当前位置:问答库>论文摘要

题目:基于频率步进高分辨雷达技术的目标识别研究

关键词:目标识别;高分辨距离像;频率步进;数字正交解调;FPGA;速度补偿;聚类分析;主成分分析;Mallat算法;多孔算法;平移不变特征;多尺度统计特征

  摘要

高分辨距离像包含了目标散射中心在径向距离上的分布信息,并且易于获取和处理,因此基于高分辨距离像的目标识别受到越来越多的关注,是当前雷达自动目标识别研究中的热点领域之一。在前人的工作基础上,本文主要围绕基于频率步进技术的高分辨距离像获取方法、目标高分辨距离像的特性以及基于实测高分辨距离像数据的目标识别等内容展开研究,主要工作概括如下:从频率步进高分辨成像的基本原理出发,讨论了频率步进高分辨雷达成像系统主要参数的设计以及系统实现的方案。详细论述了测量系统频分+时分双通道工作模式的时序设计以及基于FPGA的通用参数化时序控制单元的实现。给出了系统正交解调的数字化实现方案,并针对数字正交解调中数字滤波器在工作频率上的瓶颈,结合高速A/D转换器的特点和多相滤波的思想提出了一种新型滤波器结构,可以有效提升数字正交解调板卡的工作频率。最后给出了已交付用户使用的测量系统获得的一些真实目标的外场实测结果数据。分析了频率步进高分辨距离像的特性。结合实测目标数据重点分析了信号载频、带宽和目标方位对距离像姿态敏感性的影响,以及信号带宽对识别率的影响。基于实测数据仿真分析了目标径向速度对距离像和识别率的影响,说明速度补偿对目标识别的重要性。提出了一种目标径向速度补偿的新方法,与其它方法相比,该方法利用FFT可大幅减小计算量,同时也可通过改变FFT的点数灵活调整径向速度估计精度。研究了基于平移不变特征的距离像识别方法。分析了距离像对齐在实际应用中存在的问题。分析了常用的幅度谱、功率谱、双谱和中心矩等平移不变特征的特性,提出将距离像的自相关函数作为平移不变特征,并分析了其可行性,各平移不变特征识别的抗噪声性能结果对比显示自相关函数在低信噪比下更具优势。研究了对各种特征分别采用聚类分析方法减少模板数量和主成分分析压缩特征维数以及采用聚类分析结合主成分分析的联合处理方法在不同信噪比下的识别效果。实验结果显示聚类分析结合主成分分析的联合处理方法可大幅压缩模板数据量,从而减少数据存储量和运算量,识别率也有所提升。研究了基于小波变换的识别方法。对幅度谱、功率谱以及自相关函数等距离像平移不变特征运用Mallat算法进行小波分解,以分解后的近似信号进行识别。详细分析了不同小波基和不同分解尺度对识别率的影响以及不同平移不变特征用于识别的抗噪声性能。提出了采用多孔算法对距离像直接进行小波变换,提取距离像的小波分解多尺度统计特征,利用模糊分类器进行识别以消除各特征分量不同量纲的影响的识别方法。研究了不同小波基分解得到的多尺度统计特征的识别能力及抗噪声性能,分析了不同分解尺度以及不同尺度下的特征组合在不同信噪比水平下对识别率的影响。