雜波下相參雷達(dá)距離多普勒域多維特征聚類與特征提取.pdf

1、雷達(dá)目標(biāo)識(shí)別領(lǐng)域的研究已經(jīng)有數(shù)十年的歷史，對該方向的研究在理論上具有重大的意義，同時(shí)雷達(dá)目標(biāo)識(shí)別的應(yīng)用前景也非常廣闊，尤其是在軍事應(yīng)用方面。目前，雷達(dá)目標(biāo)識(shí)別技術(shù)已經(jīng)積累了豐富的理論知識(shí)以及出現(xiàn)了一批卓有成效的研究成果，然而隨著電磁環(huán)境的復(fù)雜多樣化，干擾技術(shù)的不斷升級(jí)，雷達(dá)目標(biāo)識(shí)別技術(shù)面臨的挑戰(zhàn)日趨嚴(yán)峻。本文圍繞相參雷達(dá)距離多普勒域目標(biāo)檢測問題展開，在得到海面實(shí)測距離多普勒數(shù)據(jù)后，深入研究適用于距離多普勒域的聚類算法以及獲取能夠反映不同

2、目標(biāo)本質(zhì)信息的多維特征，最終完成目標(biāo)識(shí)別。全文主要工作如下：
　　第一章緒論部分介紹了目標(biāo)識(shí)別技術(shù)的研究現(xiàn)狀和發(fā)展趨勢以及相參雷達(dá)特征提取需要解決的問題，并對本文所做的主要工作進(jìn)行了概括。
　　第二章研究聚類分析的基本概念及在距離多普勒域中的應(yīng)用。主要介紹了聚類分析算法的基本定義，通過聚類算法的不同劃分，介紹了目前應(yīng)用較為廣泛的各類聚類分析算法。針對不同類型的數(shù)據(jù)對象，聚類算法采用的目標(biāo)函數(shù)以及距離函數(shù)大不相同。如何正確選取

3、目標(biāo)函數(shù)是聚類算法是否有效的關(guān)鍵，本文通過對不同應(yīng)用領(lǐng)域聚類分析算法的分析，從中汲取有用信息，同時(shí)針對距離多普勒域自身的特點(diǎn)，分析聚類算法適用于距離多普勒域所面臨的問題，最終提出了適用于距離多普勒域的聚類分析算法。
　　第三章提出了幅度輔助的雙閾值聚類算法。主要介紹了幅度輔助雙閾值聚類算法的基本原理。就聚類算法各個(gè)環(huán)節(jié)，依次給出了邊緣檢測的原理、數(shù)據(jù)標(biāo)準(zhǔn)化處理的方式、同極化與交叉極化幅度信息在距離多普勒域中的應(yīng)用原理、粗聚類過程、

4、二次聚類過程。算法利用距離多普勒域距離特征，多普勒特征以及幅度特征完成數(shù)據(jù)的聚類，邊緣檢測算法的應(yīng)用為聚類提供了限制條件，同時(shí)降低了算法的運(yùn)算復(fù)雜度。算法自適應(yīng)性較強(qiáng)，適用于距離多普勒域數(shù)據(jù)的聚類。
　　第四章研究了目標(biāo)多維特征提取技術(shù)與特征可分性分析。主要介紹了特征提取的意義和方法以及SVM的基本理論，給出了用于目標(biāo)分類識(shí)別的多維特征，如幅度熵、分散系數(shù)等等，最后利用反艦雷達(dá)實(shí)測距離多普勒數(shù)據(jù)通過SVM算法對特征的有效性進(jìn)行了驗(yàn)