發(fā)布時間：2021-07-08 09:30

　　雷達(dá)目標(biāo)識別是現(xiàn)代雷達(dá)研究的重要發(fā)展方向。目前雷達(dá)目標(biāo)識別在寬帶高分辨雷達(dá)方面的研究已經(jīng)取得很大的進(jìn)展,而對于常規(guī)雷達(dá)的目標(biāo)識別的研究更具有現(xiàn)實的意義。雷達(dá)散射截面積（Radar Cross Section,RCS）是目標(biāo)電磁散射特性中最重要的幅度特性。本文針對空中飛機目標(biāo)的分類問題,提出利用徑向基（Radial Basis Function,RBF）網(wǎng)絡(luò)對動態(tài)RCS特征進(jìn)行分類辨識的方法。主要工作有以下幾點。首先,研究雷達(dá)散射截面的基本理論及雷達(dá)目標(biāo)RCS求解方法�？紤]到目標(biāo)的實測動態(tài)RCS難以獲取,研究了一種目標(biāo)動態(tài)RCS計算方法。本文以典型飛機目標(biāo)作為對象,對其進(jìn)行CAD建模并計算目標(biāo)全空域的靜態(tài)RCS值。在此基礎(chǔ)上建立雷達(dá)坐標(biāo)系與機體坐標(biāo)系之間的轉(zhuǎn)換規(guī)則,利用Matlab軟件分析動態(tài)目標(biāo)的RCS特性,獲得目標(biāo)RCS時間序列。其次,為提高雷達(dá)目標(biāo)特征辨別效果,深入研究基于RCS時間序列的目標(biāo)特征提取方法。分析目標(biāo)RCS統(tǒng)計特征中各特征值的重要性,提取各類目標(biāo)RCS時間序列中的位置特征、分布特征及散布特征,通過對RCS時間序列進(jìn)行小波分解和重構(gòu),提取離散小波能量特征。引入類別可分性... 

【文章來源】：哈爾濱理工大學(xué)黑龍江省

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

CADFEKO主界面

哈爾濱理工大學(xué)工學(xué)碩士學(xué)位論文-13-2.3.1目標(biāo)建模方法早期文獻(xiàn)利用旋轉(zhuǎn)體方法、幾何體組合模型法及平板三角面元模型法等方法來構(gòu)成目標(biāo)模型，用于分析電磁目標(biāo)特性。隨著目標(biāo)結(jié)構(gòu)復(fù)雜度的提高及數(shù)值計算精度的嚴(yán)格要求，這種建模法無法精確描述復(fù)雜目標(biāo)的真實結(jié)構(gòu)，導(dǎo)致仿真獲得的RCS值與實際可能存在較大誤差。為了彌補傳統(tǒng)方法建模近似帶來的缺陷，本文針對幾種典型的飛機目標(biāo)，使用3D繪圖軟件Solidworks軟件對其進(jìn)行精確曲面建模，更真實的體現(xiàn)復(fù)雜目標(biāo)的幾何結(jié)構(gòu)，使用曲線和曲面擬合的方法創(chuàng)建三維模型，提高建模的精度。為了提高網(wǎng)格質(zhì)量，本文在保證計算精度的前提下適當(dāng)簡化飛機模型。在以不影響目標(biāo)RCS特性的前提下，刪除與RCS計算無關(guān)或影響很小的細(xì)節(jié)特征達(dá)到減少網(wǎng)格數(shù)量的目的，完成整個目標(biāo)的三維實體建模。Solidworks對典型無人機建模，如圖2-3至圖2-5所示。圖2-3無人機三維模型圖Fig.2-3Three-dimensionalmodelofUAV圖2-4無人機前視圖圖2-5無人機側(cè)視圖Fig.2-4FrontviewofUAVFig.2-5LateralviewofUAV

哈爾濱理工大學(xué)工學(xué)碩士學(xué)位論文-13-2.3.1目標(biāo)建模方法早期文獻(xiàn)利用旋轉(zhuǎn)體方法、幾何體組合模型法及平板三角面元模型法等方法來構(gòu)成目標(biāo)模型，用于分析電磁目標(biāo)特性。隨著目標(biāo)結(jié)構(gòu)復(fù)雜度的提高及數(shù)值計算精度的嚴(yán)格要求，這種建模法無法精確描述復(fù)雜目標(biāo)的真實結(jié)構(gòu)，導(dǎo)致仿真獲得的RCS值與實際可能存在較大誤差。為了彌補傳統(tǒng)方法建模近似帶來的缺陷，本文針對幾種典型的飛機目標(biāo)，使用3D繪圖軟件Solidworks軟件對其進(jìn)行精確曲面建模，更真實的體現(xiàn)復(fù)雜目標(biāo)的幾何結(jié)構(gòu)，使用曲線和曲面擬合的方法創(chuàng)建三維模型，提高建模的精度。為了提高網(wǎng)格質(zhì)量，本文在保證計算精度的前提下適當(dāng)簡化飛機模型。在以不影響目標(biāo)RCS特性的前提下，刪除與RCS計算無關(guān)或影響很小的細(xì)節(jié)特征達(dá)到減少網(wǎng)格數(shù)量的目的，完成整個目標(biāo)的三維實體建模。Solidworks對典型無人機建模，如圖2-3至圖2-5所示。圖2-3無人機三維模型圖Fig.2-3Three-dimensionalmodelofUAV圖2-4無人機前視圖圖2-5無人機側(cè)視圖Fig.2-4FrontviewofUAVFig.2-5LateralviewofUAV

【參考文獻(xiàn)】：
期刊論文
[1]基于PSO-BP神經(jīng)網(wǎng)絡(luò)的HRRP目標(biāo)識別[J]. 王泓霖,李偉,許強,徐建業(yè),鄒鯤.  火力與指揮控制. 2019(12)
[2]防空雷達(dá)應(yīng)用現(xiàn)狀及未來發(fā)展趨勢[J]. 湯明碩.  中國設(shè)備工程. 2019(20)
[3]綜合多特征的極化SAR圖像隨機森林分類算法[J]. 徐喬,張霄,余紹淮,陳啟浩,劉修國.  遙感學(xué)報. 2019(04)
[4]基于BP神經(jīng)網(wǎng)絡(luò)的飛機目標(biāo)識別算法[J]. 夏海琴,彭章友.  電子測量技術(shù). 2019(14)
[5]寬帶雷達(dá)三維干涉測量彈道目標(biāo)微動參數(shù)估計[J]. 魏嘉琪,張磊,劉宏偉.  電子與信息學(xué)報. 2019(04)
[6]采用雙向LSTM模型的雷達(dá)HRRP目標(biāo)識別[J]. 徐彬,陳渤,劉家麒,王鵬輝,劉宏偉.  西安電子科技大學(xué)學(xué)報. 2019(02)
[7]基于KNN的合成孔徑雷達(dá)目標(biāo)識別[J]. 郝巖,白艷萍,張校非.  火力與指揮控制. 2018(09)
[8]基于壓縮感知和深度學(xué)習(xí)的分類識別技術(shù)[J]. 汪文英,魏耀,鄭玄玄,王茹琪,余慧.  雷達(dá)科學(xué)與技術(shù). 2018(04)
[9]基于BP神經(jīng)網(wǎng)絡(luò)的探地雷達(dá)圖像特征判識與提取研究[J]. 溫世儒,楊曉華,吳霞.  公路. 2018(07)
[10]雷達(dá)信號處理國家級重點實驗室的建設(shè)與發(fā)展[J]. 程榮剛,徐青,張林讓.  實驗室研究與探索. 2018(04)

博士論文
[1]基于高分辨距離像的雷達(dá)目標(biāo)識別研究[D]. 周云.電子科技大學(xué) 2016
[2]諧振區(qū)雷達(dá)目標(biāo)特征提取與目標(biāo)識別研究[D]. 伍光新.哈爾濱工業(yè)大學(xué) 2008

碩士論文
[1]寬帶相控陣?yán)走_(dá)目標(biāo)識別系統(tǒng)的研究與實現(xiàn)[D]. 趙曉彤.電子科技大學(xué) 2012
[2]基于低分辨雷達(dá)的目標(biāo)識別方法研究[D]. 王利華.南京理工大學(xué) 2008



本文編號：3271309