空间雷达目标特征提取与识别方法研究

论文摘要

论文结合国防科技研究项目与毫米波雷达探测识别空间目标的应用背景,对空间目标识别方法进行了较深入的研究。绪论部分首先阐述了空间目标识别的研究背景与意义,然后对空间目标识别技术的研究现状和空间目标识别的技术途径进行了详细的综述,最后介绍了论文的主要工作。第二章对空间雷达目标特性进行了详细分析。首先概述了空间目标的轨道特性与动力学特性,然后详细分析了空间雷达目标的电磁散射特性和RCS特性,最后阐述了复杂目标的RCS预估方法和空间目标的一维距离像特性。第三章研究了基于RCS观测序列的低分辨雷达空间目标识别。提出了基于RCS观测序列的低分辨雷达空间目标识别算法,首先对空间目标的低分辨雷达RCS观测序列进行离散小波变换,通过小波变换将信号的局部特性在时间-尺度平面上清晰地表现出来;然后在时间-尺度平面上提取十个有效统计特征;最后基于模糊分类来识别空间目标。应用四类空间目标的实测数据进行了仿真实验,取得了比较好的识别效果。第四章研究了基于一维距离像的高分辨雷达空间目标识别。提出了基于局部围线积分双谱的空间目标识别算法,首先从空间目标距离像的双谱中提取出局部围线积分双谱特征,该特征具有平移不变性,保持了信号的尺度信息和部分相位信息,避免了遗漏重要的双谱和使用有害的双谱,而且对高斯噪声具有较强的抑制作用;然后应用BP神经网络进行分类识别,为了避免网络权值陷入局部极值点,采用遗传算法来获取网络权值的初值。提出了基于子块积分双谱的空间目标识别算法,首先把空间目标距离像的双谱平面分割成若干子块,提取出子块积分双谱特征,该特征具有平移不变性,对高斯噪声具有较强的抑制作用,而且降低了双谱的信息冗余;然后应用KL变换进行特征压缩;最后应用模板匹配方法进行分类识别。仿真实验表明,即使在较低的信噪比下,以上两个算法依然取得了比较好的识别效果。提出了基于距离像序列的空间目标识别算法,首先应用小波变换对距离像序列进行消噪;然后应用RELAX算法提取出目标强散射中心的位置和幅度,进而可以提取出目标径向长度序列;最后根据径向长度序列的均值和标准差对三轴稳定卫星、自旋稳定卫星和碎片进行分类识别。仿真实验表明,该算法取得了比较好的识别效果。第五章研究了基于高分辨单脉冲雷达的空间目标识别。提出了基于三维像体积特征的空间目标识别算法,首先通过高分辨单脉冲雷达对目标进行三维成像;然后提取三维像体积特征;最后根据三维像体积特征就可以对卫星和碎片进行分类识别。提出了基于轮廓面积特征的空间目标识别算法,首先通过高分辨单脉冲雷达对目标进行方位-俯仰二维成像;然后提取方位-俯仰二维像的轮廓面积特征;最后根据轮廓面积特征就可以对卫星和碎片进行分类识别。仿真实验表明,以上两个算法都取得了比较好的识别效果。结束语对论文的研究内容进行了总结,分析了研究中的不足之处,阐述了下一步需要研究的工作。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景与意义
• 1.2 空间目标识别技术的研究现状
• 1.3 空间目标识别的技术途径
• 1.4 论文的主要工作
• 第二章 空间雷达目标特性分析
• 2.1 引言
• 2.2 空间目标的轨道特性与动力学特性
• 2.2.1 空间目标的轨道特性
• 2.2.2 空间目标的动力学特性
• 2.3 空间雷达目标的电磁散射特性
• 2.3.1 空间目标的结构特征
• 2.3.2 空间目标的电磁散射特性
• 2.4 空间雷达目标的RCS 特性
• 2.4.1 RCS 的定义与分类
• 2.4.2 空间目标 RCS 的随机性
• 2.4.3 空间目标 RCS 的确定性
• 2.5 复杂目标的RCS 预估方法
• 2.5.1 RCS 预估方法简介
• 2.5.2 几何光学法
• 2.5.3 物理光学法
• 2.5.4 尖劈的物理绕射解
• 2.5.5 空间目标 RCS 的预估结果分析
• 2.6 空间目标的一维距离像特性
• 2.6.1 多散射中心理论
• 2.6.2 空间目标的一维距离像特性
• 2.7 小结
• 第三章 基于RCS 观测序列的低分辨雷达空间目标识别
• 3.1 引言
• 3.2 连续小波变换与一维 Mallat 算法
• 3.2.1 连续小波变换
• 3.2.2 一维Mallat 算法
• 3.3 基于RCS 观测序列的低分辨雷达空间目标识别
• 3.3.1 基于低分辨雷达RCS 观测序列的特征提取
• 3.3.2 模糊分类识别
• 3.3.3 算法流程图
• 3.3.4 实验结果与分析
• 3.4 小结
• 第四章 基于一维距离像的高分辨雷达空间目标识别
• 4.1 引言
• 4.2 基于积分双谱的空间目标识别
• 4.2.1 双谱的定义
• 4.2.2 基于局部围线积分双谱的空间目标识别
• 4.2.2.1 围线积分双谱特征
• 4.2.2.2 局部围线积分双谱特征
• 4.2.2.3 评价特征的有效性
• 4.2.2.4 应用 BP 神经网络进行分类识别
• 4.2.2.5 算法流程图
• 4.2.2.6 实验结果与分析
• 4.2.3 基于子块积分双谱的空间目标识别
• 4.2.3.1 子块积分双谱特征
• 4.2.3.2 应用 KL 变换进行特征压缩
• 4.2.3.3 模板匹配分类识别
• 4.2.3.4 算法流程图
• 4.2.3.5 实验结果与分析
• 4.3 基于距离像序列的空间目标识别
• 4.3.1 RELAX 算法
• 4.3.2 径向长度特征
• 4.3.3 分类识别
• 4.3.4 实验结果与分析
• 4.4 小结
• 第五章 基于高分辨单脉冲雷达的空间目标识别
• 5.1 引言
• 5.2 基于三维像体积特征的空间目标识别
• 5.2.1 高分辨单脉冲雷达三维成像
• 5.2.2 三维像体积特征
• 5.2.3 分类识别
• 5.2.4 实验结果与分析
• 5.3 基于轮廓面积特征的空间目标识别
• 5.3.1 轮廓面积特征
• 5.3.2 分类识别
• 5.3.3 实验结果与分析
• 5.4 小结
• 结束语
• 论文完成的主要工作
• 下一步工作展望
• 致谢
• 参考文献
• 作者在学期间取得的学术成果