基于低分辨雷达的目标识别方法研究

论文摘要

目标识别是现代雷达技术的一个重要发展方向,尤其是基于低分辨雷达的目标识别在目前的雷达系统中具有重要的现实意义和应用价值。本文通过雷达回波数据预处理、目标特征提取和分类识别三个基本步骤,讨论基于低分辨雷达的目标识别方法。首先,介绍了回波数据的预处理过程。本文主要采用基于两级FFT的预处理方法,达到了抑制各种杂波干扰的目的,并且通过恒虚警处理获得了目标的距离和频谱等信息。然后,讨论了目标特征提取方法。针对本文所涉及的六类目标,采用了多种方法来实现特征提取,如雷达截面积、SVD分解、短时傅立叶变换和瞬时频率等。对每种特征提取方法,通过对回波数据加高斯噪声的方式降低信噪比,以此来比较各种特征量在不同信噪比下的稳定性。最后,给出了目标的识别结果。在简要分析了单一特征量对目标进行识别的可能性的基础上,着重讨论了应用不同特征量的组合进行目标分类的方法。根据这几类目标现有的实测回波数据,通过仿真计算给出了不同信噪比下每种特征组合方式的识别结果,其中高信噪比下目标的平均识别率达到了85%,而信噪比降低时的平均识别率也在80%以上。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 低分辨雷达目标识别的发展
• 1.2 本文研究的背景和意义
• 1.3 论文的主要内容和章节安排
• 2 回波数据预处理
• 2.1 引言
• 2.2 线性调频连续波雷达信号分析
• 2.3 基于两级FFT的回波数据预处理
• 2.4 回波数据的恒虚警处理
• 2.5 本章小结
• 3 基于FFT的目标特征提取
• 3.1 引言
• 3.2 雷达截面积的特征提取
• 3.2.1 雷达截面积
• 3.2.2 雷达截面积的特征提取方法
• 3.2.3 不同信噪比下的特征提取结果分析
• 3.3 基于频谱结构的特征提取
• 3.3.1 目标频谱结构分析
• 3.3.2 基于频谱结构的特征提取方法
• 3.3.3 不同信噪比下的特征提取结果分析
• 3.4 基于SVD分解的特征提取
• 3.4.1 SVD分解
• 3.4.2 基于SVD分解的特征提取方法
• 3.4.3 不同信噪比下的特征提取结果分析
• 3.5 本章小结
• 4 基于时频分析的目标特征提取
• 4.1 引言
• 4.2 基于短时傅立叶变换的特征提取
• 4.2.1 短时傅立叶变换
• 4.2.2 基于短时傅立叶变换的特征提取方法
• 4.2.3 不同信噪比下的特征提取结果分析
• 4.3 基于瞬时频率的目标特征提取
• 4.3.1 基于瞬时频率的特征提取方法
• 4.3.2 不同信噪比下的特征提取结果分析
• 4.4 基于小波变换的特征提取
• 4.4.1 小波变换
• 4.4.2 基于小波变换的特征提取方法
• 4.4.3 不同信噪比下的特征提取结果分析
• 4.5 本章小结
• 5 目标识别方法和结果
• 5.1 引言
• 5.2 基于单一特征量的目标识别
• 5.3 基于不同特征量组合的目标识别
• 5.3.1 扩展量特征与SVD分解的特征量组合
• 5.3.2 雷达截面积与瞬时频率以及SVD分解的特征量组合
• 5.3.3 雷达截面积与时频分析的波形特征以及SVD分解的特征量组合
• 5.4 本章小结
• 结束语
• 致谢
• 参考文献