基于稀疏學習的雷達目標識別方法研究.pdf

1、雷達目標識別技術是基于雷達回波信號，提取與目標特性相關的信息，實現(xiàn)目標屬性或類別的判定。隨著國際形勢的發(fā)展，雷達目標識別越來越受到世界各國科研人員的青睞。隨著高分辨率雷達體制的應用，使得獲得更為細致的目標幾何結構信息和細節(jié)信息成為可能，而高分辨率雷達（High Resolution Radar，HRR）和合成孔徑雷達（Synthetic Aperture Radar，SAR）兩種體制的雷達的回波信號HRRP和SAR圖像，作為典型的高分辨

2、率雷達信號，也成為當前各國雷達目標識別研究的熱點。本文在稀疏學習理論基礎上，研究基于HRRP目標和SAR圖像目標的雷達目標識別方法，主要的研究工作如下：
　　1.研究了稀疏學習理論。首先，對三種典型的稀疏建模方式、三類經典的稀疏求解方法、以及稀疏學習的應用進行了闡述；其次，分別研究了HRRP目標和SAR圖像常用的稀疏表示方法，并對其稀疏性進行了分析。
　　2.提出了一種基于貝葉斯模型的Shearlet域SAR圖像去噪算法，所

3、提出的算法既利用了稀疏系數(shù)間的空間相關性，又基于貝葉斯模型獲取了動態(tài)的噪聲閾值，在實現(xiàn)噪聲濾波的同時可以有效的保持邊緣信息。首先對對數(shù)變換后的SAR圖像進行Shearlet稀疏表示，其次根據稀疏系數(shù)的統(tǒng)計特性利用貝葉斯模型進行噪聲檢測的建模，最后利用自適應加權收縮實現(xiàn)SAR圖像噪聲像素的平滑處理。在MSTAR數(shù)據庫上的實驗結果驗證了所提方法的可行性和有效性。
　　3.提出了一種基于動態(tài)稀疏K-SVD（DSK-SVD）的字典學習方法

4、。該算法的突出優(yōu)點在于能夠動態(tài)的計算稀疏編碼的稀疏度，并對字典原子進行并行更新。首先，利用字典的互相關來定義稀疏編碼過程中的稀疏度，用來動態(tài)的控制稀疏系數(shù)的稀疏度。其次，利用并行原子更新準則實現(xiàn)字典更新過程中的字典原子和稀疏系數(shù)的更新。在MSTAR數(shù)據庫和HRRP數(shù)據上的實驗結果驗證了所提方法的可行性和有效性。
　　4.提出了一種基于D-S證據迭代折扣方法的雷達目標融合識別方法，該方法對利用DSK-SVD算法對訓練樣本的特征進行學