CN113687328A - 一种弹载武器地面目标高分辨一维距离像识别方法 - Google Patents
一种弹载武器地面目标高分辨一维距离像识别方法 Download PDFInfo
- Publication number
- CN113687328A CN113687328A CN202111075285.1A CN202111075285A CN113687328A CN 113687328 A CN113687328 A CN 113687328A CN 202111075285 A CN202111075285 A CN 202111075285A CN 113687328 A CN113687328 A CN 113687328A
- Authority
- CN
- China
- Prior art keywords
- target
- dimensional
- queue
- targets
- range profile
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012216 screening Methods 0.000 claims abstract description 8
- 238000013210 evaluation model Methods 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012790 confirmation Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- 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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/417—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section involving the use of neural networks
-
- 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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/414—Discriminating targets with respect to background clutter
-
- 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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/415—Identification of targets based on measurements of movement associated with the target
-
- 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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/418—Theoretical aspects
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
Abstract
一种弹载武器地面目标高分辨一维距离像识别方法,提取待识别目标一维距离像的多维特征,筛选待识别目标的多维特征,获得初筛目标,分析初筛目标的队列特征,根据待识别目标的多维特征和初筛目标建立疑似目标可信度评价模型,输出目标可信度值作为目标识别结果。本发明解决了弹载平台复杂地面杂波环境中干扰信号强、识别效率低、目标精确制导困难等问题。
Description
技术领域
本发明涉及雷达目标检测与识别领域,尤其涉及一种弹载武器地面目标高分辨一维距离像识别方法。
背景技术
导引头精确制导的主要目的是从复杂的背景环境,多种有源无源干扰中进行目标精准探测与跟踪。为了提高制导武器的命中率和有效杀伤范围,主动导引头的载波频率和发射带宽越来越高,以此来获得探测区域的高分辨图像,包括一维距离像(HighResolution Range Profile,HRRP)和二维SAR(Synthetic Aperture Radar)图像,达到目标信息提取与目标识别的目的。二维SAR图像利用目标与雷达间的相对运动来获得目标大小、形状、结构和姿态等细节信息,对车辆、舰船等目标具有很好的识别能力,但是受弹载平台扰动影响,SAR成像面临复杂的运动补偿问题,而且成像过程中的时频域变换、参考信号复乘使成像过程十分复杂,其对硬件资源要求很高,难以满足实时处理需求。
发明内容
本发明的目的在于提供一种弹载武器地面目标高分辨一维距离像识别方法,解决弹载平台复杂地面杂波环境中干扰信号强、识别效率低、目标精确制导困难等问题。
为了达到上述目的,本发明提供一种弹载武器地面目标高分辨一维距离像识别方法,包含以下步骤:
步骤S1、提取待识别目标一维距离像的多维特征;
步骤S2、筛选待识别目标的多维特征,获得初筛目标;
步骤S3、分析初筛目标的队列特征;
步骤S4、根据待识别目标的多维特征和初筛目标建立疑似目标可信度评价模型,输出目标可信度值作为目标识别结果。
在提取多维特征之前,对待识别目标一维距离像进行归一化和距离向对齐处理。
所述多维特征包含:目标距离维尺寸、目标散射点数量、散射点聚集度、二阶归一化中心距、三阶归一化中心距、能量极值、信噪比;
目标距离维尺寸:一维距离像中过检测门限的连续一维像长度;
目标强散射点数量:目标尺寸范围内超过规定门限的一维距离像极值的个数;
能量极值:一维距离像中目标部分的幅度最大值;
信噪比:一维距离像中目标部分的幅度最大值对应的信噪比。
判决规则为:
则判x∈ωm,表示x属于第m类,m∈{1,2,…,c}。
所述步骤S3中,所述目标的队列特征包含:目标间的位置关系、目标与队列的位置关系、队列中所含目标的数量;
所述目标间的位置关系:如果两个目标的质心的径向距离间隔在一个允许值范围内,则两个目标是在同一个队列里;
所述目标与队列的位置关系:如果一个目标和已知队列里的任意一个目标的间隔小于径向距离允许值范围,则认为此目标是该已知队列里的一个目标;
所述队列中所含目标的数量:队列中含有的目标数量在阈值内则确认为有效队列。
所述步骤S3中,如果目标周围存在其他目标并且同时满足目标间的位置关系、目标与队列的位置关系、队列中所含目标的数量,则判定目标为队列目标,统计队列信息。
所述步骤S4中,目标可信度计算公式为:
其中,Permax和Permin为设定的可信度最大值与最小值,一般选取0.99与0.01,Dis是特征矢量相似性,Hxf为目标一维距离像的多维特征的预设值,Hyf为步骤S1中提取的待识别一维距离像的多维特征,K为影响系数。
将目标可信度值最高的待识别目标作为确认目标,输出该目标的位置。
与现有技术相比,本发明的有益效果在于:
1、本发明可以解决弹载平台目标识别手段单一、识别率低的问题。
2、相比于匹配度分类法、支持向量机分类法、受限波尔兹曼机分类法、卷积神经网络分类法,本发明所需训练样本少、数据处理效率高,能够快速实现工程应用。
3、本发明从弹载武器精确制导的应用需求出发,综合考虑目标识别的实时性、稳健性、精确性要求,提出了基于疑似目标可信度评价模型的目标识别方法,通过评估目标类别与相似性程度,给出打击目标排序,提升武器制导效能。
附图说明
图1是本发明的弹载武器地面目标高分辨一维距离像识别方法流程图。
图2是本发明的体目标1不同角度的HRRP图像。
图3是本发明的体目标2不同角度的HRRP图像。
具体实施方式
以下根据图1~图3,具体说明本发明的较佳实施例。
相对而言,高分辨HRRP反映的是目标散射点径向分布,能够表征目标的结构、中心距、变换域信息,在获取途径和处理方式上更加简捷,因此基于HRRP的目标识别具有更好的可行性与实用性。基于上述,研发一种弹载武器地面目标高分辨一维距离像识别方法实为必要。
如图1所示,本发明提供一种弹载武器地面目标高分辨一维距离像识别方法,其基于多维特征、队列特征、可信度特征实现地面目标识别,具体包含以下步骤:
步骤S1、预处理与目标多维特征提取;
步骤S2、目标多维特征阈值筛选,确定目标类型;
步骤S3、目标队列特征分析;
步骤S4、建立疑似目标可信度评价模型,给出价值目标标签排序;
步骤S5、确认目标位置信息。
目标一维距离像HRRP的多维特征包含:目标距离维尺寸、目标散射点数量、散射点聚集度、二阶归一化中心距、三阶归一化中心距、能量极值、信噪比等;目标的队列特征是根据实际作战中与周围目标配合所形成的编队布局;目标的可信度特征描述的是检测目标与真实目标的相似程度;通过逐级特征识别判断实现作战场景中目标的精确快速识别。
所述步骤S1中,预处理的目的是对HRRP进行归一化和距离向对齐处理,保证目标的HRRP幅度包络在同一水平,且幅度最大处于中间位置,方便后续特征提取。
目标多维特征提取是正确分类识别的难点,其核心是用多维特征矢量来反映目标的本质特性。
所述一维距离像HRRP的目标多维特征包含:
目标距离维尺寸:一维距离像中过检测门限的连续一维像长度;
目标强散射点数量:目标尺寸范围内超过规定门限的一维距离像极值的个数;
能量极值:一维距离像中目标部分的幅度最大值;
信噪比:一维距离像中目标部分的幅度最大值对应的信噪比。
所述步骤S2中,根据上述步骤S1提取的多维特征矢量,利用最近邻分类器对目标进行点目标和体目标判别,初步筛选特定特征范围内的目标,去除干扰。
对于c类数量问题,设类ωi(i=1,2,…,c)有Ni个训练样本xj (i)(j=1,2,…,Ni),最近邻分类器分类的思想是,对于一个待识别模式x,分别计算它与各已知类别的训练样本的距离,将它判别为距离最近的那个样本所属的类。在这样的分类思想下,ωi类的判决函数为:
判决规则为:
则判x∈ωm,表示x属于第m类,m∈{1,2,…,c}。
所述步骤S3中,根据上述步骤S2初步筛选的体目标,分析目标的队列特征,进一步去除虚警和地面杂波干扰。
所述目标队列特征包含:
特征1、目标间的位置关系;
如果两个体目标的质心的径向距离间隔在一个允许值范围内,则两个体目标是在同一个队列里。允许值根据不同的识别目标场景设置不同的参数值。车辆目标根据识别场景可设为30m以内。
特征2、目标与队列的位置关系;
如果一个体目标和已知队列里的任意一个目标的间隔小于径向距离允许值范围,则认为此体目标是该已知队列里的一个目标。允许值根据不同的识别目标场景设置不同的参数值。车辆目标根据识别场景可设为30m以内。
特征3、队列中所含体目标的数量;
队列中含有的目标数量在一定范围(一般为3-10个)内才能确认为有效队列。
如果一个区域含有的体目标数量太少,则有可能是由孤立目标或者杂波构成的。如果一个区域含有的体目标数量太多,则有可能是由人造杂波虚警构成的。
若目标周围存在其他目标并且满足上述三种队列特征条件,则判定目标为队列目标并统计队列信息:队列半径与目标数量等。队列特征作为目标识别的加分项,不作目标据判准则(就是说,如果目标可信度较高,但不属于编队目标,此种情况不能认为此目标不是识别目标)。
S4、根据上述步骤S1中提取的目标多维特征和步骤S2初步筛选的体目标,建立疑似目标可信度评价模型。
参与目标可信度模型计算的HRRP特征包含:目标距离维尺寸、目标散射点数量、散射点聚集度、二阶归一化中心距、三阶归一化中心距、能量极值、信噪比等。考虑到导引头HRRP目标识别的实时性要求,一般采用单帧或两帧的HRRP识别方法来保证目标判别的高速输出,同时还需对识别结果做关联确认。
目标的可信度是基于特征矢量相似性来表征的,特征矢量相似性可写为:
其中,Hxf为目标HRRP多维特征向量的预设值,即作战目标,由先验信息获得;Hyf为步骤S1中提取的待识别目标HRRP的多维特征向量,K为影响系数。
目标可信度计算公式如下:
其中,Permax和Permin为设定的可信度最大值与最小值,一般选取0.99与0.01。
将目标可信度值作为目标识别结果输出,可信度越高表示探测到的目标与作战目标相似性越大,然后根据步骤S3中的目标队列信息和多帧关联等手段完成目标确认。
步骤S5中,根据步骤S4中确认的目标,输出目标的位置,提供制导信息。目标位置包含:距离、俯仰角和方位角,这些信息在导引头信号处理板上实时刷新,根据HRRP能量最大值输出所对应的距离、方位角和俯仰角。
仿真实验
首先利用表1的参数仿真生成原始回波数据,并利用本发明提出的弹载武器地面目标高分辨一维距离像识别方法对两种车辆目标进行识别,以验证本发明利提出算法的有效性。
表1仿真参数设置
参数名称 | 参数数值 |
载频 | 17GHz |
采样点数 | 81920 |
脉冲持续时间 | 200us |
距离门长度 | 800m |
发射带宽 | 150MHz |
弹目相对速度/ | 2000m/s |
弹目距离 | 5Km |
积累帧数 | 1 |
示例地,目标1不同角度下的HRRP如图2所示。目标2不同角度下的HRRP如图3所示。由两幅图可以看出,同一目标在不同时刻采集的HRRP是不同的,但是幅度分布基本一致,仅在散射细节上有一些差异;不同目标的HRRP在能量和信噪比方面差异较小,很难将两个目标进行区分,对传统导引头的单脉冲制导方式有很大影响,但是两个目标在目标距离维尺寸、目标散射点数量、散射点聚集度、归一化中心距等方面有一定差异。
仿真实验分析
利用本发明提出的基于多维特征可信度排序的HRRP识别方法对1000组测试数据进行分类识别,目标1的识别正确率为100%,目标2的识别正确率为99.6%,通过多帧判别方法可将两种目标的识别率提高到100%,识别结果能充分满足导引头制导需求。
与现有技术相比,本发明的有益效果在于:
1、本发明可以解决弹载平台目标识别手段单一、识别率低的问题。
2、相比于匹配度分类法、支持向量机分类法、受限波尔兹曼机分类法、卷积神经网络分类法,本发明所需训练样本少、数据处理效率高,能够快速实现工程应用。
3、本发明从弹载武器精确制导的应用需求出发,综合考虑目标识别的实时性、稳健性、精确性要求,提出了基于疑似目标可信度评价模型的目标识别方法,通过评估目标类别与相似性程度,给出打击目标排序,提升武器制导效能。
需要说明的是,在本发明的实施例中,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述实施例,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (8)
1.一种弹载武器地面目标高分辨一维距离像识别方法,其特征在于,包含以下步骤:
步骤S1、提取待识别目标一维距离像的多维特征;
步骤S2、筛选待识别目标的多维特征,获得初筛目标;
步骤S3、分析初筛目标的队列特征;
步骤S4、根据待识别目标的多维特征和初筛目标建立疑似目标可信度评价模型,输出目标可信度值作为目标识别结果。
2.如权利要求1所述的弹载武器地面目标高分辨一维距离像识别方法,其特征在于,在提取多维特征之前,对待识别目标一维距离像进行归一化和距离向对齐处理。
3.如权利要求2所述的弹载武器地面目标高分辨一维距离像识别方法,其特征在于,所述多维特征包含:目标距离维尺寸、目标散射点数量、散射点聚集度、二阶归一化中心距、三阶归一化中心距、能量极值、信噪比;
目标距离维尺寸:一维距离像中过检测门限的连续一维像长度;
目标强散射点数量:目标尺寸范围内超过规定门限的一维距离像极值的个数;
能量极值:一维距离像中目标部分的幅度最大值;
信噪比:一维距离像中目标部分的幅度最大值对应的信噪比。
5.如权利要求4所述的弹载武器地面目标高分辨一维距离像识别方法,其特征在于,所述步骤S3中,所述目标的队列特征包含:目标间的位置关系、目标与队列的位置关系、队列中所含目标的数量;
所述目标间的位置关系:如果两个目标的质心的径向距离间隔在一个允许值范围内,则两个目标是在同一个队列里;
所述目标与队列的位置关系:如果一个目标和已知队列里的任意一个目标的间隔小于径向距离允许值范围,则认为此目标是该已知队列里的一个目标;
所述队列中所含目标的数量:队列中含有的目标数量在阈值内则确认为有效队列。
6.如权利要求5所述的弹载武器地面目标高分辨一维距离像识别方法,其特征在于,所述步骤S3中,如果目标周围存在其他目标并且同时满足目标间的位置关系、目标与队列的位置关系、队列中所含目标的数量,则判定目标为队列目标,统计队列信息。
8.如权利要求7所述的弹载武器地面目标高分辨一维距离像识别方法,其特征在于,将目标可信度值最高的待识别目标作为确认目标,输出该目标的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111075285.1A CN113687328A (zh) | 2021-09-14 | 2021-09-14 | 一种弹载武器地面目标高分辨一维距离像识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111075285.1A CN113687328A (zh) | 2021-09-14 | 2021-09-14 | 一种弹载武器地面目标高分辨一维距离像识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113687328A true CN113687328A (zh) | 2021-11-23 |
Family
ID=78586402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111075285.1A Pending CN113687328A (zh) | 2021-09-14 | 2021-09-14 | 一种弹载武器地面目标高分辨一维距离像识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113687328A (zh) |
Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4549184A (en) * | 1981-06-09 | 1985-10-22 | Grumman Aerospace Corporation | Moving target ordnance control |
US4739401A (en) * | 1985-01-25 | 1988-04-19 | Hughes Aircraft Company | Target acquisition system and method |
GB8624294D0 (en) * | 1985-10-09 | 2000-08-23 | British Aerospace | Automatic target detection system |
US20030164792A1 (en) * | 2000-07-24 | 2003-09-04 | Mohammed Jahangir | Method and apparatus for recognising a radar target |
JP2003279646A (ja) * | 2002-03-26 | 2003-10-02 | Mitsubishi Electric Corp | 目標群識別装置、目標群識別方法及びプログラム |
US20120143856A1 (en) * | 2009-08-18 | 2012-06-07 | Osaka Prefecture University Public Corporation | Method for detecting object |
JP2012128558A (ja) * | 2010-12-14 | 2012-07-05 | Toshiba Corp | 識別装置 |
CN103700113A (zh) * | 2012-09-27 | 2014-04-02 | 中国航天科工集团第二研究院二O七所 | 一种下视复杂背景弱小运动目标检测方法 |
KR101429271B1 (ko) * | 2013-03-28 | 2014-08-08 | 국방과학연구소 | 표적 추적방법 및 이를 이용한 표적 추적장치 |
CN104199007A (zh) * | 2014-09-09 | 2014-12-10 | 西安电子科技大学 | 基于最近邻一类分类器的雷达分布式地面目标鉴别方法 |
CN105548983A (zh) * | 2015-12-02 | 2016-05-04 | 中国人民解放军军械工程学院 | 一种雷达组网识别目标方法 |
CN107194433A (zh) * | 2017-06-14 | 2017-09-22 | 电子科技大学 | 一种基于深度自编码网络的雷达一维距离像目标识别方法 |
CN107918123A (zh) * | 2017-10-19 | 2018-04-17 | 上海无线电设备研究所 | 太赫兹isar目标微动部件分离与特征参数估计方法 |
CN108263389A (zh) * | 2018-01-26 | 2018-07-10 | 深圳市九洲源科技有限公司 | 一种车辆前方虚假目标剔除装置及方法 |
CN108416393A (zh) * | 2018-03-16 | 2018-08-17 | 西安电子科技大学 | 一种基于高分辨一维距离像的目标识别优化方法 |
KR101929511B1 (ko) * | 2018-02-23 | 2018-12-14 | 엘아이지넥스원 주식회사 | W대역 밀리미터파 탐색기에서 이중 편파를 이용하는 산란점 기반 표적 식별 방법 및 기록매체에 저장된 컴퓨터 프로그램 |
CN109597044A (zh) * | 2018-11-27 | 2019-04-09 | 西安电子工程研究所 | 基于分级决策树的宽带极化雷达导引头目标识别方法 |
CN109871907A (zh) * | 2019-03-19 | 2019-06-11 | 山东大学 | 基于sae-hmm模型的雷达目标高分辨率距离像识别方法 |
CN110412548A (zh) * | 2019-07-20 | 2019-11-05 | 中国船舶重工集团公司第七二四研究所 | 基于高分辨一维距离像的雷达多目标识别方法 |
CN110458064A (zh) * | 2019-07-31 | 2019-11-15 | 南京理工大学 | 结合数据驱动型和知识驱动型的低空目标检测与识别方法 |
CN110658507A (zh) * | 2019-10-12 | 2020-01-07 | 电子科技大学 | 用于雷达目标识别的多类平均最大化真假目标特征提取方法 |
CN110826643A (zh) * | 2019-11-20 | 2020-02-21 | 上海无线电设备研究所 | 一种极化欧拉特征融合深度学习的海上目标识别方法 |
CN110824450A (zh) * | 2019-10-15 | 2020-02-21 | 中国人民解放军国防科技大学 | 一种噪声环境下的雷达目标hrrp鲁棒识别方法 |
CN111665499A (zh) * | 2020-06-02 | 2020-09-15 | 大连海事大学 | 一种降低船载雷达海上溢油预警误判率的判定方法 |
CN111830501A (zh) * | 2020-06-28 | 2020-10-27 | 中国人民解放军战略支援部队信息工程大学 | Hrrp历史特征辅助的信号模糊数据关联方法及系统 |
-
2021
- 2021-09-14 CN CN202111075285.1A patent/CN113687328A/zh active Pending
Patent Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4549184A (en) * | 1981-06-09 | 1985-10-22 | Grumman Aerospace Corporation | Moving target ordnance control |
US4739401A (en) * | 1985-01-25 | 1988-04-19 | Hughes Aircraft Company | Target acquisition system and method |
GB8624294D0 (en) * | 1985-10-09 | 2000-08-23 | British Aerospace | Automatic target detection system |
US20030164792A1 (en) * | 2000-07-24 | 2003-09-04 | Mohammed Jahangir | Method and apparatus for recognising a radar target |
JP2003279646A (ja) * | 2002-03-26 | 2003-10-02 | Mitsubishi Electric Corp | 目標群識別装置、目標群識別方法及びプログラム |
US20120143856A1 (en) * | 2009-08-18 | 2012-06-07 | Osaka Prefecture University Public Corporation | Method for detecting object |
JP2012128558A (ja) * | 2010-12-14 | 2012-07-05 | Toshiba Corp | 識別装置 |
CN103700113A (zh) * | 2012-09-27 | 2014-04-02 | 中国航天科工集团第二研究院二O七所 | 一种下视复杂背景弱小运动目标检测方法 |
KR101429271B1 (ko) * | 2013-03-28 | 2014-08-08 | 국방과학연구소 | 표적 추적방법 및 이를 이용한 표적 추적장치 |
CN104199007A (zh) * | 2014-09-09 | 2014-12-10 | 西安电子科技大学 | 基于最近邻一类分类器的雷达分布式地面目标鉴别方法 |
CN105548983A (zh) * | 2015-12-02 | 2016-05-04 | 中国人民解放军军械工程学院 | 一种雷达组网识别目标方法 |
CN107194433A (zh) * | 2017-06-14 | 2017-09-22 | 电子科技大学 | 一种基于深度自编码网络的雷达一维距离像目标识别方法 |
CN107918123A (zh) * | 2017-10-19 | 2018-04-17 | 上海无线电设备研究所 | 太赫兹isar目标微动部件分离与特征参数估计方法 |
CN108263389A (zh) * | 2018-01-26 | 2018-07-10 | 深圳市九洲源科技有限公司 | 一种车辆前方虚假目标剔除装置及方法 |
KR101929511B1 (ko) * | 2018-02-23 | 2018-12-14 | 엘아이지넥스원 주식회사 | W대역 밀리미터파 탐색기에서 이중 편파를 이용하는 산란점 기반 표적 식별 방법 및 기록매체에 저장된 컴퓨터 프로그램 |
CN108416393A (zh) * | 2018-03-16 | 2018-08-17 | 西安电子科技大学 | 一种基于高分辨一维距离像的目标识别优化方法 |
CN109597044A (zh) * | 2018-11-27 | 2019-04-09 | 西安电子工程研究所 | 基于分级决策树的宽带极化雷达导引头目标识别方法 |
CN109871907A (zh) * | 2019-03-19 | 2019-06-11 | 山东大学 | 基于sae-hmm模型的雷达目标高分辨率距离像识别方法 |
CN110412548A (zh) * | 2019-07-20 | 2019-11-05 | 中国船舶重工集团公司第七二四研究所 | 基于高分辨一维距离像的雷达多目标识别方法 |
CN110458064A (zh) * | 2019-07-31 | 2019-11-15 | 南京理工大学 | 结合数据驱动型和知识驱动型的低空目标检测与识别方法 |
CN110658507A (zh) * | 2019-10-12 | 2020-01-07 | 电子科技大学 | 用于雷达目标识别的多类平均最大化真假目标特征提取方法 |
CN110824450A (zh) * | 2019-10-15 | 2020-02-21 | 中国人民解放军国防科技大学 | 一种噪声环境下的雷达目标hrrp鲁棒识别方法 |
CN110826643A (zh) * | 2019-11-20 | 2020-02-21 | 上海无线电设备研究所 | 一种极化欧拉特征融合深度学习的海上目标识别方法 |
CN111665499A (zh) * | 2020-06-02 | 2020-09-15 | 大连海事大学 | 一种降低船载雷达海上溢油预警误判率的判定方法 |
CN111830501A (zh) * | 2020-06-28 | 2020-10-27 | 中国人民解放军战略支援部队信息工程大学 | Hrrp历史特征辅助的信号模糊数据关联方法及系统 |
Non-Patent Citations (8)
Title |
---|
DAIYING ZHOU AND JIANHUI YANG: "Ballistic target recognition based on micro-motion characteristics using sequential HRRPs", 《2013 IEEE 4TH INTERNATIONAL CONFERENCE ON ELECTRONICS INFORMATION AND EMERGENCY COMMUNICATION》 * |
M. PAN, J. JIANG, Q. KONG, J. SHI, Q. SHENG AND T. ZHOU: "Radar HRRP Target Recognition Based on t-SNE Segmentation and Discriminant Deep Belief Network", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》, vol. 14, no. 9 * |
李珊: "高分辨一维距离像雷达目标识别方法研究", 《中国优秀硕士学位论文全文数据库 信息科学辑》, no. 11 * |
李阳: "基于一维距离像的空间目标识别技术研究", 《中国优秀硕士学位论文全文数据库 信息科学辑》, no. 7, pages 136 - 1368 * |
李阳: "基于一维距离像的空间目标识别技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 7, pages 136 - 1368 * |
焦利明,于伟,罗均平,翟永庆: "向量相似度在雷达目标识别中的应用", 《火控雷达技术》, vol. 35, no. 2, pages 78 * |
王贞: "雷达目标一维距离像识别方法研究", 《中国优秀硕士学位论文全文数据库 信息科学辑》, no. 11 * |
王鹏飞, 李亚立: "基于逆V波形的无杂波区目标检测算法研究", 《航空兵器》, vol. 26, no. 4, pages 88 - 94 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107728142B (zh) | 基于二维卷积网络的雷达高分辨距离像目标识别方法 | |
CN107341488B (zh) | 一种sar图像目标检测识别一体化方法 | |
CN109376574A (zh) | 基于cnn的可拒判雷达hrrp目标识别方法 | |
CN111175718B (zh) | 联合时频域的地面雷达自动目标识别方法及系统 | |
CN114429156A (zh) | 雷达干扰多域特征对抗学习与检测识别方法 | |
CN108256436A (zh) | 一种基于联合分类的雷达hrrp目标识别方法 | |
CN108765470A (zh) | 一种针对目标遮挡改进的kcf跟踪算法 | |
CN112560803A (zh) | 基于时频分析与机器学习的雷达信号调制识别方法 | |
CN109284786A (zh) | 基于分布和结构匹配生成对抗网络的sar图像地物分类方法 | |
CN113516052B (zh) | 一种基于机器学习的成像毫米波雷达点云目标分类方法 | |
CN111401168B (zh) | 一种无人机的多层雷达特征提取与选择方法 | |
CN107220628B (zh) | 红外干扰源检测的方法 | |
CN102608589A (zh) | 基于仿生模式识别理论的雷达目标识别方法 | |
CN111142085B (zh) | 一种基于航迹特征提取的外辐射源雷达目标分类识别方法 | |
CN106772307A (zh) | 一种基于多雷达信息的真假弹头目标识别方法 | |
CN111368653B (zh) | 一种基于r-d图与深度神经网络的低空小目标检测方法 | |
CN111458688B (zh) | 一种基于三维卷积网络的雷达高分辨距离像目标识别方法 | |
CN104537384B (zh) | 一种结合似然比判决的sar目标鉴别方法 | |
CN113640768A (zh) | 一种基于小波变换的低分辨雷达目标识别方法 | |
CN104200229B (zh) | 一种结合稀疏特征选择的sar目标鉴别方法 | |
CN117665807A (zh) | 基于毫米波多人零样本的人脸识别方法 | |
CN113687328A (zh) | 一种弹载武器地面目标高分辨一维距离像识别方法 | |
CN108549076B (zh) | 一种基于速度节奏图的多种类无人机场景识别方法 | |
CN115774248A (zh) | 基于图多特征的海面小目标检测方法及系统 | |
CN108106500A (zh) | 一种基于多传感器的导弹目标类型识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |