CN108169737A - 一种基于极化散射变换的冲淡式箔条干扰识别方法 - Google Patents
一种基于极化散射变换的冲淡式箔条干扰识别方法 Download PDFInfo
- Publication number
- CN108169737A CN108169737A CN201711373114.0A CN201711373114A CN108169737A CN 108169737 A CN108169737 A CN 108169737A CN 201711373114 A CN201711373114 A CN 201711373114A CN 108169737 A CN108169737 A CN 108169737A
- Authority
- CN
- China
- Prior art keywords
- polarization
- foil strip
- foil
- target
- interference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000011888 foil Substances 0.000 title claims abstract description 108
- 230000010287 polarization Effects 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000010790 dilution Methods 0.000 title claims abstract description 16
- 239000012895 dilution Substances 0.000 title claims abstract description 16
- 230000009466 transformation Effects 0.000 title claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims abstract description 30
- 238000005388 cross polarization Methods 0.000 claims abstract description 9
- 239000013598 vector Substances 0.000 claims description 21
- 230000006870 function Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 4
- 230000001427 coherent effect Effects 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000002592 echocardiography Methods 0.000 claims description 2
- 238000000691 measurement method Methods 0.000 claims description 2
- 238000010998 test method Methods 0.000 claims description 2
- 230000017105 transposition Effects 0.000 claims description 2
- 238000009826 distribution Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 4
- 230000007123 defense Effects 0.000 abstract description 3
- 230000002265 prevention Effects 0.000 abstract 1
- 238000012706 support-vector machine Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035899 viability Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
- G01S7/4052—Means for monitoring or calibrating by simulation of echoes
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明一种基于极化散射变换的冲淡式箔条干扰识别方法，包括如下步骤：步骤一：获取目标和箔条的极化散射矩阵；步骤二：分别计算目标和箔条的极化散射参数步骤三：分别计算目标和箔条的共极化与交叉极化通道的相关性绝对值步骤四：利用SVM方法实现箔条冲淡式干扰的分类识别。本发明的优点在于：针对冲淡式箔条干扰识别问题进行研究，从物理散射层面揭示箔条干扰的极化性，比传统箔条冲淡式干扰识别方法更稳健，识别效果更好；两个极化鉴别量和对箔条的取向分布依赖性很小；具有很强的应用前景，可推广到防空、反舰、反导等实战中对箔条冲淡式干扰的识别。
Description
【技术领域】
本发明一种基于极化散射变换的冲淡式箔条干扰识别方法，具体涉及到防空、反舰、反导等应用场景中对箔条干扰的识别技术，更进一步来说是针对箔条冲淡式干扰提出了一种基于极化散射变换的箔条识别方法，属于雷达电子战领域。
【背景技术】
精确制导武器在现代战争中的作用日益重要，能够精确地对水面或空中重要军事目标，如舰船、飞机等进行有效地打击和摧毁，尤其是在近年来的历次局部战争中，精确制导武器已成为决定战争胜败的关键。世界各国为提高水面或空中重要军事目标的生存力和战斗力，非常重视电子对抗装备和对抗技术的研究。其中，箔条干扰是精确制导武器面临的主要威胁之一，飞机或舰船等重要目标经常使用箔条来对抗来袭导弹的雷达导引头，飞机或舰船投放箔条干扰，形成箔条冲淡式干扰，严重影响雷达导引头对目标的正常搜捕、识别和跟踪。
极化是电磁波的固有属性，利用干扰和目标在极化特征上的差异，雷达导引头可以实现假目标干扰和雷达目标的鉴别。目前公开文献对箔条干扰的极化鉴别方法主要包括利用极化比，极化角，极化RCS(Radar Cross section,雷达横截面)比等鉴别量，但这些鉴别量对箔条取向分布比较敏感，大多针对某些特定类型的箔条分布，而由于重力和空气扰动以及箔条发射方式等因素的影响，箔条的取向分布是复杂可变的。因此，针对现有方法对箔条干扰识别的不足，本发明提出了一种基于极化散射变换的冲淡式箔条干扰识别方法。该方法引进了极化散射参数该参数的值与散射过程背后的物理性质相联系，理论分析表明，对于箔条散射这种随机媒介，极化散射参数在45°和49°随机变化。此外，当箔条的方位角满足统计意义上的均匀分布时，箔条的共极化与交叉极化通道相关性的绝对值很小。
本发明提出的两个极化鉴别量：极化散射参数和共极化与交叉极化通道相关性绝对值，这两个鉴别量不依赖于箔条的取向分布，且箔条的两个极化鉴别量的取值范围与舰船、飞机等雷达导引头目标明显不同，从而能够对冲淡式箔条干扰进行有效地识别。本发明根据这两个极化鉴别量，构造一个二维特征向量，通过SVM(Support Vector Machine,支持向量机)方法来实现箔条与舰船、飞机等雷达目标的分类识别。
【发明内容】
本发明的目的在于利用箔条与舰船、飞机等雷达目标的极化散射特性差异来实现对冲淡式箔条干扰的识别。所谓冲淡式干扰是指舰船或者飞机在雷达导引头搜索阶段释放的一种自卫式假目标欺骗干扰。舰船或者飞机通过预警设备在远距离发现来袭导弹，但尚未发现雷达导引头信号时(即在导弹雷达导引头开机搜索前)，由舰载或者机载电子战设备向受保护的目标附近不同方向发射箔条弹，在距离受保护的目标不小于1千米处形成多个假目标，致使雷达导引头错误地捕获并跟踪箔条云假目标，从而达到保护目标的作用。为了达到上述目的，本发明采取的技术方案如下：
步骤一：获取目标和箔条的极化散射矩阵；
当雷达受到冲淡式箔条干扰时，雷达系统会同时检测到目标和箔条假目标，为了分辨出真假目标，需要进一步对目标和箔条进行极化识别。定义雷达正交极化基分别为水平极化基h与垂直极化基v，把真假目标的全极化回波数据(包含水平极化通道数据回波、垂直极化通道数据回波和两个交叉极化通道数据回波)通过作相关处理的极化测量方法获取其极化散射矩阵：
其中，S为极化散射矩阵，极化散射矩阵中包含四个元素：shh表示水平共极化项；svv表示垂直共极化项；shv和svh表示交叉极化项，在这里满足互易性原理，有shv＝svh。
步骤二：分别计算目标和箔条的极化散射参数
Step1：在获取目标和箔条的极化散射矩阵基础上，计算目标和箔条的相干矩阵T3，其计算公式为
其中，<·>，|·|和上标*分别表示平均操作符，绝对值和取共轭操作符。
Step2：根据相干矩阵T3，计算其特征矢量和特征值：
其中，λ1，λ2和λ3分别为相干矩阵T3的三个特征值，u1，u2和u3分别为与三个特征值λ1，λ2和λ3相对应的3个正交单位特征矢量，∑表示求和等号，上标T表示矩阵转置操作符。
Step3：计算极化散射参数其计算公式为：
其中，是伪随机概率，αi＝arccos|(ui1)|，arccos(·)为反余弦函数。
步骤三：分别计算目标和箔条的共极化与交叉极化通道的相关性绝对值
在目标和箔条的极化散射矩阵基础上，计算目标和箔条的共极化与交叉极化通道的相关性绝对值其计算公式为
其中，操作符E(·)表示求均值。
步骤四：利用SVM方法实现箔条冲淡式干扰的分类识别；
SVM具有泛化能力强，收敛速度快，对小样本训练效果好等优点。因此，本发明利用SVM分类方法来实现箔条的干扰识别。其具体包括以下几个步骤：
Step1：收集数据：收集步骤一中的目标和箔条的极化散射矩阵数据。
Step2：选择特征向量和个数：选取和作为特征向量，个数为2。
Step3：特征提取和特征向量的构建。根据公式(4)和公式(5)分别计算和的值，将计算结果构成一个二维特征向量
Step4：机器学习和获得SVM模型：机器学习即训练数据，选择Step3中二维特征向量的前一半数据进行训练，训练方法采用MATLAB软件中自带函数svmtrain(·)。
Step5：测试SVM模型。选择Step3中二维特征向量的后一半数据进行测试SVM模型，测试方法采用MATLAB软件中自带函数svmclassify(·)，该函数输出结果可以直接获得目标和箔条的识别率。
本发明的有益效果主要包括：
第一，本发明针对冲淡式箔条干扰识别问题进行研究，从物理散射层面揭示箔条干扰的极化性，比传统箔条冲淡式干扰识别方法更稳健，识别效果更好；
第二，本发明的两个极化鉴别量和对箔条的取向分布依赖性很小；
第三，本发明具有很强的应用前景，可推广到防空、反舰、反导等实战中对箔条冲淡式干扰的识别。
【附图说明】
图1为本发明所提出的基于极化散射变换的箔条干扰识别方法的总体流程。
图2为基于SVM分类方法的箔条干扰识别方法流程图。
图3(a)和图3(b)分别为船和飞机目标模型。
图3(c)和图3(d)分别为雷达目标(船和飞机)和箔条的分类识别结果。
【具体实施方式】
本发明适用于箔条冲淡式干扰的识别。图1是本发明的简要流程图，下面结合附图，对本发明所提出的方法作进一步解释。本发明的具体步骤和效果如下：
步骤一：获取目标和箔条的极化散射矩阵；
在这里，采用全极化散射仿真数据来获取目标和箔条的极化散射矩阵数据。一方面，雷达目标(船和飞机)的全极化散射矩阵数据利用CST STUDIO SUITE电磁计算软件生成，雷达目标的模型见图3(a)和图3(b)，其中，er为极化方向单位矢量。固定角度γs＝60°，er在xoy平面投影的水平方位角φs在区间[0°，359°]步进，步进量为1°，可得到船和飞机的全极化散射数据分别为360组；另一方面，采用与雷达目标相同的空间坐标系xyz，箔条的全极化散射矩阵数据用MATLAB软件计算得到，单根箔条丝的极化散射矩阵计算公式为
其中，单根箔条丝极化散射Sc中的元素计算方法为：
其中，θc和分别为单根箔条丝在空间坐标系xyz中的天顶角和水平方位角。设定箔条的分布类型为球面均匀分布，其分布函数为：
由此，可以用MATLAB软件计算出箔条的极化散射矩阵中元素值，其计算公式为
其中，N＝1000是箔条中的箔条丝数量，S11，S22，S12为箔条的极化散射矩阵中元素值，分别对应于水平共极化项、垂直共极化项和交叉极化项。固定角度γs＝60°，水平方位角φs在区间[0°，359°]步进，步进量为1°，同样可计算得到箔条的全极化散射数据，数据数量为360组。
步骤二：分别计算目标和箔条的极化散射参数；
在步骤一的基础上，根据目标和箔条的极化散射矩阵数据，利用公式(2)～(4)可分别计算出目标和箔条的极化散射参数，可得到船、飞机和箔条的极化散射参数数据数量分别为360个。
步骤三：分别计算目标和箔条干扰的共极化与交叉极化通道的相关性绝对值
在步骤一的基础上，根据目标和箔条的极化散射矩阵数据，利用公式(5)分别计算出目标和箔条的共极化与交叉极化通道的相关性绝对值可得到船、飞机和箔条的数据数量分别为360个。
步骤四：利用SVM方法实现箔条冲淡式干扰的分类识别；
将步骤二和步骤三的计算结果构成一个二维特征向量船和箔条作为一组，飞机和箔条作为另一组，每组共计360组。将每组中前一半(180组)二维特征向量数据作为函数参数输入到MATLAB软件中自带函数svmtrain(·)中，核函数采用Polynomial核函数，可获得SVM模型；将每组中后一半(180组)二维特征向量数据作为函数参数输入到MATLAB软件中自带函数svmclassify(·)中，可以获得目标和箔条的识别率。图3(c)和图3(d)分别为箔条与船、箔条与飞机的分类识别结果，其分类准确率分别为98.1％和97.8％。仿真实验验证了本发明的有效性和可行性。
在实际应用中，由于SVM分类方法需要对样本进行训练，因此可以根据应用场景的不同，预先获取到感兴趣的目标和箔条干扰的全极化数据，通过SVM中机器学习的方法，训练这些全极化数据并建立SVM预测模型，从而获得最优的分类间隔，这样有利于提高箔条冲淡式干扰识别的实时性，且训练样本越丰富，其识别准确率越好。
Claims (6)
1.一种基于极化散射变换的冲淡式箔条干扰识别方法，其特征在于，包括如下步骤：
步骤一：获取目标和箔条的极化散射矩阵；
步骤二：分别计算目标和箔条的极化散射参数
步骤三：分别计算目标和箔条的共极化与交叉极化通道的相关性绝对值
步骤四：利用SVM方法实现箔条冲淡式干扰的分类识别。
2.根据权要求1所述的一种基于极化散射变换的冲淡式箔条干扰识别方法，其特征在于，步骤1中，当雷达受到冲淡式箔条干扰时，雷达系统会同时检测到目标和箔条假目标，为了分辨出真假目标，需要进一步对目标和箔条进行极化识别；定义雷达正交极化基分别为水平极化基h与垂直极化基v，把真假目标的全极化回波数据通过极化测量方法获取其极化散射矩阵：
其中，S为极化散射矩阵，极化散射矩阵中包含四个元素：shh表示水平共极化项；svv表示垂直共极化项；shv和svh表示交叉极化项，在这里满足互易性原理，有shv＝svh。
3.根据权要求2所述的一种基于极化散射变换的冲淡式箔条干扰识别方法，其特征在于，所述的全极化回波数据包含水平极化通道数据回波、垂直极化通道数据回波和两个交叉极化通道数据回波。
4.根据权要求1所述的一种基于极化散射变换的冲淡式箔条干扰识别方法，其特征在于，在步骤2中，还包括如下步骤：
2.1：在获取目标和箔条的极化散射矩阵基础上，计算目标和箔条的相干矩阵T3，其计算公式为：
其中，<·>，|·|和上标*分别表示平均操作符，绝对值和取共轭操作符；
2.2：根据相干矩阵T3，计算其特征矢量和特征值：
其中，λ1，λ2和λ3分别为相干矩阵T3的三个特征值，u1，u2和u3分别为与三个特征值λ1，λ2和λ3相对应的3个正交单位特征矢量，∑表示求和等号，上标T表示矩阵转置操作符；
2.3：计算极化散射参数其计算公式为：
其中，是伪随机概率，αi＝arccos|(ui1)|，arccos(·)为反余弦函数。
5.根据权要求1所述的一种基于极化散射变换的冲淡式箔条干扰识别方法，其特征在于，在步骤3中，在目标和箔条的极化散射矩阵基础上，计算目标和箔条的共极化与交叉极化通道的相关性绝对值其计算公式为
其中，操作符E(·)表示求均值。
6.根据权要求5所述的一种基于极化散射变换的冲淡式箔条干扰识别方法，其特征在于，在步骤4中，还包括以下步骤：
4.1：收集数据：收集步骤一中的目标和箔条的极化散射矩阵数据；
4.2：选择特征向量和个数：选取和作为特征向量，个数为2；
4.3：特征提取和特征向量的构建；根据公式(4)和公式(5)分别计算和的值，将计算结果构成一个二维特征向量
4.4：机器学习和获得SVM模型：机器学习即训练数据，选择Step 3中二维特征向量的前一半数据进行训练，训练方法采用MATLAB软件中自带函数svmtrain(·)；
4.5：测试SVM模型；选择Step 3中二维特征向量的后一半数据进行测试SVM模型，测试方法采用MATLAB软件中自带函数svmclassify(·)，该函数输出结果可以直接获得目标和箔条的识别率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711373114.0A CN108169737A (zh) | 2017-12-19 | 2017-12-19 | 一种基于极化散射变换的冲淡式箔条干扰识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711373114.0A CN108169737A (zh) | 2017-12-19 | 2017-12-19 | 一种基于极化散射变换的冲淡式箔条干扰识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108169737A true CN108169737A (zh) | 2018-06-15 |
Family
ID=62522876
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711373114.0A Pending CN108169737A (zh) | 2017-12-19 | 2017-12-19 | 一种基于极化散射变换的冲淡式箔条干扰识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108169737A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109307860A (zh) * | 2018-11-09 | 2019-02-05 | 中国工程物理研究院电子工程研究所 | 一种基于微动特征的箔条云识别方法 |
| CN109633570A (zh) * | 2018-12-11 | 2019-04-16 | 上海无线电设备研究所 | 一种快速任意形状随机箔条云团建模方法 |
| CN110109068A (zh) * | 2019-04-24 | 2019-08-09 | 西安电子科技大学 | 基于极化特征向量的箔条干扰识别方法 |
| CN110502782A (zh) * | 2019-07-04 | 2019-11-26 | 西安电子科技大学 | 基于分区矢量输运的大体量箔条云电磁散射测定方法 |
| CN110533069A (zh) * | 2019-07-25 | 2019-12-03 | 西安电子科技大学 | 一种基于支持向量机算法的二维箔条分布特性识别方法 |
| CN110857979A (zh) * | 2018-08-26 | 2020-03-03 | 吴成彬 | 一种基于相参信号的极化频选特性材料抗干扰辨识系统及方法 |
| CN111766565A (zh) * | 2020-07-09 | 2020-10-13 | 北京遥测技术研究所 | 一种基于极化比向量均值的箔条假目标干扰鉴别方法 |
| CN112364435A (zh) * | 2020-11-19 | 2021-02-12 | 中国空气动力研究与发展中心超高速空气动力研究所 | 多次抛撒箔条云气动融合轨道再入实时跟踪统计模拟方法 |
| CN112418275A (zh) * | 2020-11-03 | 2021-02-26 | 南京理工大学 | 基于距离像特征提取的毫米波引信箔条干扰识别方法 |
| CN112816793A (zh) * | 2021-01-04 | 2021-05-18 | 西安电子科技大学 | 一种箔条云电磁散射系数的测量方法、系统及应用 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN203551772U (zh) * | 2013-11-07 | 2014-04-16 | 南京长峰航天电子科技有限公司 | 机载箔条弹干扰信号模拟仿真装置 |
| CN106125053A (zh) * | 2016-06-17 | 2016-11-16 | 中国电子科技集团公司第十研究所 | 脉冲多普勒雷达极化抗干扰方法 |
-
2017
- 2017-12-19 CN CN201711373114.0A patent/CN108169737A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN203551772U (zh) * | 2013-11-07 | 2014-04-16 | 南京长峰航天电子科技有限公司 | 机载箔条弹干扰信号模拟仿真装置 |
| CN106125053A (zh) * | 2016-06-17 | 2016-11-16 | 中国电子科技集团公司第十研究所 | 脉冲多普勒雷达极化抗干扰方法 |
Non-Patent Citations (1)
| Title |
|---|
| YEMIN LIU ET AL.: "Jamming recognition method based on the polarization scattering characteristics of chaff clouds", 《IET RADAR，SONAR&NAVIGATION》 * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110857979A (zh) * | 2018-08-26 | 2020-03-03 | 吴成彬 | 一种基于相参信号的极化频选特性材料抗干扰辨识系统及方法 |
| CN110857979B (zh) * | 2018-08-26 | 2024-05-14 | 吴成彬 | 一种基于相参信号的极化频选特性材料抗干扰辨识系统及方法 |
| CN109307860A (zh) * | 2018-11-09 | 2019-02-05 | 中国工程物理研究院电子工程研究所 | 一种基于微动特征的箔条云识别方法 |
| CN109307860B (zh) * | 2018-11-09 | 2020-12-04 | 中国工程物理研究院电子工程研究所 | 一种基于微动特征的箔条云识别方法 |
| CN109633570A (zh) * | 2018-12-11 | 2019-04-16 | 上海无线电设备研究所 | 一种快速任意形状随机箔条云团建模方法 |
| CN110109068A (zh) * | 2019-04-24 | 2019-08-09 | 西安电子科技大学 | 基于极化特征向量的箔条干扰识别方法 |
| CN110109068B (zh) * | 2019-04-24 | 2022-12-02 | 西安电子科技大学 | 基于极化特征向量的箔条干扰识别方法 |
| CN110502782B (zh) * | 2019-07-04 | 2022-04-26 | 西安电子科技大学 | 基于分区矢量输运的大体量箔条云电磁散射测定方法 |
| CN110502782A (zh) * | 2019-07-04 | 2019-11-26 | 西安电子科技大学 | 基于分区矢量输运的大体量箔条云电磁散射测定方法 |
| CN110533069A (zh) * | 2019-07-25 | 2019-12-03 | 西安电子科技大学 | 一种基于支持向量机算法的二维箔条分布特性识别方法 |
| CN111766565B (zh) * | 2020-07-09 | 2023-03-07 | 北京遥测技术研究所 | 一种基于极化比向量均值的箔条假目标干扰鉴别方法 |
| CN111766565A (zh) * | 2020-07-09 | 2020-10-13 | 北京遥测技术研究所 | 一种基于极化比向量均值的箔条假目标干扰鉴别方法 |
| CN112418275A (zh) * | 2020-11-03 | 2021-02-26 | 南京理工大学 | 基于距离像特征提取的毫米波引信箔条干扰识别方法 |
| CN112418275B (zh) * | 2020-11-03 | 2022-09-20 | 南京理工大学 | 基于距离像特征提取的毫米波引信箔条干扰识别方法 |
| CN112364435A (zh) * | 2020-11-19 | 2021-02-12 | 中国空气动力研究与发展中心超高速空气动力研究所 | 多次抛撒箔条云气动融合轨道再入实时跟踪统计模拟方法 |
| CN112816793A (zh) * | 2021-01-04 | 2021-05-18 | 西安电子科技大学 | 一种箔条云电磁散射系数的测量方法、系统及应用 |
| CN112816793B (zh) * | 2021-01-04 | 2021-11-30 | 西安电子科技大学 | 一种箔条云电磁散射系数的测量方法、系统及应用 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108169737A (zh) | 一种基于极化散射变换的冲淡式箔条干扰识别方法 | |
| CN112098999B (zh) | 一种高动态雷达导引头掠海目标电磁信号建模方法 | |
| CN103675808B (zh) | 一种单脉冲雷达导引头的不可分辨多目标检测方法 | |
| Shengliang et al. | Research on chaff jamming recognition technology of anti-ship missile based on radar target characteristics | |
| Smith et al. | Analysis and exploitation of multipath ghosts in radar target image classification | |
| CN114924236B (zh) | 基于位置和速度信息的空地雷达协同抗欺骗式干扰方法 | |
| Liang et al. | Identification of ship and corner reflector in sea clutter environment | |
| CN108535704B (zh) | 一种基于自适应二维聚类的信号预分选方法 | |
| CN111007471B (zh) | 一种判定有源压制干扰在仿真环境中干扰效果的方法 | |
| Meucci et al. | Naval Cybersecurity in the Age of AI: deceptive ISAR Images Generation with GANs | |
| Zhang et al. | Study on composite electromagnetic scattering characteristics of air-floating corner reflector and chaff | |
| CN106353751B (zh) | 一种高分辨率引信目标检测方法 | |
| Song et al. | A Joint Detection and Tracking Algorithm for Unresolved Target and Radar Decoy | |
| CN113534132B (zh) | 一种自适应无人机波达方向估计方法 | |
| Song et al. | Generic model of aircraft susceptibility to radar under conditions of electronic counter measures | |
| Li et al. | Characterization of complex corner reflectors in polarimetric rotation domain | |
| Zhang et al. | Air-floating corner reflectors dilution jamming placement position | |
| Zhang et al. | Performance evaluation for UAV-based distributed jamming system: an illustrative example | |
| Duan et al. | Identification of sea corner reflector array based on spatial morphological features | |
| Xianhe et al. | Theoretical analysis of polarization recognition between chaff cloud and ship | |
| Ji et al. | Technique of anti-multi-range-false-target jamming for radar network based on double discrimination | |
| Cai et al. | Space-time distribution of the first-order sea clutter in high frequency surface wave radar on a moving shipborne platform | |
| Lin et al. | Research on composite deception interference recognition and suppression technology based on multi-dimensional features | |
| Li et al. | Ballistic target translation compensation based on corner detection algorithm | |
| Kostis et al. | Angular glint effects generation for false naval target verisimility requirements |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180615 |
|
| WD01 | Invention patent application deemed withdrawn after publication |