基于一維距離像數(shù)據(jù)生成的未知目標(biāo)判別研究.pdf

1、在雷達(dá)目標(biāo)識(shí)別領(lǐng)域，一維距離像(HRRP)由于其易于獲取、可以進(jìn)行實(shí)時(shí)識(shí)別等優(yōu)點(diǎn)，日益成為一種重要的識(shí)別手段。在傳統(tǒng)的基于一維距離像的識(shí)別方法中，需要提前獲得待識(shí)別目標(biāo)的訓(xùn)練樣本才能夠進(jìn)行正確的識(shí)別。當(dāng)遇到未知目標(biāo)時(shí)，由于缺乏其訓(xùn)練樣本，傳統(tǒng)的識(shí)別方法不再適用，此時(shí)往往會(huì)導(dǎo)致結(jié)果的誤判。本文對(duì)此問(wèn)題進(jìn)行了深入的研究，研究?jī)?nèi)容如下：
　　1、針對(duì)未知目標(biāo)缺乏訓(xùn)練樣本的問(wèn)題，提出一種基于伽瑪統(tǒng)計(jì)模型的一維距離像數(shù)據(jù)生成方法。該方法利用

2、少量未知目標(biāo)的先驗(yàn)信息，通過(guò)估計(jì)伽瑪模型的參數(shù)，從而生成服從伽瑪統(tǒng)計(jì)分布的未知目標(biāo)訓(xùn)練樣本。實(shí)驗(yàn)結(jié)果表明，與高斯和均勻分布的模型相比，基于伽瑪模型生成的未知目標(biāo)訓(xùn)練樣本更接近實(shí)測(cè)數(shù)據(jù)的統(tǒng)計(jì)分布。
　　2、傳統(tǒng)支持向量機(jī)(SVM)的核函數(shù)單一，影響判別效果。針對(duì)這一問(wèn)題，研究了一種基于混合核函數(shù)的支持向量機(jī)方法。由于多項(xiàng)式核函數(shù)具有較好的泛化能力，而徑向基核函數(shù)具有較好的學(xué)習(xí)能力，該方法利用這兩種核函數(shù)來(lái)構(gòu)造新的混合核函數(shù)，從而兼具

3、兩種核函數(shù)的優(yōu)點(diǎn)。仿真實(shí)驗(yàn)表明，相比傳統(tǒng)支持向量機(jī)，該方法能使未知目標(biāo)的判別精度得到提高。
　　3、傳統(tǒng)支持向量數(shù)據(jù)域描述(SVDD)要求已知目標(biāo)數(shù)據(jù)集符合球形分布，針對(duì)實(shí)際中這一條件難以滿足的問(wèn)題，研究了一種基于聚類的支持向量數(shù)據(jù)域描述方法。該方法先對(duì)已知目標(biāo)數(shù)據(jù)集進(jìn)行聚類分組，再對(duì)每組樣本單獨(dú)使用SVDD進(jìn)行判別。由于該方法考慮了樣本的分布情況，利用多個(gè)SVDD來(lái)代替原來(lái)一個(gè)SVDD，從而獲得更好的判別精度。同時(shí)提出了一種參數(shù)