极化目标识别关键技术研究

论文摘要

随着雷达技术的发展,雷达系统的应用范围不断扩大,雷达的结构日益复杂,功能也日臻完善,除可以检测到更远距离的目标,更为精确地测定目标位置及目标速度等重要信息外,为适应现代战争电磁攻防需要,现代雷达还应具备在复杂的电磁环境中有效认知目标,即对雷达目标进行可靠分类、识别的能力。文中所研究的极化目标识别算法在雷达目标识别方面具有独特的优势,算法不但充分挖掘了目标回波信号的极化信息在雷达目标识别技术中所拥有的巨大应用潜力,且充分利用高分辨雷达在极化信息处理方面的优势,结合先进的信号处理算法,实现了快速而精确地对雷达目标进行分类、识别。本文的研究工作分为两个部分:第2章为对现有极化目标识别算法的比较,重点分析了符合课题背景的极化分解各算法的原理、适用条件及优缺点等;第3章在第2章工作的基础上,考虑对目标散射分量以对目标极化散射特性有无贡献为标准进行分类,并选择使用两类分量的散射截面积作为极化特征用于雷达目标识别,接着提出了一种基于极化相干矩阵提取该极化特征的算法,该算法可用于处理非相干散射回波,且计算量小,物理意义明确,适用于目标实时识别,最后尝试使用Huynen分解算法提取上述极化特征,经过推导得到了可用于描述目标极化散射机制起伏程度的极化特征。在对文中各极化分解算法的性能进行分析时,讨论了随机噪声对各算法效果的影响,并重点分析了随机噪声对文中提出的基于极化相干矩阵的极化特征提取算法的影响。通过Monte Carlo仿真结果可以看出,文中算法用于识别具有特定极化特征的雷达目标时,具有良好的效果。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景及研究意义
• 1.2 国内外研究现状
• 1.3 本文的研究内容及结构
• 第2章 基于极化分解的雷达目标识别介绍
• 2.1 Sinclair散射矩阵
• 2.1.1 Sinclair散射矩阵的定义
• 2.1.2 Sinclair散射矩阵的变换
• 2.1.3 极化不变量
• 2.2 极化相干矩阵和Muller矩阵
• 2.2.1 极化相干矩阵
• 2.2.2 Muller矩阵
• 2.2.3 极化相干矩阵与Muller矩阵的转换
• 2.3 基于极化分解的雷达目标识别
• 2.3.1 对Sinclair散射矩阵的分解
• 2.3.2 对极化相干矩阵的分解
• 2.3.3 对Muller矩阵的分解
• 2.4 本章小结
• 第3章 极化目标识别算法的设计
• 3.1 基于极化相干矩阵的极化分解算法设计
• 3.2 基于Muller矩阵的极化分解算法设计
• 3.3 对基于极化相干矩阵的系统噪声的分析
• 3.4 本章小结
• 第4章 性能和误差分析
• 4.1 对系统噪声估计的误差分析
• 4.2 对极化分解算法的性能分析
• 4.2.1 对基于极化相干矩阵的极化分解算法的分析
• 4.2.2 对Huynen分解算法的分析
• 4.2.3 对基于极化相干矩阵的能量比值法的分析
• 4.2.4 对基于Muller矩阵的能量比值法的分析
• 4.3 本章小结
• 结论
• 参考文献
• 致谢