CN116008946A - 临近空间高动态飞行器等离子鞘套自动判别方法及系统 - Google Patents
临近空间高动态飞行器等离子鞘套自动判别方法及系统 Download PDFInfo
- Publication number
- CN116008946A CN116008946A CN202310301954.5A CN202310301954A CN116008946A CN 116008946 A CN116008946 A CN 116008946A CN 202310301954 A CN202310301954 A CN 202310301954A CN 116008946 A CN116008946 A CN 116008946A
- Authority
- CN
- China
- Prior art keywords
- waveform
- target
- waveform data
- group
- bandwidth
- 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.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开了临近空间高动态飞行器等离子鞘套自动判别方法及系统本发明属于雷达测量技术领域,涉及雷达信息处理技术,特别涉及数据处理和特征提取技术,具体涉及临近空间高动态飞行器等离子鞘套自动判别方法的建立。利用本发明可以实现在无需用户参与的情况下完成等离子鞘套的客观可靠判别。此方法建立了先基于波形熵群目标判别、后变带宽鞘套确认的判别流程,是基于常规雷达信号处理和数据处理方法,对回波信号进行的特征提取和分析,具有较高的判别可靠性,能够使雷达自动判别等离子鞘套是否存在,以便采取相应的工作方式和处理方法,有效提升对目标的跟踪性能。
Description
技术领域
本发明涉及雷达信息处理技术领域,具体涉及一种临近空间高动态飞行器等离子鞘套自动判别方法及系统。
背景技术
临近空间高动态飞行器以超音速经过地球上空35~80km的大气层时,由于与大气层挤压、摩擦等强烈作用,飞行器本体周围气体的温度、压强迅速升高,使空气发生电离和电解,形成自由运动并相互作用的正离子、电子和中性分子组成的具有一定厚度的混合物,像剑鞘一样包裹在飞行器表面,称为等离子鞘套或等离子体,同时在飞行器本体尾部形成等离子尾流。
由于鞘套对电磁波的吸收、折射和衰减作用,等离子鞘套及尾流的物理化学变化非常剧烈,导致飞行器目标的雷达散射截面积(RCS)等目标特性会随着目标速度、高度、空气密度、雷达频率而出现剧烈变化,同时等离子鞘套自身也会产生雷达回波,此时雷达回波不是单纯目标本体产生的回波模型,而是由目标本体与等离子鞘套共同产生的时变回波。鞘套包裹在目标周围,将影响目标的检测性能和测量精度,雷达跟踪性能也会随之降低。因此,需对等离子鞘套进行自动判别,以便采用相应处理措施保证目标稳定跟踪。
等离子鞘套效应改变了目标的散射回波特性,给目标探测带来不确定性,需要及时判别当前飞行器是否处于等离子鞘套状态,而目前据已有文献国内外对包覆等离子体目标识别研究较少,国外鲜有文章发表,国内的研究也处于起步阶段,停留在等离子体对成像的影响并未深入研究,因此如何使雷达在无需用户参与的情况下自动判别等离子鞘套是否存在,以便采取相应的工作方式和处理方法是目前亟待解决的问题。
发明内容
有鉴于此,本发明提供了临近空间高动态飞行器等离子鞘套自动判别方法及系统,能够使雷达在无需用户参与的情况下自动判别等离子鞘套是否存在,以便采取相应的工作方式和处理方法,有效提升对目标的跟踪性能。
为达到上述目的,本发明的技术方案为:
临近空间高动态飞行器等离子鞘套自动判别方法,包括如下步骤:
1)雷达对待识别目标发射两种不同带宽信号,雷达所接收的回波包括带宽一波形和带宽二波形两种,针对带宽一波形和带宽二波形分别进行信息处理获得处理后的波形数据一和处理后的波形数据二。
2)针对处理后的波形数据一以及处理后的波形数据二分别执行特征提取流程,获得波形一特征和波形二特征。
波形一特征包括处理后的波形数据一的波形熵特征以及包络长度特征。
波形二特征包括处理后的波形数据二的包络长度特征。
3)将所获得的波形一群目标特征作为输入,利用模糊分类器对待识别目标进行群目标判别;若待识别目标是群目标,则进入步骤4)进行鞘套判别,若待识别目标不是群目标,则该过程结束,不必进行鞘套判别。
4)对于波形数据一和二的包络长度特征进行比较,若二者包络长度特征相同,则判定待识别目标为群目标且为两个不同的目标组合,若二者包络长度特征相同,则判定待识别目标为群目标且存在等离子鞘套。
进一步地,雷达所接收的回波包括带宽一波形和带宽二波形两种,其中两种波形除带宽不同,其他参数相同。
进一步地,针对带宽一波形和带宽二波形分别进行信息处理获得处理后的波形数据一和处理后的波形数据二,信息处理包括对带宽一波形和带宽二波形均进行数字脉压、目标检测和点迹提取,从而获得处理后的波形数据一和二。
进一步地,特征提取流程包含波形熵特征提取步骤和包络长度特征提取步骤;
波形熵特征提取步骤具体为:
以处理后的波形数据一以及处理后的波形数据二分别作为待提取信号X,待提取信号X的离散信号波形序列为,n为采样点序号,N为采样点总数,待提取信号的幅度和和幅度均值分别为:;
则待提取信号X的波形熵为:。
包络长度特征提取步骤具体为:以处理后的波形数据一以及处理后的波形数据二分别作为待提取信号X,在待提取信号X的回波距离窗内判断目标有无,对于回波距离窗内有目标的区域,目标分布的区域长度即为包络长度。
进一步地,模糊分类器选用隶属度函数形状为超矩形,多面体形或椭圆形的模糊分类器。
进一步地,利用模糊分类器对待识别目标进行群目标判别包括如下流程:
首先构建训练样本对模糊分类器进行训练,训练样本均根据已知群目标或者非群目标的雷达回波信号进行构建,设定输入为雷达回波信号的波形熵特征以及包络长度特征,输出为雷达回波信号为群目标或者非群目标的标识;由此获得训练好的模糊分类器。
利用训练好的模糊分类器,将所获得的波形一群目标特征作为输入,输出即为待识别目标是群目标或者非群目标的标识。
本发明的另外一个实施例提供了临近空间高动态飞行器等离子鞘套自动判别系统,包括雷达回波接收处理模块、特征提取模块、群目标识别模块以及等离子鞘套识别模块。
雷达回波接收处理模块,雷达对待识别目标发射两种不同带宽信号,雷达所接收的回波包括带宽一波形和带宽二波形两种,雷达回波接收处理模块由雷达处获取带宽一波形和带宽二波形,并针对带宽一波形和带宽二波形分别进行信息处理获得处理后的波形数据一和处理后的波形数据二。
特征提取模块,针对处理后的波形数据一以及处理后的波形数据二分别执行特征提取流程,获得波形一特征和波形二特征;波形一特征包括处理后的波形数据一的波形熵特征以及包络长度特征;波形二特征包括处理后的波形数据二的包络长度特征。
群目标识别模块,将所获得的波形一群目标特征作为输入,利用模糊分类器对待识别目标进行群目标判别;若待识别目标是群目标,则进入等离子鞘套识别模块进行鞘套判别,若待识别目标不是群目标,则该过程结束,不必执行等离子鞘套识别模块。
等离子鞘套识别模块,对于波形数据一和二的包络长度特征进行比较,若二者包络长度特征相同,则判定待识别目标为群目标且为两个不同的目标组合,若二者包络长度特征相同,则判定待识别目标为群目标且存在等离子鞘套。
进一步地,群目标识别模块具体执行如下流程:首先构建训练样本对模糊分类器进行训练,训练样本均根据已知群目标或者非群目标的雷达回波信号进行构建,设定输入为雷达回波信号的波形熵特征以及包络长度特征,输出为雷达回波信号为群目标或者非群目标的标识;由此获得训练好的模糊分类器。
利用训练好的模糊分类器,将所获得的波形一群目标特征作为输入,输出即为待识别目标是群目标或者非群目标的标识。
有益效果:
1.根据本发明提出的临近空间高动态飞行器等离子鞘套自动判别方法,首先,考虑到不同速度分量的鞘套散射由于距离多普勒耦合效应,脉压后分布在多个距离单元,呈现出群目标的回波特性,提取目标回波的波形熵、包络长度等特征信息,利用模糊分类器进行基于波形熵的群目标判别;其次,在完成群目标判别的基础上,根据鞘套与目标的多普勒耦合距离与信号带宽成反比,而两个真实目标的距离则与带宽无关,可发射不同带宽信号,通过检测回波的包络长度变化,对鞘套和目标进行判别。本发明可实现对等离子鞘套状态的自动可靠判别,可使雷达能够自动快速地判决等离子鞘套的存在,从而及时采用对应的工作方式和处理方法,确保对目标的稳定连续跟踪。
2.本发明在等离子鞘套状态确认依据的建立时,考虑存在等离子鞘套情况下的目标回波是由目标本体与等离子鞘套共同产生的时变回波,需针对能够辨识鞘套与目标的回波特征进行提取和分析,作为判别鞘套是否存在的依据。本发明提出的基于不同带宽回波的鞘套状态确认方法根据鞘套和目标及两个目标之间的距离分布对不同带宽信号的客观敏感程度,可通过检测不同带宽回波信号的包络长度变化,作为鞘套是否存在的依据,该方法基于雷达回波产生和信号处理的经典理论模型推导,客观有效。
3、本发明方法建立提供了一种针对临近空间高动态飞行器等离子鞘套是否存在的状态自动判别流程,解决了人为判别难度大及主观局限性、时效性差等难题,且先群目标判别后鞘套状态确认的流程推理均基于雷达回波产生和信号处理的经典理论模型,因而具有较高的可靠性和稳健性。
4、本发明还提供了针对临近空间高动态飞行器等离子鞘套的判别系统,利用此判别系统,可以实现在无需用户参与的情况下完成等离子鞘套的客观可靠判别。此系统包含雷达回波接收处理模块、特征提取模块、群目标识别模块以及等离子鞘套识别模块;可实现基于波形熵群目标判别、后变带宽鞘套确认的判别流程,具有较高的判别可靠性,能够使雷达自动判别等离子鞘套是否存在,以便采取相应的工作方式和处理方法,有效提升对目标的跟踪性能。
附图说明
图1为本发明实施例提供的等离子鞘套判别流程示意图;
图2为目标回波示意图;
图3为目标波形熵示意图,图3(a)所示为波形熵为3.2976;图3(b)为波形熵为8.3236;
图4为目标与鞘套散射距离分布示意图;
图5为不同窄带带宽回波的鞘套和目标的距离刻度对比示意图,图5(a)为5MHz鞘套和目标的距离刻度示意图;图5(b)为10MHz鞘套和目标的距离刻度示意图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
实施例1:
本实施例提出了一种基于波形熵判别和变带宽确认的等离子鞘套自动判别方法。不同速度分量的鞘套散射由于距离多普勒耦合效应,脉压后分布在多个距离单元,呈现出群目标的回波特性,因此,鞘套判别需首先综合利用目标波形熵、包络长度等特征信息,进行群目标判别;在完成群目标判别的基础上,需要对鞘套是否存在进一步确认,判断检测的多个点迹是鞘套还是多目标,因鞘套速度分布在一定范围,且有不同于目标本体的径向速度分量,在目标径向速度大于鞘套最大速度时,多普勒耦合造成目标与鞘套回波在距离维上发生扩展,经分析,鞘套的耦合距离与信号的带宽成反比,而两个真实目标的距离则与带宽无关,因此可发射不同带宽信号,通过检测回波的包络长度变化,对鞘套和目标进行判别。
基于以上分析,等离子鞘套判别流程如图1所示。本发明实施例提供的等离子鞘套自动判别方法,包括如下流程:
步骤1)雷达对待识别目标发射两种不同带宽信号,雷达所接收的回波包括带宽一波形和带宽二波形两种,针对带宽一波形和带宽二波形分别进行信息处理获得处理后的波形数据一和处理后的波形数据二。
本发明实施例中,雷达所接收的回波包括带宽一波形和带宽二波形两种,其中两种波形除带宽不同,其他参数相同。
信息处理包括对带宽一波形和带宽二波形均进行数字脉压、目标检测和点迹提取,从而获得处理后的波形数据一和二。
步骤2)针对处理后的波形数据一以及处理后的波形数据二分别执行特征提取流程,获得波形一特征和波形二特征。
波形一特征包括处理后的波形数据一的波形熵特征以及包络长度特征;波形二特征包括处理后的波形数据二的包络长度特征。
群目标别基于如下原理不同速度分量的鞘套散射由于距离多普勒耦合效应,脉压后分布在多个距离单元,呈现出群目标的回波特性,如图2所示。因此,鞘套判别需综合利用目标波形熵、包络长度特征信息等,利用分类器进行群目标判别。
a)波形熵特征
熵描述了在某一给定时刻一个系统可能出现的有关状态的不确定程度。1948年,Shannon提出信息熵的概念,解决了对信息的量化度量问题。波形熵则是一种借用熵的概念来表征信号平稳度的物理量。
波形熵特征提取步骤具体为:
以处理后的波形数据一以及处理后的波形数据二分别作为待提取信号X,待提取信号X的离散信号波形序列为,n为采样点序号,N为采样点总数,待提取信号的幅度和和幅度均值分别为:;
则待提取信号X的波形熵为:;
如图3所示可以看出,单峰和多峰的信号波形熵存在较大的差异性。从而可以利用波形熵来判断目标是否出现多峰。图3(a)所示为波形熵为3.2976;图3(b)为波形熵为8.3236。
b)包络长度特征
目标的回波包络长度反映的是目标在雷达波束指向上的投影长度,当等离子鞘套产生时,目标回波将产生扩展,从而导致回波信号长度变大。长度提取处理包括回波距离窗内目标有无的判断和包络长度提取处理。
因此,包络长度特征提取步骤具体为:以处理后的波形数据一以及处理后的波形数据二分别作为待提取信号X,在待提取信号X的回波距离窗内判断目标有无,对于回波距离窗内有目标的区域,目标分布的区域长度即为包络长度。
步骤3)将所获得的波形一群目标特征作为输入,利用模糊分类器对待识别目标进行群目标判别;若待识别目标是群目标,则进入步骤4)进行鞘套判别,若待识别目标不是群目标,则该过程结束,不必进行鞘套判别;
利用波形熵、包络长度特征获取目标群信息后,需利用分类器进行是否是群目标的判决。模糊理论是一种处理不精确性和不确定性信息的理论工具。采用模糊技术进行分类识别时,某特征属于某集合的程度由0与1之间的隶属度来描述。把一个具体的元素映射到一个合适的隶属度,由隶属度函数实现。
根据隶属度函数的形状模糊分类器表现为不同的类型,目前最常见的有三种模糊分类器:超矩形,多面体形和椭圆形。
在超矩形模糊分类器中,超矩形各表面与样本特征的主轴平行,它的最大优点是训练时间短,只需计算样本输入属性的取值范围。当各类样本的分布趋势与主轴平行时它具有较好的泛化能力。但是在高维情况下,即便是线性可分问题,该类分类器的识别率不高。在多面体模糊分类器中,多面体各表面用输入变量的线性表达式描述,可以克服超矩形模糊分类器存在的不足,但多面体需要从人工神经网络中提取,且训练神经网络时间比较长。
椭圆形模糊分类器中,椭圆形状和位置由它的中心和协方差矩阵表示。对样本进行学习,可以获得椭圆的中心和协方差矩阵。大多数分类问题中,椭圆形模糊分类器的识别能力优于多面体模糊分类器和超矩形模糊分类器,规则的泛化能力也较高。
椭圆型分类器的隶属度函数由高斯函数表示:
其中,表示特征向量均值,表示特征向量协方差矩阵,可以通过最大似然方法可以对参数进行求解。
实际上,可以通过对单个特征的高斯函数进行加权得到多个特征的隶属度函数:
其中,为第个特征,为第个特征均值,也即模板中心,为第个特征的均方根误差,也即模板宽度,为第个特征置信度的权值。
利用上式就可以对各个识别方式的单个特征进行单独建模估计特征的模板均值和模板宽度,再结合每个特征的权值就可以得到单识别方式的置信度。
本发明实施例中,利用模糊分类器对待识别目标进行群目标判别包括如下流程:
首先构建训练样本对模糊分类器进行训练,训练样本均根据已知群目标或者非群目标的雷达回波信号进行构建,设定输入为雷达回波信号的波形熵特征以及包络长度特征,输出为雷达回波信号为群目标或者非群目标的标识;由此获得训练好的模糊分类器;利用训练好的模糊分类器,将所获得的波形一群目标特征作为输入,输出即为待识别目标是群目标或者非群目标的标识。
步骤4)对于波形数据一和二的包络长度特征进行比较,若二者包络长度特征相同,则判定待识别目标为群目标且为两个不同的目标组合,若二者包络长度特征相同,则判定待识别目标为群目标且存在等离子鞘套。
该步骤原理如下:
在完成群目标判别的基础上,需要对鞘套是否存在进一步确认,判断检测的多个点迹是鞘套还是多目标。
鞘套速度分布在一定范围,且有不同于目标本体的径向速度分量。在目标径向速度大于鞘套最大速度时,多普勒耦合造成目标与鞘套回波在距离维上发生扩展,扩展范围表示为:。其中为目标与最低速鞘套的多普勒差,为线性调频信号的调频率(带宽/脉冲宽度),为光速。鞘套与目标散射在距离维的分布如图4所示。
则其对应的距离单元数为:;其中为脉冲宽度,B信号带宽(带宽1波形的带宽)。
而两个速度一样距离雷达分别为和的刚体目标之间间隔的距离单元数为:。
从鞘套和目标及两个目标之间的距离分布对比可知,鞘套的耦合距离与信号的带宽成反比,而两个真实目标的距离则与带宽无关。因此,通过发射不同带宽信号,可以对鞘套和目标进行区分。
本发明实施例中,采用的脉冲宽度为25μs微秒,带宽分别为5MHz和10MHz的两个脉冲回波信号,目标在900km处,径向速度为7km/s,鞘套径向速度分布在0m/s~4km/s(比实际观测速度分布范围大,不影响分析结论),仿真验证鞘套和目标之间的距离变化,如图5所示。
图5(a)为5MHz鞘套和目标的距离刻度示意图;图5(b)为10MHz鞘套和目标的距离刻度示意图。由图5可知,在两种不同带宽下,鞘套与目标的分布距离范围相差一倍,而分布的距离单元数基本一致。因此雷达发射不同带宽信号,通过检测回波的包络长度变化,如果二者包络长度相同,即没发生变化,认为波形数据一和二分属于两个目标,如果二者包络长度不相同,则认为群目标存在鞘套。
实施例2
根据本发明提出的临近空间高动态飞行器等离子鞘套自动判别方法,构建可实现对等离子鞘套状态的自动可靠判别的系统,包括雷达回波接收处理模块、特征提取模块、群目标识别模块以及等离子鞘套识别模块;
雷达回波接收处理模块,雷达对待识别目标发射两种不同带宽信号,雷达所接收的回波包括带宽一波形和带宽二波形两种,雷达回波接收处理模块由雷达处获取带宽一波形和带宽二波形,并针对带宽一波形和带宽二波形分别进行信息处理获得处理后的波形数据一和处理后的波形数据二。该模块即执行上述步骤1)的流程。
特征提取模块,针对处理后的波形数据一以及处理后的波形数据二分别执行特征提取流程,获得波形一特征和波形二特征;波形一特征包括处理后的波形数据一的波形熵特征以及包络长度特征;波形二特征包括处理后的波形数据二的包络长度特征;该模块即执行上述步骤2)的流程。该模块中可以将波形熵特征提取和包络长度特征提取作为两个单元进行设计,则在针对波形数据一的处理中,使用波形熵特征提取单元和包络长度特征提取单元,针对波形数据二的处理中,仅使用包络长度特征提取单元即可。
群目标识别模块,将所获得的波形一群目标特征作为输入,利用模糊分类器对待识别目标进行群目标判别;若待识别目标是群目标,则进入等离子鞘套识别模块进行鞘套判别,若待识别目标不是群目标,则该过程结束,不必执行等离子鞘套识别模块;该模块即执行上述步骤3)的流程。
等离子鞘套识别模块,对于波形数据一和二的包络长度特征进行比较,若二者包络长度特征相同,则判定待识别目标为群目标且为两个不同的目标组合,若二者包络长度特征相同,则判定待识别目标为群目标且存在等离子鞘套。该模块即执行上述步骤4)的流程。
其中群目标识别模块具体执行如下流程:
首先构建训练样本对模糊分类器进行训练,训练样本均根据已知群目标或者非群目标的雷达回波信号进行构建,设定输入为雷达回波信号的波形熵特征以及包络长度特征,输出为雷达回波信号为群目标或者非群目标的标识;由此获得训练好的模糊分类器;
利用训练好的模糊分类器,将所获得的波形一群目标特征作为输入,输出即为待识别目标是群目标或者非群目标的标识。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.临近空间高动态飞行器等离子鞘套自动判别方法,其特征在于,包括如下步骤:
1)雷达对待识别目标发射两种不同带宽信号,雷达所接收的回波包括带宽一波形和带宽二波形两种,针对带宽一波形和带宽二波形分别进行信息处理获得处理后的波形数据一和处理后的波形数据二;
2)针对处理后的波形数据一以及处理后的波形数据二分别执行特征提取流程,获得波形一特征和波形二特征;
波形一特征包括处理后的波形数据一的波形熵特征以及包络长度特征;
波形二特征包括处理后的波形数据二的包络长度特征;
3)将所获得的波形一群目标特征作为输入,利用模糊分类器对待识别目标进行群目标判别;若待识别目标是群目标,则进入步骤4)进行鞘套判别,若待识别目标不是群目标,则该过程结束,不必进行鞘套判别;
4)对于波形数据一和二的包络长度特征进行比较,若二者包络长度特征相同,则判定待识别目标为群目标且为两个不同的目标组合,若二者包络长度特征相同,则判定待识别目标为群目标且存在等离子鞘套。
2.如权利要求1所述的临近空间高动态飞行器等离子鞘套自动判别方法,其特征在于,所述雷达所接收的回波包括带宽一波形和带宽二波形两种,其中两种波形除带宽不同,其他参数相同。
3.如权利要求1所述的临近空间高动态飞行器等离子鞘套自动判别方法,其特征在于,所述针对带宽一波形和带宽二波形分别进行信息处理获得处理后的波形数据一和处理后的波形数据二,所述信息处理包括对带宽一波形和带宽二波形均进行数字脉压、目标检测和点迹提取,从而获得处理后的波形数据一和二。
4.如权利要求1所述的临近空间高动态飞行器等离子鞘套自动判别方法,其特征在于,所述特征提取流程包含波形熵特征提取步骤和包络长度特征提取步骤;
所述波形熵特征提取步骤具体为:
以处理后的波形数据一以及处理后的波形数据二分别作为待提取信号X,待提取信号X的离散信号波形序列为,n为采样点序号,N为采样点总数,待提取信号的幅度和和幅度均值分别为:;
则待提取信号X的波形熵为:;
所述包络长度特征提取步骤具体为:以处理后的波形数据一以及处理后的波形数据二分别作为待提取信号X,在待提取信号X的回波距离窗内判断目标有无,对于回波距离窗内有目标的区域,目标分布的区域长度即为包络长度。
5.如权利要求1~4任一所述的临近空间高动态飞行器等离子鞘套自动判别方法,其特征在于,所述模糊分类器选用隶属度函数形状为超矩形,多面体形或椭圆形的模糊分类器。
6.如权利要求5所述的临近空间高动态飞行器等离子鞘套自动判别方法,其特征在于,所述利用模糊分类器对待识别目标进行群目标判别包括如下流程:
首先构建训练样本对模糊分类器进行训练,所述训练样本均根据已知群目标或者非群目标的雷达回波信号进行构建,设定输入为雷达回波信号的波形熵特征以及包络长度特征,输出为雷达回波信号为群目标或者非群目标的标识;由此获得训练好的模糊分类器;
利用所述训练好的模糊分类器,将所获得的波形一群目标特征作为输入,输出即为待识别目标是群目标或者非群目标的标识。
7.临近空间高动态飞行器等离子鞘套自动判别系统,其特征在于,包括雷达回波接收处理模块、特征提取模块、群目标识别模块以及等离子鞘套识别模块;
所述雷达回波接收处理模块,雷达对待识别目标发射两种不同带宽信号,雷达所接收的回波包括带宽一波形和带宽二波形两种,雷达回波接收处理模块由雷达处获取带宽一波形和带宽二波形,并针对带宽一波形和带宽二波形分别进行信息处理获得处理后的波形数据一和处理后的波形数据二;
特征提取模块,针对处理后的波形数据一以及处理后的波形数据二分别执行特征提取流程,获得波形一特征和波形二特征;波形一特征包括处理后的波形数据一的波形熵特征以及包络长度特征;波形二特征包括处理后的波形数据二的包络长度特征;
群目标识别模块,将所获得的波形一群目标特征作为输入,利用模糊分类器对待识别目标进行群目标判别;若待识别目标是群目标,则进入等离子鞘套识别模块进行鞘套判别,若待识别目标不是群目标,则该过程结束,不必执行等离子鞘套识别模块;
等离子鞘套识别模块,对于波形数据一和二的包络长度特征进行比较,若二者包络长度特征相同,则判定待识别目标为群目标且为两个不同的目标组合,若二者包络长度特征相同,则判定待识别目标为群目标且存在等离子鞘套。
8.如权利要求7所述的临近空间高动态飞行器等离子鞘套自动判别系统,其特征在于,所述群目标识别模块具体执行如下流程:
首先构建训练样本对模糊分类器进行训练,所述训练样本均根据已知群目标或者非群目标的雷达回波信号进行构建,设定输入为雷达回波信号的波形熵特征以及包络长度特征,输出为雷达回波信号为群目标或者非群目标的标识;由此获得训练好的模糊分类器;
利用所述训练好的模糊分类器,将所获得的波形一群目标特征作为输入,输出即为待识别目标是群目标或者非群目标的标识。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310301954.5A CN116008946B (zh) | 2023-03-27 | 2023-03-27 | 临近空间高动态飞行器等离子鞘套自动判别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310301954.5A CN116008946B (zh) | 2023-03-27 | 2023-03-27 | 临近空间高动态飞行器等离子鞘套自动判别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116008946A true CN116008946A (zh) | 2023-04-25 |
CN116008946B CN116008946B (zh) | 2023-06-09 |
Family
ID=86037688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310301954.5A Active CN116008946B (zh) | 2023-03-27 | 2023-03-27 | 临近空间高动态飞行器等离子鞘套自动判别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116008946B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107359956A (zh) * | 2017-06-13 | 2017-11-17 | 西安电子科技大学 | 一种动态等离子体鞘套信道探测方法 |
CN108037173A (zh) * | 2017-12-06 | 2018-05-15 | 上海无线电设备研究所 | 一种超高声速二维等离子体鞘套的测试系统及方法 |
CN109507664A (zh) * | 2019-01-22 | 2019-03-22 | 中国人民解放军空军工程大学 | 压缩感知mimo雷达认知波形获取方法和装置 |
CN110031801A (zh) * | 2019-05-16 | 2019-07-19 | 武汉大学 | 一种高速临近空间飞行器的探测方法及系统 |
CN110276109A (zh) * | 2019-05-31 | 2019-09-24 | 南京理工大学 | 一种高超声速飞行器等离子体鞘套电磁特性的仿真方法 |
CN110531331A (zh) * | 2019-03-31 | 2019-12-03 | 西安电子科技大学 | 等离子体包覆目标雷达回波建模仿真方法 |
CN110726992A (zh) * | 2019-10-25 | 2020-01-24 | 中国人民解放军国防科技大学 | 基于结构稀疏和熵联合约束的sa-isar自聚焦法 |
CN112114312A (zh) * | 2020-09-24 | 2020-12-22 | 西安电子科技大学 | 时变等离子鞘套下逆合成孔径雷达回波信号的建模方法 |
CN114660551A (zh) * | 2022-03-26 | 2022-06-24 | 西安电子科技大学 | 基于改进频率域补偿的等离子鞘套包覆目标相参积累方法、系统、电子设备及存储介质 |
CN114912326A (zh) * | 2022-05-24 | 2022-08-16 | 南京理工大学 | 一种基于时变等离子体鞘套识别技术仿真方法 |
US20220384163A1 (en) * | 2019-10-23 | 2022-12-01 | The Industry&Academic Cooperation In Chungnam National University | Diagnostic method and apparatus for non-invasive plasma process |
-
2023
- 2023-03-27 CN CN202310301954.5A patent/CN116008946B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107359956A (zh) * | 2017-06-13 | 2017-11-17 | 西安电子科技大学 | 一种动态等离子体鞘套信道探测方法 |
CN108037173A (zh) * | 2017-12-06 | 2018-05-15 | 上海无线电设备研究所 | 一种超高声速二维等离子体鞘套的测试系统及方法 |
CN109507664A (zh) * | 2019-01-22 | 2019-03-22 | 中国人民解放军空军工程大学 | 压缩感知mimo雷达认知波形获取方法和装置 |
CN110531331A (zh) * | 2019-03-31 | 2019-12-03 | 西安电子科技大学 | 等离子体包覆目标雷达回波建模仿真方法 |
CN110031801A (zh) * | 2019-05-16 | 2019-07-19 | 武汉大学 | 一种高速临近空间飞行器的探测方法及系统 |
CN110276109A (zh) * | 2019-05-31 | 2019-09-24 | 南京理工大学 | 一种高超声速飞行器等离子体鞘套电磁特性的仿真方法 |
US20220384163A1 (en) * | 2019-10-23 | 2022-12-01 | The Industry&Academic Cooperation In Chungnam National University | Diagnostic method and apparatus for non-invasive plasma process |
CN110726992A (zh) * | 2019-10-25 | 2020-01-24 | 中国人民解放军国防科技大学 | 基于结构稀疏和熵联合约束的sa-isar自聚焦法 |
CN112114312A (zh) * | 2020-09-24 | 2020-12-22 | 西安电子科技大学 | 时变等离子鞘套下逆合成孔径雷达回波信号的建模方法 |
CN114660551A (zh) * | 2022-03-26 | 2022-06-24 | 西安电子科技大学 | 基于改进频率域补偿的等离子鞘套包覆目标相参积累方法、系统、电子设备及存储介质 |
CN114912326A (zh) * | 2022-05-24 | 2022-08-16 | 南京理工大学 | 一种基于时变等离子体鞘套识别技术仿真方法 |
Non-Patent Citations (3)
Title |
---|
张晰,: "等离子鞘套包覆目标的雷达高分辨距离像", 等离子鞘套包覆目标的雷达高分辨距离像 * |
赵明旭 等,: "强等离子鞘套下航天返回舱相控阵雷达探测问题研究", 测控技术 * |
陈浩然 等,: "临空高超飞行器雷达探测问题分析", 现代雷达 * |
Also Published As
Publication number | Publication date |
---|---|
CN116008946B (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108229404A (zh) | 一种基于深度学习的雷达回波信号目标识别方法 | |
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 | |
CN113408328B (zh) | 基于毫米波雷达的手势分割与识别算法 | |
CN102692627B (zh) | 用于处理多普勒测量信号的仪器和方法 | |
CN108051781A (zh) | 一种基于dbn模型的雷达信号工作模式识别方法 | |
CN112465006B (zh) | 一种图神经网络目标跟踪方法及装置 | |
CN112147601B (zh) | 一种基于随机森林的海面小目标检测方法 | |
CN109117776B (zh) | 基于航迹信息的飞机与气象杂波分类识别方法 | |
CN111401168B (zh) | 一种无人机的多层雷达特征提取与选择方法 | |
CN109613485A (zh) | 一种基于支持向量聚类和灰关联度的雷达信号分选方法 | |
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 | |
CN110134976A (zh) | 一种机载激光测深信号提取方法及系统 | |
CN110427878A (zh) | 一种快速射电暴信号识别方法与系统 | |
CN110007299A (zh) | 一种基于混合坐标伪谱技术的微弱目标检测跟踪方法 | |
CN113807314A (zh) | 一种基于微多普勒效应的毫米波雷达视频融合方法 | |
CN115061126A (zh) | 一种基于多维参数神经网络的雷达集群目标行为识别方法 | |
CN113570005A (zh) | 一种基于机载光子雷达的远距离舰船类型识别方法 | |
CN208060701U (zh) | 一种基于微波的多目标分类系统 | |
CN112213697B (zh) | 一种基于贝叶斯决策理论用于雷达欺骗干扰识别的特征融合方法 | |
CN116008946B (zh) | 临近空间高动态飞行器等离子鞘套自动判别方法及系统 | |
CN113608193A (zh) | 一种基于UNet的雷达多目标距离和速度估计方法 | |
CN113640768A (zh) | 一种基于小波变换的低分辨雷达目标识别方法 | |
CN110824478B (zh) | 基于多样化3d雷达回波特征的降水云类型自动分类方法及装置 | |
CN110133680A (zh) | 一种机载激光测深接收波形有效信号初值确定方法及系统 | |
CN106093891A (zh) | 基于多普勒速度检验的雷达网抗密集距离假目标干扰方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |