨距离像(HRRP)的序贯特征提取方法,并设计了一种基于决策树和支持矢量描述(SVDD)方法的多分类器。该方法首先基于时序HRRP估计目标的径向尺寸,利用序贯脉冲积累对尺寸估计结果进行滑窗处理,获取各个窗内径向尺寸的均值、极差、中值以及结尾均值四种统计特征;然后,将得到的四种特征进行拼接,从而获取更加鲁棒的高维特征;最后,使用基于决策树的多分类SVDD方法(Multi-SVDD-DT)对获取的高维特征进行分类。四类飞机的测量数据实验表明,本文所提方法可以提取出目标的稳健特征,能够有效完成空天时敏目标的识别任务。

摘要： 在雷达高分辨距离像目标识别任务中,数据表征对于分类器的性能影响巨大。针对传统法提取的数据表征可分性不强的问题,本文提出了一种解耦表征变分自编码机的方法。该方法通过对类间特性表征和类间共性表征分别建模的方式,优化网络模型参数,实现了高可分性雷达高分辨距离项数据的表征提取,并采用基于实测数据的实验验证了所提算法的有效性。

摘要： 雷达对于非合作目标的探测,存在目标微小与速度未知两大困难,而相干积累的方法需要准确探测目标速度,并进行速度补偿,实际应用过程中效果受限。针对此问题提出了一种调频步进编码波形设计方法,可以在速度未知情况下脉间积累,同时在准确测量速度后宽带合成。首先研究线性调频子脉冲的距离速度耦合特性,通过波形设计抵消脉间目标运动成像位置变化;然后研究调频步进编码波形的宽带合成技术,使所得的高分辨一维距离像无距离混叠。最后,数值仿真实验验证了所提出波形的优势与应用价值。

摘要： 为了解雷达目标更多的详细信息,对基于高分辨距离像(high resolution range profile,HRRP)序列的目标识别方法进行分析。对隐马尔可夫模型(hidden Markov model,HMM)、卷积神经网络(convolutional neural network,CNN)、循环神经网络(recurrent neural network,RNN)和长短期记忆网络(long short-term memory,LSTM)等面向序列识别的分类器进行阐述和讨论,分析不同分类器用于HRRP目标识别的发展历程,指出不同识别方法的优缺点及适用性条件。结果表明,该研究可为不同识别场景下应用合适的分类器提供一些思路。

摘要： 随着雷达技术的不断发展,雷达自动目标识别算法不断普及,算法识别性能的各项影响因素不能忽略。本文通过对飞机的变化结构、电磁散射模型、回波仿真的分析,简要解释了目标外形变化对雷达自动目标识别算法的性能影响。

摘要： 高分辨距离像含有被测目标的几何结构信息,为雷达目标识别提供了一种可行的途径.文中基于高分辨距离像提出了一种核双鉴别子空间雷达目标识别方法,其在传统核Fisher鉴别方法的基础上,将最优鉴别矢量集视为特征空间的全局变换,充分利用核类内散度矩阵零空间与非零空间所包含的鉴别信息,实现对目标的特征提取.该方法不仅有效解决了小样本问题,同时进一步改善了目标的类可分性.对三类飞机目标实测回波数据的识别结果表明了所提方法的有效性.

摘要： 对雷达目标高分辨距离像进行特征加权可以解决高分辨距离像各距离单元因目标姿态变化而导致的特征稳定性不一致问题。针对已有加权系数求解方法存在的不足，提出一种加权系数优化方法。该方法通过定义目标函数来度量不同雷达目标之间加权高分辨距离像的可分性，并采用梯度下降算法优化加权系数值，从而达到增强高分辨距离像稳定距离单元作用，减小不稳定距离单元影响的目的。基于五种飞机目标模型高分辨距离像的仿真实验表明，该方法可以有效优化加权系数，并提高雷达目标识别率。

摘要： 本文通过雷达目标高分辨距离像特性方位敏感性的分析,相对于目标平均像模板,高分辨距离像的参数化统计模型更好地描述目标散射特性，通过仿真数据,比较了基于平均距离像模板和基于Gamma和Gaussian统计模型的目标识别方法在不同信噪比下的识别率和实时性,结果表明,基于统计模型的目标识别方法具有较高的识别性能。

摘要： 针对雷达高分辨率距离像中的余度对中心矩特征提取的影响，给出了一种导弹目标距离像的中心矩特征提取新方法，基于熵值确定距离像中的目标支撑区，并在支撑区内提取中心矩特征。与已有中心矩特征提取方法相比，本文方法提取的中心矩特征可分性更好，基于暗室实测数据的实验结果表明该方法是有效的。

摘要： 本文在基于舰船目标识别中，提出了一种修正最近邻模糊分类算法。首先从高分辨距离像(HRRP)中提取船长、离散性、对称性、中心矩等能够反映舰船目标特点的稳定特征。结合各类特征的重要性和稳定性，设计一种能够让不同特征充分发挥优势作用的修正最近邻模糊分类算法，该算法对不同特征差所确定的隶属度进行加权修正。通过10类军民船目标的实测数据验证，说明该算法在舰船目标分类领域具有很好的应用价值。

摘要： 针对舰船目标高分辨距离像(HRRP)的独有特性，首次提出用HRRP中心矩特征进行舰船目标识别。首先对舰船HRRP特性进行分析，提出用互相关法对HRRP进行距离对齐，用非相干平均方法提高HRRP的信噪比和信杂比，在此基础上提取具有平移不变性的中心矩作为特征向量。用适用于组合特征的最近邻模糊分类算法对中心矩特征进行处理。实测数据的验证结果显示，该方法在舰船目标识别中取得了非常好的识别效果。

摘要： 相消处理是一种典型而又简单易行的杂波滤除方法。针对频率步进雷达，本文提出了一种新的杂波相消方法。该方法采用基本的频率步进波形，利用同一距离单元上两帧回波脉冲所成的两幅高分辨距离像(HRRP)进行杂波相消的同时，能够很好地保持目标HRRP特性。针对两幅 HRRP 相消所导致的目标重影问题，本文又提出了简单有效的目标重影消除方法。实测雷达HRRP 数据的试验结果验证了所提方法的有效性。

摘要： 由于目标分解理论有助于透过散射矩阵描绘散射体的本质物理结构和散射机理，提供充分利用散射矩阵极化信息的方法，常被用于低分辨率雷达目标和遥感目标识别，因此将目标分解理论推广应用于对高分辨雷达目标极化散射矩阵的分解，并推广和结合了高分辨距离像的求取方法，求得了目标的结构特征像；基于分解结果训练支持向量机（SVM）并对两实验目标进行分类识别，与SVM对单一距离像的分类识别结果相比，提高了正确分类识别率，且稳定性较好，证明了该方法的有效性。

摘要： 雷达目标一维距离像可以用来表征扩展目标的特征,且一维距离像对姿态角非常敏感.因此,通过设计与各个角度一维距离像相匹配的雷达发射波形可以提高探测性能.但是对每个角度均设计一种波形显然是不合理的.使用主分量分析法提取一维距离像的特征并进行分类,之后对属于同一类型的一维距离像设计一种波形.仿真表明这种方法可以在提高探测性能的同时降低系统的复杂度.

摘要： 雷达目标一维距离像可以用来表征扩展目标的特征,且一维距离像对姿态角非常敏感.因此,通过设计与各个角度一维距离像相匹配的雷达发射波形可以提高探测性能.但是对每个角度均设计一种波形显然是不合理的.使用主分量分析法提取一维距离像的特征并进行分类,之后对属于同一类型的一维距离像设计一种波形.仿真表明这种方法可以在提高探测性能的同时降低系统的复杂度.

摘要： 本发明公开了一种用于定量的高速弹载距离高分辨雷达动态距离标校系统和方法，包括移动站、移动站GPS天线、移动站电台天线、基准站、基准站GPS天线、基准站电台天线、目标机、引导系统、授时系统、GPS授时天线、二维转台及附属控制系统、待测弹载雷达(12)。其中移动站、移动站GPS天线、移动站电台天线均安装于目标机上；基准站、基准站GPS天线、基准站电台天线、引导系统、授时系统、GPS授时天线、二维转台及附属控制系统通过电缆连接放置一处，待测弹载雷达固定于二维转台及附属控制系统上。本发明的优点是：实现简单，依靠该系统实施弹载距离高分辨雷达的高精度动态距离标校，具有操作简便、动态距离标定精度高等优点。

摘要： 本发明公开了一种图像高分辨率装置。反射率推定部(206)利用由光源信息推定部(203)推定的光源信息与由形状信息取得部(204)得到的被摄物的形状信息从由图像摄像部(201)摄像下的原图像制作被摄物的反射率图像。反射率高分辨率化部(207)根据从反射率DB(208)取得的变换规则将反射率图像高分辨率化。图像高分辨率化部(217)利用已被高分辨率化的反射率图像、光源信息与形状信息制作已将原图像高分辨率化的高分辨率图像。

摘要： 本发明公开了一种用于定量的高速弹载距离高分辨雷达动态距离标校系统和方法，包括移动站、移动站GPS天线、移动站电台天线、基准站、基准站GPS天线、基准站电台天线、目标机、引导系统、授时系统、GPS授时天线、二维转台及附属控制系统、待测弹载雷达(12)。其中移动站、移动站GPS天线、移动站电台天线均安装于目标机上；基准站、基准站GPS天线、基准站电台天线、引导系统、授时系统、GPS授时天线、二维转台及附属控制系统通过电缆连接放置一处，待测弹载雷达固定于二维转台及附属控制系统上。本发明的优点是：实现简单，依靠该系统实施弹载距离高分辨雷达的高精度动态距离标校，具有操作简便、动态距离标定精度高等优点。

摘要： 本发明公开了一种融合SAR高分辨图像与一维距离像的稳定跟踪方法：步骤1，获取双极化SAR图像数据并进行预处理，得到三个目标在SAR图像中的位置信息；步骤2，对三个目标中每个目标，取距离目标区域中心点位置最近的最终融合的目标信息作为跟踪预设目标位置；步骤3，计算得到当前帧周期内每个待检测目标点与上一帧周期内每个待检测目标点之间的相关隶属度，形成关联矩阵；得到对应的多个待检测目标的航迹；步骤4，对于每个待检测目标的航迹，得到待检测目标的航迹作为待跟踪的航迹；步骤5，获取待跟踪的航迹的距离、角度以及速度的跟踪量。相较于现有技术，本发明的方法具有高精度，且能够实现目标航迹的稳定跟踪。

摘要： 本发明公开了一种基于图神经网络的雷达高分辨率距离像识别方法，包括以下步骤：S1、数据预处理，S2、特征提取，S3、输出分类结果，S4、重复步骤S1‑S3完成测试，将HRRP测试数据先通过步骤S1‑1进行分类，再送入已完成步骤S1‑S3的训练的模型中进行测试。采用上述技术方案，提出了一种序列构造图(seq2graph)的方法，从transformer中提取节点之间的关系权重，将其与节点特征组成一个图结构数据，从而便于利用图神经网络的方法进行处理，从而为提高识别效果和减少计算量奠定基础。

摘要： 本发明属于雷达目标识别领域，特别涉及一种基于双并行网络的雷达高分辨率一维距离像目标识别方法及系统，通过构建目标识别模型并利用预设波段宽带雷达试验场实测数据作为样本数据对模型进行训练优化，其中，该模型包含：两个并行分别对输入的雷达高分辨率一维距离像数据序列相关性特征进行提取和映射分类的分支网络，用于对两个分支网络输出进行数据加权融合的融合层，用于对加权融合后的输出序列进行分类识别的输出层；利用训练优化后的目标识别模型来识别待检测范围内的高分辨率一维距离像目标。本发明通过对HRRP序列数据进行多通道编码提取特征，并通过权值调整能够进一步提升网络模型的稳健性，提升目标识别准确率，便于实际场景应用。

摘要： 本实用新型提出了一种高分辨率距离传感器像素结构及距离传感器，像素结构为后照式结构，在像素结构正面，处理电路围绕在多个单光子雪崩电路结构外围，相邻的单光子雪崩电路结构顶部之间由浅隔离层隔离，浅隔离层隔离处理电路与单光子雪崩电路结构；在像素组结构背面，相邻的单光子雪崩电路结构底部之间及外围由所述深隔离层隔离；同一像素组内单光子雪崩电路结构共用一DNW或DPW。将多个SPAD组成一像素组，同一像素组内的多个SPAD共用一个DNW或DPW，并且共用外围的处理电路，结构紧凑，面积可大幅缩小，且无需太多面积和空间满足DNW或DPW的设计规则，便于将像素间距缩小，从而实现像素阵列的高分辨率。

摘要： 本实用新型提出了一种高分辨率距离传感器像素结构及距离传感器，所述像素结构为前照式结构，其包括多个像素组；单个像素组内包括多个单光子雪崩电路结构、处理电路及浅隔离层；处理电路围绕在多个单光子雪崩电路结构外围，相邻的单光子雪崩电路结构之间由浅隔离层隔离，浅隔离层隔离处理电路与单光子雪崩电路结构；同一像素组内单光子雪崩电路结构共用一DNW或DPW。将多个SPAD组成一像素组，同一像素组内的多个SPAD共用一个DNW或DPW，并且共用外围的处理电路，结构紧凑，面积可大幅缩小，且无需太多面积和空间满足DNW或DPW的设计规则，便于将像素间距缩小，从而实现像素阵列的高分辨率。

摘要： 本发明公开了一种基于卷积神经网络的雷达高分辨距离像开集识别方法及装置，该方法包括：获取雷达高分辨距离像并建立训练样本集和测试样本集；对训练样本集和测试样本集中的数据进行预处理，得到预处理后的训练样本集和测试样本集；构建卷积神经网络模型；利用预处理后的训练样本集训练卷积神经网络模型，得到训练好的卷积神经网络；利用预处理后的测试样本集对训练好的卷积神经网络进行开集识别，得到基于卷积神经网络的雷达高分辨距离像开集识别结果。本发明提供的方法不仅可用于对库内已知类别目标进行识别分类，同时可拒判库外未知类别目标，提高了目标识别准确率，进而提升了雷达了的自动化和智能化水平。

摘要： 本发明公开了一种基于GAN和自注意力的雷达高分辨距离像降噪识别方法，主要解决现有雷达高分辨距离像降噪识别技术中将可分性强的特征当作噪声消除，且无法提取远距离依赖信息的问题。其实现方案为：1)获取目标雷达回波，生成训练样本集和测试样本集；2)构建由生成器、判别器和识别器构成的基于GAN和自注意力的雷达高分辨距离像降噪识别网络；3)利用训练样本集采用反向传播算法对2)构建的降噪识别网络进行训练；4)将测试样本集输入到训练好的雷达高分辨距离像降噪识别网络中，得到雷达高分辨距离像降噪与识别结果。本发明提高了低信噪比环境下的目标识别率，可用于实现低信噪比环境下飞机、卫星目标的识别。