空中目标特征检测与分类识别算法研究

发布时间：2020-10-18 11:51

　　 空中目标凭借高机动性和高灵活度等特点,在战场上承担了多种重要任务,得以广泛的应用。对空中目标的检测及分类识别研究不仅有助于及时发现入侵目标,达到防空预警的效果,而且能获得目标的类别及武器挂载等细节信息,为战场指挥提供技术支撑。然而随着战场电磁环境的复杂化和目标类型的增多,在低空环境中出现了悬停直升机此类的慢速飞行目标,低空环境较强的噪声或干扰会掩盖目标回波,导致常规检测算法检测性能不佳。针对常规门限检测算法的局限性和空中目标分类识别的迫切需求,本文从目标对回波的调制特性着手研究,在对空中目标回波特征分析与提取的基础上,对低空慢速目标的特征检测及空中目标分类识别展开研究。具体而言,论文的研究内容包含以下三个部分:1、根据目标的微动模型,对窄带雷达体制下三种飞机目标的回波展开特征分析。首先分析了直升机、螺旋桨和喷气式三类飞机目标的微动模型,并进行仿真实验生成回波数据。通过对回波数据的分析发现,三类飞机目标对回波的调制特性均表现为较强的平动机身分量和占一定比例的微动分量,不同目标的差异性主要体现在微动分量上。然后依据这一特性,对各类目标的回波进行了包括回波波形特征、体现微动特性的时频特征在内的多种特征的分析,以反映回波的调制特性。最后,着重研究了直升机桨叶形状这一细节特征对回波微多普勒特性的影响,结合理论与实测数据展开分析,指出了其潜在的利用价值。2、针对传统的目标检测算法并未考虑到目标对回波的调制特性这一问题,对低空慢速目标展开特征检测研究。针对目标回波与噪声或干扰在调制特性上表现的差异性,重点研究了回波的特征分布情况,对比分析多种特征的可分性。依据特征分析的结果,本文选取了能够体现目标调制特性的特征量,设计了一种可适用于低空目标的特征检测方法。将所提方法应用于回波数据的处理时,处理结果表明,本文所提方法可有效实现低空慢速目标的检测。3、基于对实测数据的特征分析,对窄带雷达体制下直升机、螺旋桨及喷气式飞机三类目标的分类与直升机识别展开研究。通过对三类目标实测回波数据的分析发现,不同类型目标其回波的微多普勒调制特征表现出较大的差异性。根据这一特性,对目标回波进行了多种特征提取,在特征分析的基础之上选取了可分性较好的一些特征量,并提出了一种多特征联合的目标分类算法。在分类的基础之上,利用不同型号直升机目标回波的微多普勒特性差异,提出了一种基于时频特征的直升机识别方法。对实测数据的处理表明本文所提算法能有效实现目标的分类及识别。
【学位单位】：西安电子科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TN957.51;E91
【部分图文】：

44(7)相位相对量+时频谱密度+时频谱通量 (8)频域波形熵+时频谱密度+时频谱通量图4.2 三种回波的特征分布情况由上述特征分布情况可知，总体而言，目标与噪声对雷达回波的调制作用体现出较大的差异性 对于每种回波特征具体而言，目标与噪声的调制特性呈现出不同的规律 通过对时域特征的分布情况进行分析可以发现，目标与噪声的时域特征出现了混叠，这表明仅仅利用时域特征难以直接实现目标的检测 进一步分析可知，噪声较大的特点即为随机性，所以其回波在时域表现为较大的随机性，相对应地会产生很大的相位相对量和较大的时域波形熵 对于目标而言，其在窄带雷达体制下的回波由其上各个散射点回波叠加所得
【相似文献】

相关期刊论文 前10条

1 黄秋燕;冯学智;肖鹏峰;;利用稀疏分解的高分辨率遥感图像线状特征检测[J];武汉大学学报(信息科学版);2014年08期

2 方亦凯;程健;汪孔桥;卢汉清;;基于快速尺度空间特征检测的手势识别方法[J];中国图象图形学报;2009年02期

3 潘广林;梁彦;金术玲;潘泉;程咏梅;;基于子束变换的自适应线性特征检测[J];火力与指挥控制;2008年10期

4 马菊红;朱灿焰;;认知无线电中一种循环特征检测方法研究[J];通信技术;2009年04期

5 肖志涛,国澄明,侯正信,于明;图像特征检测算法的分析与研究[J];中国图象图形学报;2004年12期

6 虞凡;覃征;;一种基于时频域归一化二次谱的信号特征检测方法[J];西安交通大学学报;2006年10期

7 温建飞;岳凤英;李永红;;基于FPGA硬件架构的实时高速图像特征检测系统[J];电子世界;2015年21期

8 刘昕鑫;王元庆;;基于双焦单目立体视觉的多层次特征检测算法[J];计算机测量与控制;2009年02期

9 陈强;金明;童景文;;一种针对噪声不确定性的顽健循环特征检测法[J];电信科学;2016年10期

10 蒙军;黄梅;王成科;;基于灰色关联的运动训练背景下肌体行为特征检测[J];科技通报;2015年02期

相关博士学位论文 前10条

1 王建辉;实时视觉特征检测与匹配硬件架构研究[D];华中科技大学;2015年

2 杜刚;新闻数据中突发话题检测研究[D];北京邮电大学;2012年

3 权勇;基于点表示的几何体的造型与绘制研究[D];吉林大学;2009年

4 朱莹;认知无线网络中高效频谱检测关键技术的研究[D];北京邮电大学;2014年

5 胡俊华;图象局部不变特征及其应用研究[D];中国科学技术大学;2009年

6 韦春桃;基于相位信息的影像特征检测与匹配方法研究[D];武汉大学;2010年

7 金野;纸币图像分析理解技术及其应用[D];哈尔滨工业大学;2008年

8 张超;树木影像特征提取与立体匹配技术研究[D];中国林业科学研究院;2003年

9 王艳霞;图像轮廓提取与三维重建关键技术研究[D];重庆大学;2010年

10 肖志涛;基于相位信息的图像特征检测和基于DSP的图像匹配处理机的研究[D];天津大学;2003年

相关硕士学位论文 前10条

1 彭良广;基于自适应消噪的心电特征检测与预警装置[D];重庆邮电大学;2019年

2 吴娇娇;空中目标特征检测与分类识别算法研究[D];西安电子科技大学;2019年

3 王飞;基于ARM的过坝泥流体下泄特征检测系统的设计与实现[D];成都理工大学;2019年

4 李明心;高光特征检测及其在水果分类上的应用[D];广西大学;2019年

5 巴特尔;基于深度学习的特征检测与识别[D];吉林大学;2018年

6 张云柯;基于场景识别的体育视频广告嵌入技术研究[D];杭州师范大学;2018年

7 熊显阔;钮扣特征检测与分类识别算法研究[D];华中科技大学;2016年

8 姜艳;对基于点表示的物体进行绘制和特征检测的技术的研究与实现[D];吉林大学;2008年

9 许可乐;图像局部不变特征检测与描述技术研究[D];国防科学技术大学;2013年

10 刘晓敏;认知无线电中基于压缩感知的循环特征检测算法研究[D];北京邮电大学;2014年

本文编号：2846261