發(fā)布時間：2020-10-18 11:51

　　 空中目標憑借高機動性和高靈活度等特點,在戰(zhàn)場上承擔了多種重要任務,得以廣泛的應用。對空中目標的檢測及分類識別研究不僅有助于及時發(fā)現(xiàn)入侵目標,達到防空預警的效果,而且能獲得目標的類別及武器掛載等細節(jié)信息,為戰(zhàn)場指揮提供技術支撐。然而隨著戰(zhàn)場電磁環(huán)境的復雜化和目標類型的增多,在低空環(huán)境中出現(xiàn)了懸停直升機此類的慢速飛行目標,低空環(huán)境較強的噪聲或干擾會掩蓋目標回波,導致常規(guī)檢測算法檢測性能不佳。針對常規(guī)門限檢測算法的局限性和空中目標分類識別的迫切需求,本文從目標對回波的調制特性著手研究,在對空中目標回波特征分析與提取的基礎上,對低空慢速目標的特征檢測及空中目標分類識別展開研究。具體而言,論文的研究內容包含以下三個部分:1、根據(jù)目標的微動模型,對窄帶雷達體制下三種飛機目標的回波展開特征分析。首先分析了直升機、螺旋槳和噴氣式三類飛機目標的微動模型,并進行仿真實驗生成回波數(shù)據(jù)。通過對回波數(shù)據(jù)的分析發(fā)現(xiàn),三類飛機目標對回波的調制特性均表現(xiàn)為較強的平動機身分量和占一定比例的微動分量,不同目標的差異性主要體現(xiàn)在微動分量上。然后依據(jù)這一特性,對各類目標的回波進行了包括回波波形特征、體現(xiàn)微動特性的時頻特征在內的多種特征的分析,以反映回波的調制特性。最后,著重研究了直升機槳葉形狀這一細節(jié)特征對回波微多普勒特性的影響,結合理論與實測數(shù)據(jù)展開分析,指出了其潛在的利用價值。2、針對傳統(tǒng)的目標檢測算法并未考慮到目標對回波的調制特性這一問題,對低空慢速目標展開特征檢測研究。針對目標回波與噪聲或干擾在調制特性上表現(xiàn)的差異性,重點研究了回波的特征分布情況,對比分析多種特征的可分性。依據(jù)特征分析的結果,本文選取了能夠體現(xiàn)目標調制特性的特征量,設計了一種可適用于低空目標的特征檢測方法。將所提方法應用于回波數(shù)據(jù)的處理時,處理結果表明,本文所提方法可有效實現(xiàn)低空慢速目標的檢測。3、基于對實測數(shù)據(jù)的特征分析,對窄帶雷達體制下直升機、螺旋槳及噴氣式飛機三類目標的分類與直升機識別展開研究。通過對三類目標實測回波數(shù)據(jù)的分析發(fā)現(xiàn),不同類型目標其回波的微多普勒調制特征表現(xiàn)出較大的差異性。根據(jù)這一特性,對目標回波進行了多種特征提取,在特征分析的基礎之上選取了可分性較好的一些特征量,并提出了一種多特征聯(lián)合的目標分類算法。在分類的基礎之上,利用不同型號直升機目標回波的微多普勒特性差異,提出了一種基于時頻特征的直升機識別方法。對實測數(shù)據(jù)的處理表明本文所提算法能有效實現(xiàn)目標的分類及識別。
【學位單位】：西安電子科技大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TN957.51;E91
【部分圖文】：

44(7)相位相對量+時頻譜密度+時頻譜通量 (8)頻域波形熵+時頻譜密度+時頻譜通量圖4.2 三種回波的特征分布情況由上述特征分布情況可知，總體而言，目標與噪聲對雷達回波的調制作用體現(xiàn)出較大的差異性 對于每種回波特征具體而言，目標與噪聲的調制特性呈現(xiàn)出不同的規(guī)律 通過對時域特征的分布情況進行分析可以發(fā)現(xiàn)，目標與噪聲的時域特征出現(xiàn)了混疊，這表明僅僅利用時域特征難以直接實現(xiàn)目標的檢測 進一步分析可知，噪聲較大的特點即為隨機性，所以其回波在時域表現(xiàn)為較大的隨機性，相對應地會產生很大的相位相對量和較大的時域波形熵 對于目標而言，其在窄帶雷達體制下的回波由其上各個散射點回波疊加所得
【相似文獻】

相關期刊論文 前10條

1 黃秋燕;馮學智;肖鵬峰;;利用稀疏分解的高分辨率遙感圖像線狀特征檢測[J];武漢大學學報(信息科學版);2014年08期

2 方亦凱;程健;汪孔橋;盧漢清;;基于快速尺度空間特征檢測的手勢識別方法[J];中國圖象圖形學報;2009年02期

3 潘廣林;梁彥;金術玲;潘泉;程詠梅;;基于子束變換的自適應線性特征檢測[J];火力與指揮控制;2008年10期

4 馬菊紅;朱燦焰;;認知無線電中一種循環(huán)特征檢測方法研究[J];通信技術;2009年04期

5 肖志濤,國澄明,侯正信,于明;圖像特征檢測算法的分析與研究[J];中國圖象圖形學報;2004年12期

6 虞凡;覃征;;一種基于時頻域歸一化二次譜的信號特征檢測方法[J];西安交通大學學報;2006年10期

7 溫建飛;岳鳳英;李永紅;;基于FPGA硬件架構的實時高速圖像特征檢測系統(tǒng)[J];電子世界;2015年21期

8 劉昕鑫;王元慶;;基于雙焦單目立體視覺的多層次特征檢測算法[J];計算機測量與控制;2009年02期

9 陳強;金明;童景文;;一種針對噪聲不確定性的頑健循環(huán)特征檢測法[J];電信科學;2016年10期

10 蒙軍;黃梅;王成科;;基于灰色關聯(lián)的運動訓練背景下肌體行為特征檢測[J];科技通報;2015年02期

相關博士學位論文 前10條

1 王建輝;實時視覺特征檢測與匹配硬件架構研究[D];華中科技大學;2015年

2 杜剛;新聞數(shù)據(jù)中突發(fā)話題檢測研究[D];北京郵電大學;2012年

3 權勇;基于點表示的幾何體的造型與繪制研究[D];吉林大學;2009年

4 朱瑩;認知無線網(wǎng)絡中高效頻譜檢測關鍵技術的研究[D];北京郵電大學;2014年

5 胡俊華;圖象局部不變特征及其應用研究[D];中國科學技術大學;2009年

6 韋春桃;基于相位信息的影像特征檢測與匹配方法研究[D];武漢大學;2010年

7 金野;紙幣圖像分析理解技術及其應用[D];哈爾濱工業(yè)大學;2008年

8 張超;樹木影像特征提取與立體匹配技術研究[D];中國林業(yè)科學研究院;2003年

9 王艷霞;圖像輪廓提取與三維重建關鍵技術研究[D];重慶大學;2010年

10 肖志濤;基于相位信息的圖像特征檢測和基于DSP的圖像匹配處理機的研究[D];天津大學;2003年

相關碩士學位論文 前10條

1 彭良廣;基于自適應消噪的心電特征檢測與預警裝置[D];重慶郵電大學;2019年

2 吳嬌嬌;空中目標特征檢測與分類識別算法研究[D];西安電子科技大學;2019年

3 王飛;基于ARM的過壩泥流體下泄特征檢測系統(tǒng)的設計與實現(xiàn)[D];成都理工大學;2019年

4 李明心;高光特征檢測及其在水果分類上的應用[D];廣西大學;2019年

5 巴特爾;基于深度學習的特征檢測與識別[D];吉林大學;2018年

6 張云柯;基于場景識別的體育視頻廣告嵌入技術研究[D];杭州師范大學;2018年

7 熊顯闊;鈕扣特征檢測與分類識別算法研究[D];華中科技大學;2016年

8 姜艷;對基于點表示的物體進行繪制和特征檢測的技術的研究與實現(xiàn)[D];吉林大學;2008年

9 許可樂;圖像局部不變特征檢測與描述技術研究[D];國防科學技術大學;2013年

10 劉曉敏;認知無線電中基于壓縮感知的循環(huán)特征檢測算法研究[D];北京郵電大學;2014年

本文編號：2846261