杂志简介：《雷达学报》杂志经新闻出版总署批准，自2012年创刊，国内刊号为10-1030/TN，是一本综合性较强的电子期刊。该刊是一份双月刊，致力于发表电子领域的高质量原创研究成果、综述及快报。主要栏目：论文、学术信息、综述、雷达成像识别与对抗专题、雷达智能探测新技术专题、外辐射源雷达专题、研究通讯、学术讨论
杂志简介：《雷达学报》杂志经新闻出版总署批准，自2012年创刊，国内刊号为10-1030/TN，是一本综合性较强的电子期刊。该刊是一份双月刊，致力于发表电子领域的高质量原创研究成果、综述及快报。主要栏目：论文、学术信息、综述、雷达成像识别与对抗专题、雷达智能探测新技术专题、外辐射源雷达专题、研究通讯、学术讨论
作者：张群; 胡健; 罗迎; 陈怡君 刊期：2018年第05期
微动目标的雷达特征提取、成像与识别技术是雷达目标精确识别领域极具发展潜力的研究方向之一。该文首先简要阐述了微动的相关概念,然后综述了近年来微动目标回波建模、微动特征提取、微动目标成像以及基于微动特征的雷达目标分类与识别等方面的研究现状,并介绍了几种典型前沿应用,最后对微动目标雷达特征提取、成像与识别的研究发展趋势进行了...
作者：惠叶; 白雪茹 刊期：2018年第05期
微动是指目标或目标上某些部件沿雷达视线方向的小幅、非匀速运动。通过对微动目标进行逆合成孔径雷达（ISAR）高分辨3维成像,能够获得其结构和运动信息,从而为微动目标检测、跟踪、分类与识别提供重要依据,并在空间态势感知与防空反导中发挥着重要作用。由于微动目标运动形式复杂、回波非平稳性强,现有的参数化ISAR成像方法已经不再适用。针对...
作者：章鹏飞; 李刚; 霍超颖; 殷红成 刊期：2018年第05期
无人机的日益流行在带来便利的同时也造成了潜在的威胁,对无人机进行分类识别具有重要意义。雷达微多普勒信号能够区分不同类型的无人机。为了提高基于微多普勒的无人机分类的鲁棒性,该文提出了一种多角度雷达观测微动特征融合的无人机识别方法。首先利用多部雷达同时从不同角度观测目标;然后对采集的雷达数据分别进行短时傅里叶变换（Short-Tim...
作者：苏宁远; 陈小龙; 关键; 牟效乾; 刘宁波 刊期：2018年第05期
该文利用深度学习的高维特征泛化学习能力,将卷积神经网络（CNN）用于海上目标微多普勒的检测和分类。首先,在海面微动目标模型的基础上,在实测海杂波背景中分别构建4种类型微动信号的2维时频图,并作为训练和测试数据集;然后,分别采用LeNet, AlexNet和GoogLeNet 3种CNN模型进行二元检测和多种微动类型分类,并进行比较,研究信杂比对检测和分类性...
作者：罗迎; 龚逸帅; 陈怡君; 张群 刊期：2018年第05期
微动特征是空间目标识别的重要特征信息之一。然而,现有的多功能多输入多输出（Multi-Input MultiOutput, MIMO）雷达通常需要在完成目标搜索和跟踪任务之后为目标微动特征提取分配大量连续的时间资源,导致目标识别实时性能和雷达系统整体工作性能均不高。针对该问题,该文提出了一种基于跟踪脉冲的MIMO雷达多目标微动特征提取方法。首先依据各目...
作者：刘玉琪; 易建新; 万显荣; 程丰; 饶云华; 龚子平 刊期：2018年第05期
该文论述了利用数字电视外辐射源雷达开展多旋翼无人机微多普勒效应实验的研究结果。首先建立了双基地外辐射源雷达无人机微动信号模型,接着简要阐述了微动信号提取的相关关键技术,最后重点介绍了实验开展情况,包括实验场景配置、无人机微多普勒效应实验典型结果与分析。实验结果与无人机运动参数的理论分析相符合,证实了利用数字电视外辐射源雷...
作者：何其芳; 张群; 罗迎; 李开明 刊期：2018年第05期
针对微动目标特征提取问题,该文提出了一种正弦调频Fourier-Bessel变换（Sinusoidal Frequency Modulation Fourier-Bessel Transform, SFMFBT）,并基于SFMFBT提出了一种雷达目标微动频率的精确提取方法。首先给出了SFMFBT的定义,分析了变换的相关性质,并通过频率提取误差分析给出了一种修正方法,最后讨论了离散信号处理中的若干问题。相比于傅...
作者：朱柯弘; 王杰; 梁兴东; 吴一戎 刊期：2018年第05期
合成孔径雷达（SAR）与通信一体化可提升SAR的信息交互能力,实现探测数据实时传输,提升系统整体性能。一体化平台在工作过程中,将引入多普勒偏移和多径效应,这使得广泛研究的正交频分复用（OFDM）一体化波形的正交性无法保持,成像与通信性能受限。该文提出利用滤波器组多载波（FBMC）波形实现SAR与通信一体化,一方面,FBMC波形对子载波间的正交性...
作者：赵飞翔; 刘永祥; 霍凯 刊期：2018年第05期
雷达目标分类在军事和民用领域发挥着重要作用。极限学习机（Extreme Learning Machine, ELM）因其学习速度快、泛化能力强而被广泛应用于分类任务中。然而,由于其浅层结构,ELM无法有效地捕获数据深层抽象信息。虽然许多研究者已经提出了深度极限学习机,它可以用于自动学习目标高级特征表示,但是当训练样本有限时,模型容易陷入过拟合。为解决此...
作者：喻玲娟; 王亚东; 谢晓春; 林赟; 洪文 刊期：2018年第05期
近年来,基于卷积神经网络（Convolutional Neural Network, CNN）的合成孔径雷达（Synthetic Aperture Radar, SAR）图像目标识别得到深入研究。全卷积神经网络（Fully Convolutional Neural Network, FCNN）是CNN结构上的改进,它比CNN能获得更高的识别率,但在训练过程中仍需要大量的带标签训练样本。该文提出一种基于FCNN和改进的卷积自编码器...
刊期：2018年第05期
根据《雷达学报》2015年度出版的论文，白发表以来在CSCD数据库和WOS数据库中的被引用情况，评选出了8篇“《雷达学报》2015年度高被引论文”。
影响因子：0.16
期刊级别：省级期刊
发行周期：双月刊
影响因子：1.2
期刊级别：省级期刊
发行周期：半月刊
影响因子：1.75
期刊级别：北大期刊
发行周期：月刊
影响因子：0.37
期刊级别：省级期刊
发行周期：月刊
影响因子：1.71
期刊级别：统计源期刊
发行周期：半月刊
影响因子：--
期刊级别：部级期刊
发行周期：月刊
影响因子：0.62
期刊级别：北大期刊
发行周期：双月刊
影响因子：0.95
期刊级别：北大期刊
发行周期：月刊
影响因子：0.3
期刊级别：省级期刊
发行周期：月刊
影响因子：0.68
期刊级别：省级期刊
发行周期：月刊
影响因子：2.24
期刊级别：北大期刊
发行周期：月刊
影响因子：1.26
期刊级别：北大期刊
发行周期：月刊