简介:为了利用雷达对低空和超低空飞行器进行精确探测,必须对影响雷达测量精度的大气折射误差进行实时修正。针对目前大气折射误差计算存在处理时间较长、不能满足实时性要求的现状,提出了一种利用虚高进行折射误差修正的快速算法。根据等效地球半径中电波射线为直线的情形推出计算接近目标真实高度的虚高方法,利用虚高将折射误差公式中的积分项分为两部分,最影响折射误差修正处理时间的部分采用一次积分完成,另一小部分利用变步长的迭代方法完成。仿真实验表明,在保证与目前公认高精度的射线描迹法相同的精度条件下,利用虚高进行大气折射误差修正可实现快速计算,计算速度至少提高一倍,且计算速度随雷达仰角的增大而增快。
简介:传统基于Gabor滤波器的SAR目标识别方法根据图像全局特征进行目标识别,忽略图像局部纹理特征,容易受到噪声因素的干扰,获取的SAR目标识别结果精确度较低。因此,提出基于图像局部纹理特征的SAR目标识别算法,对SAR图像纹理特征进行提取,提取SAR图像纹理特征时,采用优化的TPLBP特征描述器提取图像局部纹理特征,获取TPLBP局部纹理特征向量;通过基于ELM分类器的SAR目标识别算法,对TPLBP局部纹理特征向量进行SAR目标分类与识别,获取理想的SAR目标识别结果。实验结果表明,所提方法在SAR目标识别方面具有准确率高、误判率低的优势。
简介:特征提取是合成孔径雷达目标识别关键技术与核心任务。为了更好地提取目标特征,稀疏约束将被添加在非负矩阵分解法中,并应用于图像目标特征提取,通过利用稀疏约束的非负矩阵分解方法对sAR目标图像进行分解,构建具有稀疏性的目标特征矢量,提高了特征矢量的类内相似性与类间差异性。利用基于支持向量机的分类方法对MSTAR数据进行目标识别试验,试验结果表明,添加稀疏约束的NMF方法与PCA、ICA以及一般NMF特征提取方法相比,能够显著提高目标识别的稳定性和准确率。
简介:无源定位跟踪是一种非线性系统状态估计问题。为了提高系统定位精度和降低系统复杂度,将无迹卡尔曼滤波(UKF)应用于多移动传感器多目标无源定位跟踪系统。由于多移动传感器多目标交叉定位时会产生大量虚假点,随着传感器和目标数量的增加而大幅增加。因此,提出了一种改进的快速精确定位算法,即首先通过预测点选取传感器-目标测量方程;然后变换该测量方程,排除大量虚假点;再进行基于距离的支持度非等权值融合;最后将UKF子滤波估计值进行融合得到融合估计值。仿真结果表明,UKF和基于距离的融合法相结合对多移动传感器多目标无源定位具有较高的定位精度和较好的跟踪效果。