雷达空间目标识别技术综述
雷达的目标识别技术
雷达的目标识别技术摘要：对雷达自动目标识别技术和雷达目标识别过程进行了简要回顾，研究了相控阵雷达系统中多目标跟踪识别的重复检测问题提出了角度相关区算法，分析了实现中的若干问题，通过在相控阵雷达地址系统中进行的地址实验和结果分析表明:采用角度相关区算法对重复检测的回波数据进行处理时将使识别的目标信息更精确从而能更早地形成稳定的航迹达到对目标的准确识别。
一．引言随着科学技术的发展，雷达目标识别技术越来越引起人们的广泛关注，在国防及未来战争中扮演着重要角色。
地面雷达目标识别技术目前主要有-Se方式，分别是一维距离成象技术、极化成象技术和目标振动声音频谱识别技术。
1．一维距离成象技术一维距离成象技术是将合成孔径雷达中的距离成象技术应用于地面雷达。
信号带宽与时间分辨率成反比。
例如一尖脉冲信号经过一窄带滤波器后宽度变宽、时间模糊变大。
其基本原理如图1所示。
2．极化成象技术电磁波是由电场和磁场组成的。
若电场方向是固定的，例如为水平方向或垂直方向，则叫做线性极化电磁波。
线性极化电磁波的反射与目标的形状密切相关。
当目标长尺寸的方向与电场的方向一致时，反射系数增大，反之减小。
根据这一特征，向目标发射不同极化方向的线性极化电磁波，分别接收它们反射(散射)的回波。
通过计算目标散射矩阵便可以识别目标的形状。
该方法对复杂形状的目标识别很困难。
3．目标振动声音频谱识别技术根据多普勒原理，目标的振动、旋转翼旋转将引起发射电磁波的频率移动。
通过解调反射电磁波的频率调制，复现目标振动频谱。
根据目标振动频谱进行目标识别。
传统上我国地面雷达主要通过两个方面进行目标识别：回波宽度和波色图。
点状目标的回波宽度等于入射波宽度。
一定尺寸的目标将展宽回波宽度，其回波宽度变化量正比于目标尺寸。
通过目标回波宽度的变化可估计目标的大小。
目标往往有不同的强反射点，如飞机的机尾、机头、机翼以及机群内各飞机等，往往会在回波上形成不同形状的子峰，如图2所示。
雷达的目标识别技术
雷达的目标识别技术摘要：对雷达自动目标识别技术和雷达目标识别过程进行了简要回顾，研究了相控阵雷达系统中多目标跟踪识别的重复检测问题提出了角度相关区算法，分析了实现中的若干问题，通过在相控阵雷达地址系统中进行的地址实验和结果分析表明:采用角度相关区算法对重复检测的回波数据进行处理时将使识别的目标信息更精确从而能更早地形成稳定的航迹达到对目标的准确识别。
一．引言随着科学技术的发展，雷达目标识别技术越来越引起人们的广泛关注，在国防及未来战争中扮演着重要角色。
地面雷达目标识别技术目前主要有-Se方式，分别是一维距离成象技术、极化成象技术和目标振动声音频谱识别技术。
1．一维距离成象技术一维距离成象技术是将合成孔径雷达中的距离成象技术应用于地面雷达。
信号带宽与时间分辨率成反比。
例如一尖脉冲信号经过一窄带滤波器后宽度变宽、时间模糊变大。
其基本原理如图1所示。
2．极化成象技术电磁波是由电场和磁场组成的。
若电场方向是固定的，例如为水平方向或垂直方向，则叫做线性极化电磁波。
线性极化电磁波的反射与目标的形状密切相关。
当目标长尺寸的方向与电场的方向一致时，反射系数增大，反之减小。
根据这一特征，向目标发射不同极化方向的线性极化电磁波，分别接收它们反射(散射)的回波。
通过计算目标散射矩阵便可以识别目标的形状。
该方法对复杂形状的目标识别很困难。
3．目标振动声音频谱识别技术根据多普勒原理，目标的振动、旋转翼旋转将引起发射电磁波的频率移动。
通过解调反射电磁波的频率调制，复现目标振动频谱。
根据目标振动频谱进行目标识别。
传统上我国地面雷达主要通过两个方面进行目标识别：回波宽度和波色图。
点状目标的回波宽度等于入射波宽度。
一定尺寸的目标将展宽回波宽度，其回波宽度变化量正比于目标尺寸。
通过目标回波宽度的变化可估计目标的大小。
目标往往有不同的强反射点，如飞机的机尾、机头、机翼以及机群内各飞机等，往往会在回波上形成不同形状的子峰，如图2所示。
目标检测模型的雷达图像识别研究综述
目标检测模型的雷达图像识别研究综述作者：茹晓俭汪光旺陈斌张峥峥来源：《中国新通信》2024年第08期摘要：探地雷达（GPR）检测技术是目前城市道路脱空检测中常用的无损检测技术。
传统的探地雷达检测方法需要人工对雷达图像进行识别，但这种方式容易出现漏检、误检和效率低下等问题，严重影响检测结果的准确性。
通过基于深度学习的目标检测网络对雷达图像进行识别可以避免这些问题，目标检测算法已经在图像和视频中证明了识别各种类型物体的能力。
虽然目前关于探地雷达图像检测的研究还不够充分，但本文总结了探地雷达技术与常用的目标检测网络模型在路基病害检测方面的研究成果。
关键词：图像检测；目标检测网络；探地雷达；路基病害一、引言城市道路是城市交通安全平稳运行的关键，道路情况直接影响人们出行的舒适与安全。
在城市道路的长期服役中，路基h会不可避免地产生缺陷（如空洞和疏松等病害）。
定期对路基进行检测、判断病害类型，并及时修复对维护道路安全具有十分重要的意义。
探地雷达（GPR）检测技术是目前城市道路脱空检测中常用的无损检测技术。
传统方法中常用人工判读分析，通过识别雷达图像中的双曲线特征来判断病害。
然而，人工判读存在效率低、主观性强、耗时耗力等问题，影响了技术的推广应用。
近年来，随着深度学习技术的发展，基于目标检测网络的研究对探地雷达图像识别取得了进展，解决了传统方法依赖操作人员经验和耗费人力物力的问题。
病害检测评估模型，基于深度学习的目标检测网络识别结果最终与现行城市道路病害规范城市地下病害体综合探测与风险评估技术标准综合考虑，做出对病害治理最准确的判断。
将目标检测模型应用于探地雷达图像识别具有重要的现实意义和应用价值。
通过训练和优化目标检测模型，可以实现地下目标的自动识别和定位，提高探测的准确性和效率。
这不仅支持地质勘探和考古挖掘，还帮助工程师和研究人员更好地了解地下结构，为城市规划和土木工程设计提供决策依据。
二、深度学习网络模型简介深度学习模型是一种利用人工神经网络模拟和学习人类大脑神经网络，从数据中获取知识和经验的机器学习算法。
雷达测量中的目标识别与跟踪技术
雷达测量中的目标识别与跟踪技术引言雷达技术作为一种广泛应用于军事、航空、航海和交通领域的测量技术，一直以来都备受关注和研究。
在雷达应用领域中，目标识别与跟踪技术是十分重要的一个研究方向，主要用于确定被测目标的特征或性质，随后跟踪该目标的运动变化。
本文将深入探讨雷达测量中的目标识别与跟踪技术。
一、雷达目标识别技术1. 散射截面及目标特征分析雷达识别某一特定目标的首要问题是确定目标的散射截面。
散射截面的值决定了目标对雷达波的反射程度，与目标的形状、大小和边缘特性等有关。
目标特征分析可以帮助确定不同目标之间的差异，并提供用于识别目标的信息。
2. 多普勒特征分析多普勒效应是指由于目标的运动而引起的接收信号频率发生变化的现象。
通过分析接收信号的多普勒频移，可以获得目标的运动状态、速度和方向，从而进一步识别目标。
3. 反射波束特征分析雷达工作时产生的波束会与目标发生相互作用，反射出的信号会带有目标的形状和结构信息。
通过分析返回信号的波束特征，可以推测出目标的形状、方位和内部结构等，为目标识别提供重要线索。
二、雷达目标跟踪技术1. 滤波器与滤波技术针对目标跟踪问题，滤波器是一种常用的处理手段。
常见的滤波器有卡尔曼滤波器、粒子滤波器和无迹卡尔曼滤波器等。
这些滤波器通过对雷达信号进行滤波处理，估计目标的状态并持续跟踪目标运动。
2. 目标运动模型目标运动模型是描述目标运动规律的数学模型。
常见的目标运动模型有匀速模型、自由加速度模型和粒子模型等。
通过建立适当的目标运动模型，可以更好地预测目标的运动行为，提高目标跟踪的准确性和鲁棒性。
3. 数据关联算法数据关联算法是在已知目标状态的情况下，根据测量数据关联目标和测量结果，并进行目标跟踪的一种方法。
常见的数据关联算法有最近邻算法、卡尔曼滤波算法和粒子滤波算法等。
这些算法能够有效处理多目标跟踪问题，提高跟踪性能。
三、雷达目标识别与跟踪在实际应用中的挑战与展望1. 复杂环境下的干扰雷达目标识别与跟踪在实际应用中面临着复杂的环境干扰，比如地形变化、气象条件和其他电磁源等。
雷达信号处理中的目标识别与特征提取方法
雷达信号处理中的目标识别与特征提取方法雷达信号处理是一种关键的技术，在许多领域中都有广泛的应用。
目标识别与特征提取是雷达信号处理的重要任务之一。
通过分析雷达接收到的信号，我们可以识别出不同的目标，并提取出与目标相关的特征信息。
本文将介绍雷达信号处理中常用的目标识别与特征提取方法。
一、目标识别方法目标识别是指将雷达接收到的信号与已知目标模型进行比对，从而确定目标的类别。
常用的目标识别方法包括以下几种：1. 信号处理与匹配滤波：匹配滤波是一种经典的目标识别方法。
它利用目标的特征信息构建一个滤波器，将雷达接收到的信号与滤波器进行卷积运算，得到目标的匹配度。
通过设置合适的阈值，即可识别目标。
2. 统计判决方法：统计判决方法利用目标的统计特征进行目标识别。
常用的统计判决方法包括贝叶斯判决、最小距离判决等。
这些方法通过建立目标的统计模型，并根据观测到的信号特征进行判决，从而实现目标的识别。
3. 特征匹配方法：特征匹配方法利用目标的特征信息进行目标识别。
常用的特征匹配方法包括相关匹配、相位匹配等。
这些方法通过计算目标特征之间的相似度，从而确定目标的类别。
特征匹配方法具有较高的准确性和鲁棒性，广泛应用于雷达目标识别中。
二、特征提取方法特征提取是指从雷达接收到的信号中提取出与目标相关的特征信息。
目标的特征信息可以包括目标的形状、尺寸、运动状态等。
常用的特征提取方法包括以下几种：1. 波形特征提取：波形特征提取是从雷达接收到的信号波形中提取出目标的特征信息。
常用的波形特征包括峰值、频率、幅度等。
通过分析这些波形特征，可以识别出目标的一些基本特征。
2. 多普勒频谱特征提取：多普勒频谱特征提取是从雷达接收到的信号的多普勒频谱中提取出目标的特征信息。
通过分析多普勒频谱的幅度、频率等特征，可以识别出目标的运动状态。
3. 极化特征提取：极化特征提取是从雷达接收到的信号的极化信息中提取出目标的特征信息。
雷达信号的极化信息包括目标的极化散射矩阵等。
雷达目标识别技术
雷达目标识别技术1.引言雷达目标识别（RTR—Radar Target Recognition）是指利用雷达对单个目标或目标群进行探测，对所获取的信息进行分析，从而确定目标的种类、型号等属性的技术。
目前，经过国内外同行的不懈努力，应该说雷达目标识别技术已经在目标特征信号的分析和测量、雷达目标成像与特征抽取、特征空间变换、目标模式分类、目标识别算法的实现技术等众多领域都取得了不同程度的突破，雷达目标识别技术已成功应用于星载或机载合成孔径雷达地面侦察、毫米波雷达精确制导等方面。
但是，雷达目标识别技术还远未形成完整的理论体系，现有的雷达目标识别系统在功能上都存在一定程度的局限性，其主要原因是由于目标类型和雷达体制的多样化以及所处环境的极端复杂性。
本文讨论了目前理论研究和应用比较成功的几类雷达目标识别方法：基于目标运动的回波起伏和调制谱特性的目标识别方法、基于极点分布的目标识别方法、基于高分辨雷达成像的目标识别方法和基于极化特征的目标识别方法，同时讨论了问题的可能解决思路。
2. 雷达目标识别技术的回顾雷达目标识别的研究始于20世纪50年代，早期雷达目标特征信号的研究工作主要是研究目标的有效散射截面积。
但是，对形状不同、性质各异的各类目标，笼统用一个有效散射面积来描述，就显得过于粗糙，也难以实现有效识别。
几十年来，随着电磁散射理论的不断发展以及雷达技术的不断提高，在先进的现代信号处理技术条件下，许多可资识别的雷达目标特征信号相继被发现，从而建立起了相应的目标识别理论和技术。
雷达目标分类与识别已成为现代雷达的重要发展方向，也是未来雷达的基本功能之一。
目标识别的基本原理是利用雷达回波中的幅度、相位、频谱和极化等目标特征信息，通过数学上的各种多维空间变换来估算目标的大小、形状、重量和表面层的物理特性参数，最后根据大量训练样本所确定的鉴别函数，在分类器中进行识别判决。
原则上，任何一个雷达目标识别系统均可模化为图1所示的基本结构。
雷达信号处理中的目标识别与跟踪研究
雷达信号处理中的目标识别与跟踪研究雷达（Radar）是一种利用电磁波进行探测和测距的技术。
它通过发射脉冲电磁波并接收其反射信号，利用信号的时间延迟和频率特征来探测和跟踪周围的目标物体。
在雷达信号处理中，目标识别与跟踪是两个重要的研究方向，它们对于实现雷达的自主目标探测和跟踪具有重要作用。
目标识别是在雷达信号中确定目标的位置、速度和其他特征属性的过程。
它的主要任务是将雷达接收到的信号与预先建立的目标模型进行匹配，通过特征提取和目标比对算法来判断目标是否存在。
目标识别可以分为传统方法和深度学习方法两种。
传统的目标识别方法主要依靠数学模型和信号处理算法。
常见的方法包括卡尔曼滤波器、最小二乘估计以及基于特征提取的算法等。
这些方法通过对信号的频谱、时频分析和特征提取等技术手段，对目标进行匹配和判断。
虽然传统方法在一定程度上可以实现目标识别，但是在处理复杂场景和目标变化较大的情况下效果有限。
近年来，深度学习方法在目标识别领域取得了显著的成果。
深度学习利用神经网络模型对大量数据进行训练，实现对数据的高级特征提取和模式识别。
在雷达信号处理中，深度学习可以利用卷积神经网络（CNN）和循环神经网络（RNN）等网络结构，对雷达信号进行直接处理和分类。
这种端到端的学习方式能够更好地解决目标识别中的非线性、多样性和时变性等问题。
目标跟踪是在目标识别基础上，在雷达扫描过程中连续追踪目标运动状态的过程。
目标跟踪的主要任务是通过对雷达接收到的连续信号进行滤波和关联，预测目标的位置和运动轨迹，实现实时监测和跟踪。
目标跟踪可以分为基于滤波的方法和基于关联的方法两种。
基于滤波的目标跟踪方法主要应用卡尔曼滤波器和扩展卡尔曼滤波器等算法。
这些方法通过建立目标的状态空间模型，对目标位置和速度进行状态估计和预测。
通过更新观测信息，不断优化目标的运动轨迹。
这种方法简单且实时性较好，适用于快速目标跟踪。
基于关联的目标跟踪方法主要利用关联算法对连续的雷达信号进行处理。
雷达系统的信号处理与目标识别算法分析
雷达系统的信号处理与目标识别算法分析一、引言雷达（Radar）系统是一种利用电磁波对目标进行跟踪和探测的设备。
随着科技的进步和各个领域对雷达系统的需求增加，雷达的信号处理和目标识别算法变得更加重要。
本文将对雷达系统的信号处理和目标识别算法进行深入分析。
二、雷达原理和信号处理雷达系统利用发送出去的电磁波与被目标反射回来的电磁波之间的时间差和频率差来测量目标的距离和速度。
在雷达信号处理中，需要对接收到的信号进行一系列的处理，以提取出有用的信息。
1. 预处理预处理是信号处理的第一步，其目的是将原始信号转换为能够提供更多信息的形式。
其中包括抗干扰处理、时延或频率的补偿、动态范围的优化等。
2. 目标检测目标检测是雷达信号处理中的核心环节。
常用的目标检测算法包括：常规滤波器法、匹配滤波器法、CFAR（恒虚警率）检测法等。
这些算法可以利用雷达信号与背景噪声之间的差异来检测出目标的存在。
3. 脉冲压缩脉冲压缩是为了提高雷达系统的距离分辨率。
通过对返回的一系列脉冲信号进行加权和积累，可以将相邻脉冲之间的能量对比增大，从而提高目标分辨能力。
4. 构建回波信号的径向速度信息雷达系统可以利用多普勒效应测量目标的速度。
在信号处理中，可以通过采用FFT（快速傅里叶变换）等算法，将时间域的信号转换到频率域，从而得到目标的速度信息。
三、目标识别算法分析目标识别是在得到目标的距离、速度等信息后，进一步对目标进行分类和识别的过程。
目标识别算法需要从海量的目标数据中提取出有效特征，并进行合理的分类和判别。
1. 特征提取特征提取是目标识别的重要环节。
常用的特征包括目标的形状、反射率、运动轨迹等。
常用的特征提取算法有：HOG（方向梯度直方图）、SIFT（尺度不变特征变换）、CNN（卷积神经网络）等。
2. 分类和判别在得到目标特征后，需要通过分类和判别算法将目标进行识别。
常用的分类算法有支持向量机（SVM）、最近邻（k-NN）和深度学习等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2006年10月第34卷 第5期现代防御技术MODERN DEFENCE TECHNOLOGYO ct.2006V o.l34 N o.5雷达空间目标识别技术综述*马君国,付 强,肖怀铁,朱 江(国防科技大学ATR实验室,湖南 长沙 410073)摘 要:随着人类航天活动的增加,对于卫星和碎片等空间目标进行监视变得非常重要。
为了实现空间监视任务,对空间目标进行识别是非常必要的。
对空间目标的轨道特性与动力学特性进行了介绍,对雷达空间目标识别技术的研究现状和发展趋势进行了详细的综述。
关键词:空间目标识别;低分辨雷达;高分辨雷达成像中图分类号:TN957 52 文献标识码:A 文章编号:1009 086X(2006) 05 0090 05Survey of radar space target recognition technologyMA Jun guo,F U Q iang,X I AO Huai tie,Z HU Jiang(ATR L ab.,N ationa lU n i versity o f De fense T echno l ogy,Hunan Changsha410073,Ch i na)Abst ract:W ith t h e deve l o pm ent of spacefli g ht acti v ity of hum an,surveillance of space tar get such as sate llite and debris beco m es very i m portan.t In or der to i m p le m ent surveillance task,space target recogni ti o n is ver y necessary.Orb it property and dyna m ics property of space targe t are i n troduced,a deta iled sur vey is set forth about current research state and developi n g trend of radar space target recogn iti o n techno l ogy.K ey w ords:space tar get recogniti o n;lo w reso lution radar;h i g h reso lution radar i m aging1 引 言自从前苏联发射了第1颗人造地球卫星以来,卫星在预警、通信、侦察、导航定位、监视和气象等方面具有不可替代的优势。
随着人类航天活动的增加,空间碎片日益增多,对于卫星等航天器的安全造成极大的威胁,因此对于卫星和碎片等空间目标进行监视变得非常重要。
其中空间目标识别是空间监视任务中不可或缺的基本条件,空间目标识别主要是利用雷达等传感器获取空间目标的回波信号,从中提取目标的位置、速度、结构等特征信息,进而实现对空间目标的类型或属性进行识别。
2 空间目标的轨道特性与动力学特性(1)轨道特性[1,2]空间目标在轨道上的运动是无动力惯性飞行,本质上空间目标与自然天体的运动是一致的,故研究空间目标的运动可以用天体力学的方法。
空间目标在运动时受到地球引力、月球引力、太阳及其他星体引力、大气阻力和太阳光辐射压力等的作用,轨道存在摄动。
但是对轨道的实际分析表明,空间目标受到的主要力是地球引力。
假设空间目标只是受到地球引力的作用,同时假设地球是一个质量均匀分布的球体,则空间目标与地球构成二体运动系统,开*收稿日期:2005-12-15;修回日期:2006-01-23作者简介:马君国(1970-),男,吉林长春人,博士生,主要从事目标识别与信号处理研究。
通信地址:410073 湖南长沙国防科技大学ATR实验室 电话:(0731)4576401普勒三大定律和牛顿万有引力定律是研究空间目标运动轨道的基础。
在二体系统中空间目标严格按照椭圆轨道运行,地球位于椭圆的一个焦点上。
描述空间目标运动情况的6个轨道参数为:轨道倾角、升交点赤经、近地点幅角、真近点角、椭圆轨道的长半轴和椭圆轨道的偏心率。
在这6个轨道参数中,只有真近点角是时间的函数,其他轨道参数均为常数。
不同任务、不同类型的卫星所选择的轨道参数是不同的,空间碎片大都分布在人造卫星常用的轨道上[3],平均相对速度约为10km/s。
(2)动力学特性[1,2,4,5]空间目标除了受到地球引力的作用外,所受到的其他作用力统称为摄动力,摄动力包括月球引力、太阳及其他星体引力、大气阻力和太阳光压等。
不同轨道高度上的空间目标所受的摄动力大小不同,在近地轨道(轨道高度2000km以下)上运行的空间目标所受到的摄动力主要是地球的非球形引力和大气阻力;对于轨道高度300km以下的空间目标,大气阻力为主要的摄动力;对于在较高轨道上运行的空间目标,太阳和月球引力成为主要摄动力。
正常工作的卫星都具有姿态控制能力,目前姿态控制方式主要有自旋稳定姿态控制、重力梯度稳定姿态控制、磁力稳定姿态控制和3轴稳定姿态控制等,其中自旋稳定姿态控制和3轴稳定姿态控制是应用最广泛的2种姿态控制方式。
空间碎片没有姿态控制和轨道控制能力,其运动表现为不规则的翻滚运动。
3 雷达空间目标识别技术的研究现状目前,中国、美国、俄罗斯、英国、法国、德国和日本等国家都具有探测空间目标的能力,所应用的空间探测设备均为地基探测设备。
空间目标监视系统通常由光学探测设备和雷达探测设备组成,美国和俄罗斯都建立了比较完善的地基空间目标监视与跟踪系统。
美国对空间目标的监视与跟踪主要是由空间探测和跟踪系统!(SPADATS)中的观测设备来完成,空间探测和跟踪系统!本身包括空军的空间跟踪!(SPACTRACK)系统和海军的空间监视!(SP ASUR)系统。
空间探测和跟踪系统主要由相控阵雷达(包括无线电系统)和光电探测器两大类探测器组成,这两类探测器各有优点和缺点,相互补充,构成完整的空间监视体系,探测距离超过36000km。
俄罗斯在其武装力量中建立了宇宙空间监视系统!,该系统不间断地搜索宇宙空间,发现和跟踪各种军用航天器,测定卫星的轨道参数,并通过宇宙空间监视中心向俄罗斯武装力量各军种、军区发送原始信息通报,供实施空间攻防对抗使用[6]。
世界上一些雷达的探测性能如下:美国的H ay stack雷达可以检测到轨道高度1000k m、尺寸为1c m的目标,可以估计小目标(宇宙垃圾和高轨目标)的状态和特性[7]。
日本的MU(m iddle and upper at m osphere)雷达可以检测到500km轨道高度上尺寸为2c m的目标。
美国的Go ldstone雷达可以检测到1000k m轨道高度上直径为3mm的导体球,Eg lin雷达对轨道高度在3000km以内、雷达散射截面大于-35dBs m的碎片的检测概率达0 99[8]。
德国高频物理研究所(FGAN)的跟踪与成像雷达系统T I R A(track i n g and i m ag i n g radar)由一个口径34m 的抛物面天线、一个L波段窄带单脉冲跟踪雷达和一个Ku波段高分辨成像雷达组成,跟踪雷达主要用于对空间目标进行探测和跟踪,成像雷达主要完成在跟踪阶段对空间目标进行成像。
T I R A可以检测到在1000km轨道高度上、尺寸为2c m的空间目标[9]。
中国科学院陕西天文台的流星雷达理论上完全有可能观测200~1200km轨道高度范围内的尺寸大于1m的空间碎片[10]。
空间目标的结构通常具有简单、对称的特点,对于一些简单形体的空间目标如球体和圆柱体等,可以得到其雷达散射截面(RCS)随姿态角变化的解析表达式。
根据空间目标的RCS序列可以对空间目标进行识别和分类,可以对空间目标的姿态和尺寸进行估计。
1958年美国用AN/FPS-16精密跟踪雷达跟踪了俄罗斯刚刚发射的第2颗人造卫星Sput n i k II,发现其回波信号中含有与角反射器散射特性相同的周期分量,判断出卫星上装有角反射器[11]。
Tho m as J.S.建立了目标尺寸估计模型SE M,SE M反91马君国,付 强,肖怀铁,等:雷达空间目标识别技术综述现代防御技术2006年第34卷第5期映了目标的RCS与目标尺寸的关系,因此可以根据目标RCS的数值来得到空间碎片的尺寸[12]。
戴征坚根据目标RCS反射图确定柱状空间目标的结构和尺寸[3]。
日本京都大学的Tor u Sato等人根据目标RCS的起伏特征估计空间碎片的形状和尺寸[13]。
翻滚!运动是空间目标的一种特殊的运动形式,这种运动的特点是空间目标绕某一确定的空间轴翻滚,其翻滚平面保持不变。
失效卫星在地球引力和摄动力的作用下进行复杂的旋转运动,最终趋向于翻滚运动;星箭分离后的火箭末级往往演变为翻滚运动。
白广周提出了一种利用测量的翻滚目标RCS序列值对翻滚目标进行识别的方法,该方法根据测量的空间目标RCS值和坐标数据,以镜向散射点为参考点,经过坐标变换和参数估计,求得翻滚目标的姿态角,即目标轴与雷达视线之间的夹角,将该姿态角与测量的RCS数据在时间上对齐,建立目标的局部RCS方向性图,然后提取8个特征量,利用最近邻法对目标进行分类和识别[14]。
对于空间目标的RCS时间序列进行某种变换,可以得到变换特征,进而实现空间目标的识别。
卜正明把傅里叶变换同小波变换相结合,对空间目标的RCS时间序列进行功率谱估计,实现了自旋稳定卫星和3轴稳定卫星的分类识别[15]。
金胜提取RCS序列的梅林变换特征,对3种尺寸的3轴稳定卫星进行识别[16]。
根据图像可以实现空间目标分类识别,还可以获得空间目标形状、姿态和尺寸等信息。
Toru Sato 根据单距离-多普勒干涉成像技术SRD I来估计空间碎片的形状和尺寸,前提条件是要正确估计出碎片绕其主轴旋转的周期[17]。
1990年德国的跟踪与成像雷达系统T I R A成功地对前苏联礼炮-7!空间站的再入过程和物理特征进行了观测和描述,从空间站I SAR图像中得到了空间站的尺寸、形状和运动姿态等信息[2]。
将空间目标的RCS时间序列看作为一个随机过程,提取其统计特征,可以实现空间目标的识别。
戴征坚和全备提出利用非参数统计学的随机游程检验理论对空间目标的稳定方式进行判别,从而实现了对绕质心旋转和非旋转这2类目标的分类识别[2,18]。
此外,利用轨道信息也可以实现空间目标的识别,董云峰利用二进小波分析空间目标的机械能随时间的变化,根据小波系数曲线随小波分析尺度的变化趋势快速判定目标是否存在轨道机动[19]。