隨著智能化信息技術(shù)發(fā)展的不斷深入,針對于窄帶雷達的空中目標(biāo)識別技術(shù)研究受到廣泛關(guān)注,越來越需要窄帶防空雷達在具備發(fā)現(xiàn)目標(biāo)的同時進行目標(biāo)屬性的自動分類的能力。近年來,微動特性在雷達目標(biāo)探測與識別中受到廣泛關(guān)注,微動是指雷達目標(biāo)除質(zhì)心平動以外的振動或轉(zhuǎn)動,由微動產(chǎn)生的多普勒頻率為微多普勒頻率。不同的微動會產(chǎn)生不同的微多普勒,微多普勒效應(yīng)可以反映目標(biāo)結(jié)構(gòu)部件的幾何構(gòu)成和運動特性,是目標(biāo)本質(zhì)的特征�；谀繕�(biāo)微動差異可以提取具有良好分類性能的特征,從而實現(xiàn)對目標(biāo)的分類和識別。但實際防空雷達可能存在雜波干擾,而較強的雜波能量會影響微動特征的提取,因此,本文主要研究在雜波干擾的條件下,實現(xiàn)目標(biāo)微多普勒信號的分離,并根據(jù)微多普勒特征進行窄帶雷達分類系統(tǒng)設(shè)計。主要工作內(nèi)容有:1、研究旋翼的微多普勒調(diào)模型,并以此為基礎(chǔ)建立了三種空中常見目標(biāo)的微多普勒調(diào)制模型,仿真并分析了旋翼的結(jié)構(gòu)參數(shù)對于三種模型的時域及頻域特征的影響,其明顯的類間差異為飛機目標(biāo)分類提供了理論基礎(chǔ);2、對實際防空雷達的可能存在的雜波進行了統(tǒng)計特性分析以及建模,對于雷達回波信號的雜波抑制預(yù)處理,針對傳統(tǒng)的雜波抑制算法存在信號能量損失過多、信號特征非線性放大及模態(tài)混疊等問題,提出一種改進的自適應(yīng)雜波數(shù)量和種類的變分模態(tài)分解算法(Modified Variational Mode Decomposition,MVMD),在去除雜波的同時盡可能地保存目標(biāo)信號的有效特征;3、對于現(xiàn)有的窄帶雷達空中目標(biāo)識別系統(tǒng)的研究中較少有考慮雜波干擾的條件,本文基于實際識別過程中可能存在的干擾環(huán)境,提出了一種基于微多普勒特征時頻圖像特征識別的方法,對時頻圖像處理后輸入CNN-LeNet-5網(wǎng)絡(luò),引入Dropout算法減少了網(wǎng)絡(luò)的過擬合情況,并進行了不同影響因素下的仿真,相對于傳統(tǒng)的人工特征提取方法而言,避免了人為主觀干預(yù),實現(xiàn)了特征的自主學(xué)習(xí)及識別,具備較好的穩(wěn)定性和較高的識別率。
【學(xué)位單位】：哈爾濱工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：E926.4;TN957.51
【部分圖文】：

旋翼模型

2L 5m，1L 0m，槳葉數(shù) N 4，旋轉(zhuǎn)部件中心到雷機到雷達水平面的高度 h 500m，槳葉的初相角0 角 15 。葉傾斜角以及不考慮槳葉傾斜角的情況下旋翼的雷達回3、圖 2.4、圖 2.5。15 0.2 0.25 0.3 0.35 0.4 0.45time (s)0 0.05 0.1 0.15 0.2 0.25 0.3 00.20.40.60.811.21.4time (s)一歸幅化值）無槳葉傾斜角情況 （b）有槳葉傾斜角

.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45time (s)0 0.05 0.1 0.15 0.2 0.25 0.3 0.300.20.40.6time (s)一歸幅化（a）無槳葉傾斜角情況 （b）有槳葉傾斜角情圖 2.3 旋翼雷達回波時域圖00 -2000 -1000 0 1000 2000 3000 4000 5000X: 20Y: 0.8117frequence (Hz)-5000 -4000 -3000 -2000 -1000 0 1000 200000.20.40.60.81X: 20Y: 0.64frequence (Hz)一化幅值歸
【相似文獻】

相關(guān)期刊論文 前10條

1 郭桂蓉,陳學(xué)敏;艦船目標(biāo)識別的研究現(xiàn)狀和技術(shù)途徑[J];系統(tǒng)工程與電子技術(shù);1988年01期

2 牛曉燕;;目標(biāo)識別的人工智能方法[J];飛航導(dǎo)彈;1988年08期

3 Buser Robde Nomiyama;譚顯裕;;用于測距和目標(biāo)識別的短脈沖CO_2激光器[J];應(yīng)用光學(xué);1988年03期

4 黃為倬;;目標(biāo)識別和逆合成口徑雷達[J];現(xiàn)代雷達;1988年06期

5 劉伯勝;目標(biāo)瞬態(tài)回波極點提取研究[J];哈爾濱船舶工程學(xué)院學(xué)報;1989年01期

6 姜殿元;;“鋪路便士”目標(biāo)識別裝置AN/ASS-35(V)[J];飛航導(dǎo)彈;1989年03期

7 程啟東;;遠(yuǎn)距離目標(biāo)識別[J];航空兵器;1989年03期

8 劉侃;;采用毫米波和紅外傳感器進行防區(qū)外目標(biāo)識別[J];飛航導(dǎo)彈;1989年01期

9 初試;;靈巧武器的應(yīng)用[J];現(xiàn)代防御技術(shù);1989年03期

10 景嘯;;基于深度學(xué)習(xí)的航拍圖像目標(biāo)識別[J];數(shù)碼世界;2019年05期

相關(guān)博士學(xué)位論文 前10條

1 黃飛;紅外偏振探測關(guān)鍵技術(shù)研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院上海技術(shù)物理研究所);2018年

2 周偉;基于局部表面特征描述符的復(fù)雜場景下三維目標(biāo)識別研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院西安光學(xué)精密機械研究所);2018年

3 蔡兆暉;基于重構(gòu)高分辨距離像的雷達目標(biāo)識別研究[D];西安電子科技大學(xué);2018年

4 鐘劍丹;光電成像目標(biāo)識別與檢測關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2018年

5 李捷;面向目標(biāo)識別的機載多傳感器數(shù)據(jù)融合技術(shù)研究[D];電子科技大學(xué);2018年

6 李龍;基于高分辨距離像的雷達地面目標(biāo)識別技術(shù)[D];西安電子科技大學(xué);2018年

7 張銳;雷達目標(biāo)識別與超分辨成像方法研究[D];西安電子科技大學(xué);2018年

8 李彥鵬;自動目標(biāo)識別效果評估[D];國防科學(xué)技術(shù)大學(xué);2004年

9 張池平;多傳感器信息融合方法及其在空間目標(biāo)識別中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2006年

10 楊國;3mm波段主被動復(fù)合探測技術(shù)研究[D];南京理工大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 張楠;基于特征提取與超圖的SAR圖像目標(biāo)識別研究[D];天津理工大學(xué);2019年

2 萬釔良;紅外分孔徑偏振成像技術(shù)研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機械與物理研究所);2019年

3 曹鶴松;自適應(yīng)巡航系統(tǒng)前方有效目標(biāo)識別[D];遼寧工業(yè)大學(xué);2019年

4 廖泓舟;基于深度卷積特征的水下靜目標(biāo)識別方法研究[D];哈爾濱工程大學(xué);2019年

5 張?zhí)煲?基于微多普勒的窄帶雷達目標(biāo)分類系統(tǒng)設(shè)計[D];哈爾濱工程大學(xué);2019年

6 肖樹浩;基于四旋翼飛行器的目標(biāo)識別和處理[D];廈門大學(xué);2018年

7 王鵬;基于深度神經(jīng)網(wǎng)絡(luò)的水中目標(biāo)識別研究[D];哈爾濱工程大學(xué);2018年

8 季悅;高溫目標(biāo)多光譜識別指數(shù)構(gòu)建及決策樹判別方法研究[D];吉林大學(xué);2018年

9 張萬麒;面向重點艦船目標(biāo)識別的近似最近鄰查詢方法研究[D];南京理工大學(xué);2018年

10 馬冰;基于多源遙感圖像的立體目標(biāo)識別[D];哈爾濱工業(yè)大學(xué);2018年

本文編號：2841959