基于极化特征识别的地貌识别策略
发布时间：2020-12-23 15:10
为满足其近感测量精度,需对探测范围内的地貌环境进行有效识别。提出一种基于最优投影的地貌识别算法,为现代空域近感平台提供必要的地貌识别能力。定义了利用目标散射矩阵特征值构成的特征参数,且该参数与探测信号强度、角度等参数均无关,仅相关于探测区域内的地形结构特征。并结合Krogager关于目标散射矩阵分解的相关思想,建立带参数的标准散射体旋转不变矩阵,将探测区域内的地貌极化散射矩阵投影至标准体,得到目标散射矩阵在每一标准体的权值,并通过最优化投影进一步判定该地貌属性,从而达到识别的目的。
【文章来源】：火力与指挥控制. 2020年06期 北大核心
【文章页数】：7 页
【部分图文】：
茂密的高大树林如图1所示，当探测区域为密集高大树林时，
54°（-44.284，-17.930，-48.794）［-64.640，-28.467，0］T（0.868，0.494，0.419）8.751至1052°49’E）进行算法验证实验，如图8所示。图8提取区域的俯视高程图如图8所示，该区域内的最高海拔为1682m，以丘陵为主，未有大面积的平坦地段，该范围为平台飞行区域。本文仅利用该地貌中的一小部分作为探测波束覆盖范围，用以验证所提出的POP-LB算法的可行性与优越性。将探测波束范围内的回波进行处理，得到不同极化模式下的回波信号幅度，由此可以得到波束探测范围内地形“坐标”与不同探测俯仰角之间的关系如图9所示。由得到的不同“坐标”值，根据式（5）与式（6）求解出目标区域的度量向量，并由式（7）计算得到不同角度下目标区域在各个基底下的最优投影，得到的结果如表2所示。最优投影“坐标”表征了该区域的图9不同探测俯仰角下的地形“坐标”表2不同角度下目标区域的度量向量、最优投影及起伏度结果·78·1032
（总第45-）30m之间的平台，这种误差就显得十分巨大，回波信号示意图如图2所示。图2探测器截获回波示意图为避免平台在上述环境下的测量误差，本文提出一种基于最优投影的地貌识别算法，利用极化信息对探测区域内的地物环境进行有效识别。2极化最优投影地貌识别算法极化信息作为回波信号的又一可利用信息，已经广泛应用于目标探测与识别领域。根据Krogager［10］的相关研究成果，任一目标的极化散射矩阵都可以分解成球、二面角和螺旋体3种成分，根据目标的组成成分的差异，达到目标识别的目的。但是，对于平台毫米波探测器而言，探测范围内的地形较为复杂，多为山地、丘陵等，如图3所示。图3探测器探测区域内地貌示意图对于图3所示的地貌特征，分解为球、二面角和螺旋体3种结构之后，所得地貌的组成成分差异较小，难以区分地貌属性。因此，需要对组成成分标准体进行改进，用于扩大差异性，有利于实现地貌属性确定。结合Krogager的思想，本文提出一种基于极化最优投影的地貌识别（PolarizedOptimalProjectionLandscapeRecognition，POP-LR）算法，并建立由四棱锥、圆台、球组成的投影基，将地表极化回波信息投影到上述投影基内，得到最优投影条件下的不同地貌“坐标”（由不同基底投影距离组成），从而判断地形属性，完成地貌识别。2.1散射矩阵旋转不变参数在极化探测器目标识别过程中，目标结构特性成为了关注的焦点。因此，需要建立与位置、观测角度无关的极化特征量。在单站雷达中如果互易定理成立，目标散射矩阵为一轴对称矩阵，可表示为：（1）其中，Shv=Svh，下标“ij”表示j极化方式发射，i极化方式接收；h表征水平极化，v表征垂直极化。当入射角度发生改变时，目标散射矩阵?
【参考文献】：
期刊论文
[1]基于数字高程模型数据的机载认知雷达地杂波建模方法研究[J]. 饶妮妮,陈星波,周加兵,邱朝阳,刘丁赟. 电子科技大学学报. 2016(04)
[2]雷达极化技术研究现状与展望[J]. 王雪松. 雷达学报. 2016(02)
[3]基于极化特征的雷达目标识别技术[J]. 宋新景. 雷达科学与技术. 2016(01)
[4]雷达极化信息获取与处理的研究进展[J]. 代大海,廖斌,肖顺平,王雪松. 雷达学报. 2016(02)
[5]基于分数阶傅里叶变换的弹载SAR成像算法[J]. 陈勇,赵惠昌,陈思,张淑宁. 物理学报. 2014(11)
[6]基于极化不变量特征的雷达目标识别技术[J]. 王福友,罗钉,刘宏伟. 雷达科学与技术. 2013(02)
[7]一种极化分集制导雷达及低截获概率信号设计[J]. 宋立众,乔晓林,吴群. 系统工程与电子技术. 2009(12)
[8]一种基于复加权的目标极化识别方法[J]. 邵仙鹤,李爱芝,严发宝,乔晓林. 南京理工大学学报(自然科学版). 2009(04)
[9]极化雷达遥感中目标特征提取[J]. 高明星,杨健,彭应宁. 电波科学学报. 2004(04)
硕士论文
[1]弹载嵌入式实时雷达信号处理系统设计与研究[D]. 徐瑞.西安电子科技大学 2015
本文编号：2933920
【文章来源】：火力与指挥控制. 2020年06期 北大核心
【文章页数】：7 页
【部分图文】：
茂密的高大树林如图1所示，当探测区域为密集高大树林时，
54°（-44.284，-17.930，-48.794）［-64.640，-28.467，0］T（0.868，0.494，0.419）8.751至1052°49’E）进行算法验证实验，如图8所示。图8提取区域的俯视高程图如图8所示，该区域内的最高海拔为1682m，以丘陵为主，未有大面积的平坦地段，该范围为平台飞行区域。本文仅利用该地貌中的一小部分作为探测波束覆盖范围，用以验证所提出的POP-LB算法的可行性与优越性。将探测波束范围内的回波进行处理，得到不同极化模式下的回波信号幅度，由此可以得到波束探测范围内地形“坐标”与不同探测俯仰角之间的关系如图9所示。由得到的不同“坐标”值，根据式（5）与式（6）求解出目标区域的度量向量，并由式（7）计算得到不同角度下目标区域在各个基底下的最优投影，得到的结果如表2所示。最优投影“坐标”表征了该区域的图9不同探测俯仰角下的地形“坐标”表2不同角度下目标区域的度量向量、最优投影及起伏度结果·78·1032
（总第45-）30m之间的平台，这种误差就显得十分巨大，回波信号示意图如图2所示。图2探测器截获回波示意图为避免平台在上述环境下的测量误差，本文提出一种基于最优投影的地貌识别算法，利用极化信息对探测区域内的地物环境进行有效识别。2极化最优投影地貌识别算法极化信息作为回波信号的又一可利用信息，已经广泛应用于目标探测与识别领域。根据Krogager［10］的相关研究成果，任一目标的极化散射矩阵都可以分解成球、二面角和螺旋体3种成分，根据目标的组成成分的差异，达到目标识别的目的。但是，对于平台毫米波探测器而言，探测范围内的地形较为复杂，多为山地、丘陵等，如图3所示。图3探测器探测区域内地貌示意图对于图3所示的地貌特征，分解为球、二面角和螺旋体3种结构之后，所得地貌的组成成分差异较小，难以区分地貌属性。因此，需要对组成成分标准体进行改进，用于扩大差异性，有利于实现地貌属性确定。结合Krogager的思想，本文提出一种基于极化最优投影的地貌识别（PolarizedOptimalProjectionLandscapeRecognition，POP-LR）算法，并建立由四棱锥、圆台、球组成的投影基，将地表极化回波信息投影到上述投影基内，得到最优投影条件下的不同地貌“坐标”（由不同基底投影距离组成），从而判断地形属性，完成地貌识别。2.1散射矩阵旋转不变参数在极化探测器目标识别过程中，目标结构特性成为了关注的焦点。因此，需要建立与位置、观测角度无关的极化特征量。在单站雷达中如果互易定理成立，目标散射矩阵为一轴对称矩阵，可表示为：（1）其中，Shv=Svh，下标“ij”表示j极化方式发射，i极化方式接收；h表征水平极化，v表征垂直极化。当入射角度发生改变时，目标散射矩阵?
【参考文献】：
期刊论文
[1]基于数字高程模型数据的机载认知雷达地杂波建模方法研究[J]. 饶妮妮,陈星波,周加兵,邱朝阳,刘丁赟. 电子科技大学学报. 2016(04)
[2]雷达极化技术研究现状与展望[J]. 王雪松. 雷达学报. 2016(02)
[3]基于极化特征的雷达目标识别技术[J]. 宋新景. 雷达科学与技术. 2016(01)
[4]雷达极化信息获取与处理的研究进展[J]. 代大海,廖斌,肖顺平,王雪松. 雷达学报. 2016(02)
[5]基于分数阶傅里叶变换的弹载SAR成像算法[J]. 陈勇,赵惠昌,陈思,张淑宁. 物理学报. 2014(11)
[6]基于极化不变量特征的雷达目标识别技术[J]. 王福友,罗钉,刘宏伟. 雷达科学与技术. 2013(02)
[7]一种极化分集制导雷达及低截获概率信号设计[J]. 宋立众,乔晓林,吴群. 系统工程与电子技术. 2009(12)
[8]一种基于复加权的目标极化识别方法[J]. 邵仙鹤,李爱芝,严发宝,乔晓林. 南京理工大学学报(自然科学版). 2009(04)
[9]极化雷达遥感中目标特征提取[J]. 高明星,杨健,彭应宁. 电波科学学报. 2004(04)
硕士论文
[1]弹载嵌入式实时雷达信号处理系统设计与研究[D]. 徐瑞.西安电子科技大学 2015
本文编号：2933920
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2933920.html
