分数阶傅里叶变换在窄带雷达飞机目标回波特征提取中的应用

"该文研究了利用分数阶傅里叶变换在窄带雷达飞机目标回波特征提取中的应用，旨在解决不同类型飞机如直升机、螺旋桨飞机和喷气式飞机的回波分类问题。通过引入分数阶傅里叶变换(FrFT)，可以扩展特征域，提高特征提取的效果。论文中，作者利用线性相关向量机(RVM)进行特征选择和分类，实验证明这种方法相比于传统的时域和多普勒域特征提取，能显著提升分类性能。" 基于分数阶傅里叶变换的窄带雷达飞机目标回波特征提取方法是一种用于雷达信号处理的新技术，旨在提高不同飞机类型的识别能力。在传统的窄带雷达体制下，飞机回波的特征通常局限于时域和多普勒域，这限制了对复杂目标如直升机、螺旋桨飞机和喷气式飞机的有效区分。这些飞机因其独特的飞行特性和机械结构，会产生不同的雷达回波模式。 分数阶傅里叶变换（FrFT）是傅里叶变换的一个扩展，它提供了一个连续的域转换，可以更细致地分析信号的频谱特性。与经典的离散傅里叶变换(DFT)相比，FrFT能够揭示信号在不同频率成分上的非局部信息，这对于提取更丰富的特征至关重要。在本文中，研究人员利用FrFT将回波信号转换到分数域，然后在这个域内提取特征，以增强区分不同飞机类型的能力。 特征选择是机器学习和模式识别中的关键步骤，文中采用的线性相关向量机(Relevance Vector Machine, RVM)是一种高效且灵活的模型选择工具。RVM通过评估特征之间的相关性和对分类的影响，可以自动筛选出对分类最有贡献的特征子集，从而减少冗余信息，提高分类的准确性和稳定性。 实验部分，作者对比了基于FrFT的分数阶特征与传统时域和多普勒域特征在分类任务中的性能。结果显示，基于FrFT的特征提取方法在分类精度上有显著提升，特别是在处理实测数据时，验证了该方法的有效性。此外，由于FrFT能够更好地刻画信号的复杂结构，因此这种方法对于应对战场环境中的多样性和不确定性具有重要意义。 该研究通过引入分数阶傅里叶变换，提升了窄带雷达系统对飞机目标的识别能力，尤其是在特征提取和分类方面。这不仅有助于提高战场态势感知的准确性，也为未来雷达信号处理领域的理论研究和技术发展提供了新的思路和方法。