项目名称: 雷达目标微动特征提取研究

项目编号: No.60872134

项目类型: 面上项目

立项/批准年度: 2009

项目学科: 金属学与金属工艺

项目作者: 刘永祥

作者单位: 中国人民解放军国防科学技术大学

项目金额: 32万元

中文摘要: 目标微动特性是目标探测与识别领域的研究热点,引起学术界关注。本项目组开展的雷达目标微动特征提取研究,重点突破了微动调制效应、微动特征信号提取和微动特性测量等问题,具体包括:揭示出目标微动对雷达回波具有多分量非线性调频调幅的调制规律,建立了微动特征信号分离、微动成像和运动参数估计的完整技术途径,探索了面向微动特征获取的雷达波形设计方案,开展了人体和飞机目标的微动特性测量实验及成果验证。研究成果从信号处理和雷达测量两个角度回答"如何获取微动目标的特征信号"的科学问题,为后续的目标状态估计与识别提供了基础,部分成果应用在空间监视和导弹防御等需求背景中。 项目组依托研究成果,在科学出版社出版专著1部,获得4项国防专利授权,发表学术论文20余篇,其中在IEEE/IET期刊发表论文3篇,SCI检索5篇,EI检索10篇。

中文关键词: 微动;微多普勒;雷达目标;特征提取;微动测量

英文摘要: The micro-motion characteristics of target have great potentialites in the tasks of radar acquistion and recognition, and get more and more attentions from scientist and engineer community. The main purpose of this project is to extact the micro-motion features from radar returns, including modulating effects induced by micromition, micro-motion features extraction, radar experiments for micro-motion measurement, and so on. There are three parts of innovative products in past 3 year, discovering the multi-component nolinear amplitude and frequency modulation in radar returns induced by target with micro-motions,providing the entire technical resolutions for micro-motion signature acquistion, radar imaging and estimation of micro-motions parameters, pursuiting the radar waveform designation oriented to acquisition of micro-motion characteristic, and conducting the radar experiments to measure the micro-motion characteristic of person and airplane. These research progresses have proposed the worthful ways of obtaining the micro-motion characteristics of radar target not only in signal processing but also in radar measurement, and provided the foundation of state estiamtion and target recognition, as well as some products have been applied in the field of pace surveillance and missile defense. The research team has produced 1 book in Science Press, 4 authorized patents, and more than 20 papers,including 3 in IEEE or IET transations, 5 indexing by SCI.

英文关键词: Micro-motion; Micro-doppler; Radar target; Feature extraction; micro-motion measurement

成为VIP会员查看完整内容
4

相关内容

数字孪生模型构建理论及应用
专知会员服务
222+阅读 · 2022年4月19日
专知会员服务
26+阅读 · 2021年8月24日
专知会员服务
86+阅读 · 2021年8月8日
专知会员服务
37+阅读 · 2021年5月9日
专知会员服务
61+阅读 · 2021年4月22日
专知会员服务
42+阅读 · 2021年2月8日
小目标检测技术研究综述
专知会员服务
120+阅读 · 2020年12月7日
专知会员服务
69+阅读 · 2020年11月30日
详解基于深度学习的伪装目标检测
极市平台
2+阅读 · 2022年1月24日
目标检测之殇—小目标检测
极市平台
5+阅读 · 2021年11月3日
自动驾驶车载激光雷达技术现状分析
智能交通技术
17+阅读 · 2019年4月9日
海洋论坛丨水声目标识别技术现状与发展
无人机
26+阅读 · 2018年12月17日
目标跟踪算法分类
大数据技术
13+阅读 · 2018年9月17日
车辆目标检测
数据挖掘入门与实战
30+阅读 · 2018年3月30日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
干货 | 目标识别算法的进展
计算机视觉战队
17+阅读 · 2017年6月29日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
5+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
32+阅读 · 2021年3月8日
Anomalous Instance Detection in Deep Learning: A Survey
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
Arxiv
26+阅读 · 2018年8月19日
Arxiv
151+阅读 · 2017年8月1日
小贴士
相关VIP内容
数字孪生模型构建理论及应用
专知会员服务
222+阅读 · 2022年4月19日
专知会员服务
26+阅读 · 2021年8月24日
专知会员服务
86+阅读 · 2021年8月8日
专知会员服务
37+阅读 · 2021年5月9日
专知会员服务
61+阅读 · 2021年4月22日
专知会员服务
42+阅读 · 2021年2月8日
小目标检测技术研究综述
专知会员服务
120+阅读 · 2020年12月7日
专知会员服务
69+阅读 · 2020年11月30日
相关资讯
详解基于深度学习的伪装目标检测
极市平台
2+阅读 · 2022年1月24日
目标检测之殇—小目标检测
极市平台
5+阅读 · 2021年11月3日
自动驾驶车载激光雷达技术现状分析
智能交通技术
17+阅读 · 2019年4月9日
海洋论坛丨水声目标识别技术现状与发展
无人机
26+阅读 · 2018年12月17日
目标跟踪算法分类
大数据技术
13+阅读 · 2018年9月17日
车辆目标检测
数据挖掘入门与实战
30+阅读 · 2018年3月30日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
干货 | 目标识别算法的进展
计算机视觉战队
17+阅读 · 2017年6月29日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
5+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月20日
Arxiv
32+阅读 · 2021年3月8日
Anomalous Instance Detection in Deep Learning: A Survey
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
Arxiv
26+阅读 · 2018年8月19日
Arxiv
151+阅读 · 2017年8月1日
微信扫码咨询专知VIP会员