雷达对抗目标信号特征研究

雷达对抗目标信号特征在对雷达对抗目标识别中占有关键作用。文章对雷达对抗目标信号特征做了总的阐述。同时从两个方面分别对常见的信号特征参数进行分析。分析了目标信号细微特征产生的原因,给出了个体特征参数应具有的特征条件。分析了目标细微特征用于个体识别。对雷达对抗目标的信号特征问题进行了总结与展望。     

船载远程电子通信设备异常信号识别方法

传统的船载远程电子通信设备异常信号识别方法存在着识别性能差的缺陷,为此提出船载远程电子通信设备异常信号识别方法研究。利用比较判别法对采集的船载远程电子通信设备信号进行判别,对异常信号特征进行提取并组成异常信号特征集合,以异常信号特征集合为依据采用异常信号识别算法对异常信号进行识别,实现了船载远程电子通信设备异常信号的识别。通过实验得到,提出的船载远程电子通信设备异常信号识别方法识别正确率比传统方法高出24%,说明提出的船载远程电子通信设备异常信号识别方法具备更好的识别性能。     

舰艇编队通信对抗体系研究

信息化海战场舰艇编队对抗中,通信对抗呈现体系化对抗趋势。本文从编队通信对抗的主要内容出发,详细论述了编队通信对抗对流程体系、时空基准和信息融合的需求,重点研究了指控流程、协同定位、目标识别和网电复合攻击的关键技术,以及编队体系对抗所带来的效能提升。本文的研究内容对编队通信对抗体系建设和发展具有一定的指导意义。     

基于LOFAR谱和DEMON谱特征的舰船辐射噪声研究

目标识别的核心问题就是目标特征提取.文章用LOFA和DEMON的方法对舰船辐射噪声的谱和频率特性进行分析,给出了方法和结果的简要介绍,并对仿真信号和实船信号分别进行研究,得到了一些具有工程实际意义的计算结果,为舰船的检测识别提供了有效的参考.     

一种基于多频谱特征的舰艇识别方法

多频谱技术是红外探测中的一种重要方法。利用这种方法研究雷达信号的多频谱特征，讨论利用多频谱特征识别目标的方法，并利用神经网络的方法对这种识别技术进行验证，得到了很好的效果。     

通信对抗目标选择与任务分配评估指标体系研究

通信对抗干扰目标选择和任务分配是通信对抗作战效能评估的重要内容.在深入研究通信对抗战术战法的基础上,建立通信对抗目标选择和任务分配评估指标体系,并通过算法模型对其进行量化分析和评估; 提出干扰压制强度F 的概念,并建立在各种电波传播方式下F的简化模型,使得对干扰任务分配的评估分析更加科学合理.     

动态频谱信号侦察的商用设备解决方案

动态频谱通信的出现将给电子侦察提出许多新的挑战。动态频谱信号的＂多变性＂使得传统信号特征检测技术需要更多的认知与重构能力。信号时间周期特征以及地理位置特征将成为识别动态频谱信号的两大要素。文章试图使用先进的商用电子监测设备作为构造军用电子侦察的一个重要选项。     

声自导鱼雷尺度靶供靶模型的创建与仿真

论文主要介绍了声自导鱼雷尺度靶供靶的原理,并创建了为声自导鱼雷供靶的模型,利用M atlab对供靶的过程进行了仿真,对仿真结果进行了分析,并将鱼雷非尺度声靶模型仿真结果和尺度声靶供靶仿真的鱼雷回波信号进行对比,得出鱼雷尺度声靶模拟鱼雷声目标的逼真度和准确性,其回波信号能更为真实地反映潜艇等声目标对声自导鱼雷寻的信号的反射特性,从而加强靶标对抗鱼雷识别的能力,更好地保障高技术信息化条件下的鱼雷武器的靶场试验。     

基于目标MFCC特征的监督学习方法在被动声呐目标识别中的应用研究

以机器学习为代表的智能技术迅猛发展,也为被动声呐目标识别提供了新的思路。利用机器学习算法挖掘水声目标信号深层特征,实现目标自动识别、辅助识别,成为被动声呐目标识别的新发展方向。本文针对水下噪声目标的信号特性,结合人耳在低信噪比、多目标环境下的优异识别性能,提取被动声呐目标经典听觉感知特征——梅尔倒谱(MFCC),并引入KNN、SVM、CNN和DBN四种机器学习算法对两类水声目标进行监督学习和识别分析。试验结果表明,监督学习方法应用于被动声呐目标识别具有可行性,且其中DBN方法对目标MFCC特征的识别性能最佳。     

舰船目标距离一维实时成像及其特征研究

雷达目标距离像的特性对目标识别有很大影响,对目标距离像特征的分析尤为重要.针对线性调频脉冲信号提出了舰船目标一维距离像实时成像算法,同时结合实测数据对舰船目标的距离像特性进行了分析,并讨论了距离像特征对雷达目标自动识别的影响,以及处理这些特性的常用方法,最后对包络对齐及幂次相关2种方法在雷达目标识别预处理中的应用进行了分析,从而为基于高分辨距离像的雷达目标识别工作打下了基础.     

基于 Web语义的舰船雷达目标识别系统设计

针对舰船雷达信号目标的识别方式简单、识别度低的情况,文中提出基于 Web语义的舰船雷达回波自动识别系统。因为雷达信号目标特征信息点分散且繁杂,在语义 Web网下取得雷达信号目标图像的数据特征,运用改进 FastICA算法提取特征数据后,通过智能雷达回波视频图像识别系统,对舰船目标图像进行分析。实验证明,基于 Web语义的舰船雷达目标识别系统,能使大量信息被系统充分利用,达到精确识别舰船雷达图像目标的目的。     

基于粒子群优化的SAR图像舰船目标特征选择

SAR图像特征提取和分类器设计是进行目标识别的关键,通常情况下分类器性能与特征数量之间并不存在线性关系,相反过度冗余的特征甚至会导致分类器性能严重下降,因此特征选择成为必要。提出一种粒子群优化与Wrapper策略相结合的特征选择方法,针对包含待识别舰船目标的SAR图像,提取其3类共16个典型特征,利用本文所提算法筛选出最佳的特征组合。实验结果表明,将本文所提取的特征组合用于目标识别,分类精度提高了22%,分类时间缩短了2.16 s。     

一种新颖的特殊体制雷达辐射源识别技术

对特殊体制雷达信号脉内特征的提取是电子对抗的重要研究课题。论文利用韦尔奇功率谱原理来提取信号识别特征参数,并根据提取出的特征参数设计信号识别模型。首先从多种信号中检测识别线性调频信号、相位编码信号、频率编码信,然后分析特征参数的适用范围和信号环境。最后通过仿真分析来验证特征提取算法和识别方法在雷达辐射源信号识别中的可行性。     

水中目标回波脉冲包络起伏特征研究

水中目标散射声信号中蕴含了目标外形、结构、材质等物理属性信息,如何表征和提取这些属性信息一直是水中目标散射声信号分类与识别研究关注的焦点之一。为此,文章提出并研究了与水中目标属性信息相关联的散射声信号包络起伏特征,分析了该特征与目标外形、结构等物理属性间的内在关联及其形成机理,建立了相应的特征表征模型,并开展了理论仿真分析和模型实验验证研究。研究结果表明:体目标回波的脉冲包络起伏极值频率随入射声波的载频增加而增加,这体现了体目标的属性;Bench Mark模型的回波脉冲包络起伏频率与目标方位角密切相关,其中艏艉方向最大,正横方位最小。     

水声目标辐射噪声谐波特征提取算法

水下目标辐射噪声中的谐波分量包含了反映目标自身本质特性的信息,能否有效提取目标谐波特征关系到目标识别的效果.论文基于目标辐射噪声的一般数理模型,利用最大似然估计和卡尔曼滤波理论,提出一种水下目标辐射噪声谐波特征的提取与分析算法,估计得到了谐波的瞬时基频;然后利用卡尔曼滤波器跟踪瞬时基频的时变特性,实现对基频的精确跟踪和估计;并提取各阶谐波的振幅,得到目标的谐波特征;最后结合仿真信号与实测数据进行对比,验证了谐波特征提取算法估计基频和提取谐波信息的可行性.     

利用仰角信息降低直升机声目标检测虚警率

对直升机声目标的检测是低空管制的一项重要内容。利用谐波特征识别直升机声信号往往受到地面噪声的影响,系统的虚警率高。不同的声源目标有着不同的空间位置,依据这一特性,文中提出一种利用仰角信息和谐波特征综合判断的方法来检测直升机声目标。实验的对比结果表明了该方法的有效性和可行性,系统的虚警率从18.29%降到了4.88%。最后在LabVIEW环境下,设计出声探测技术实验平台用于直升机声目标的检测,实现了软件和硬件的结合。平台的界面友好,操作简单,实用性较好。     

掩埋目标声散射特征提取（英文）

Elastic acoustic scattering is important for buried target detection and identification. For elastic spherical objects, studies have shown that a series of narrowband energetic arrivals follow the first specular one. However, in practice, the elastic echo is rather weak because of the acoustic absorption, propagation loss, and reverberation, which makes it difficult to extract elastic scattering features, especially for buried targets. To remove the interference and enhance the elastic scattering, the de-chirping method was adopted here to address the target scattering echo when a linear frequency modulation(LFM) signal is transmitted. The parameters of the incident signal were known. With the de-chirping operation, a target echo was transformed into a cluster of narrowband signals, and the elastic components could be extracted with a band-pass filter and then recovered by remodulation.The simulation results indicate the feasibility of the elastic scattering extraction and recovery. The experimental result demonstrates that the interference was removed and the elastic scattering was visibly enhanced after de-chirping, which facilitates the subsequent resonance feature extraction for target classification and recognition.     

Classification of underwater still objects based on multi-field features and SVM

A Support Vector Machine is used as a classifier to the automatic detection and recognition of underwater still objects. Discrimination between the objects can be transferred into different projection spaces by the process of multi-field feature extraction. The multi-field feature vector includes time-domain, spectral, time-frequency distribution and bi-spectral features. Underwater target recognition can be considered as a problem of small sample recognition. SVM algorithm is appropriate to this kind of problems because of its outstanding generalizability. The SVM is contrasted with a Gaussian classifier and a k-nearest classifier in some experiments using real data of lake or sea trial. The experimental results indicate that SVM is better than the others two.     

目标回声分类特征的冗余性评价

对目标回声分类特征的冗余性进行评价与分析.对于2个特征维之间的冗余性,采用基于特征间线性相关系数作为冗余性度量,通过特征的相关系数矩阵分析了特征维之间的冗余度.此外,本文提出了基于特征协方差矩阵近零特征值的冗余性度量,据此可以进一步分析特征组内部的多维组合冗余.最后,利用以上2种冗余性度量,对5种目标回声分类特征各自的...