基于一維距離像的雷達(dá)目標(biāo)識(shí)別.pdf

1、雷達(dá)目標(biāo)識(shí)別是現(xiàn)代雷達(dá)技術(shù)的一個(gè)十分重要的發(fā)展方向；高分辯雷達(dá)技術(shù)的日趨成熟為雷達(dá)目標(biāo)識(shí)別走向?qū)嵱贸蔀榭赡?。本文主要基于一維距離像研究了模式識(shí)別新技術(shù)在雷達(dá)目標(biāo)識(shí)別中的應(yīng)用，具體內(nèi)容如下： 第一章綜述了雷達(dá)目標(biāo)識(shí)別的基本概念和各種識(shí)別方法的優(yōu)缺點(diǎn)，對(duì)本文所作的主要工作進(jìn)行了概述。 第二章介紹了-維距離像的基本概念和獲得一維距離像的方法；深入分析了—維距離像的基本特性，主要是討論了方位角的變化對(duì)距離像的影響，如何進(jìn)行距離對(duì)

2、準(zhǔn)；討論了不變模式變換的問題，最后介紹了K—L變換以減少計(jì)算量的降維方式。 第三章對(duì)樣本進(jìn)行了統(tǒng)計(jì)分析及討論了如何選取訓(xùn)練樣本與測(cè)試樣本。從眾多的參考文獻(xiàn)來看幾乎所有參考文獻(xiàn)都對(duì)此沒做過具體分析。本章就樣本的統(tǒng)計(jì)特性作了詳細(xì)的分析，對(duì)訓(xùn)練樣本和測(cè)試樣本的選擇也作了詳細(xì)的討論。確保了測(cè)試樣本和訓(xùn)練樣本具有同等的統(tǒng)計(jì)特性。保證了后面章節(jié)中分類器識(shí)別率的可信度。 第四章利用模糊極小極大神經(jīng)網(wǎng)絡(luò)對(duì)雷達(dá)目標(biāo)識(shí)別。 在本章我

3、們采用模糊極小極大神經(jīng)網(wǎng)絡(luò)來對(duì)雷達(dá)目標(biāo)-維像進(jìn)行識(shí)別。我們用模糊極小極大神經(jīng)網(wǎng)絡(luò)中的超方匣的并來近似以目標(biāo)特征軌跡線。通過對(duì)三類飛機(jī)的—維距離像用模糊極小極大神經(jīng)網(wǎng)絡(luò)來進(jìn)行試驗(yàn)，取得了較高的識(shí)別率。 第五章首次提出了基于開放集情況下雷達(dá)目標(biāo)識(shí)別問題。相對(duì)于封閉集目標(biāo)識(shí)別來說，開放集目標(biāo)識(shí)別更具現(xiàn)實(shí)意義，當(dāng)然其難度也更大。 本章考慮了兩種情況下開放集的雷達(dá)目標(biāo)識(shí)別。一種是進(jìn)行識(shí)別時(shí)事先知道n個(gè)樣本屬于同一類目標(biāo)(可能是未知

4、類別目標(biāo)也可能是已知類別目標(biāo))這一先驗(yàn)條件。另-種是識(shí)別時(shí)事先并不知道n個(gè)樣本是否屬于同-類目標(biāo)。在兩種情況下我們考慮了目標(biāo)的拒絕識(shí)別問題，同時(shí)也考慮了對(duì)拒絕識(shí)別的樣本的利用問題，即從被拒絕的樣本中判別是否有一類新目標(biāo)，當(dāng)有新目標(biāo)時(shí)利用新目標(biāo)對(duì)分類器重新訓(xùn)練使其成為一類已知類別的目標(biāo)。我們可以利用重新訓(xùn)練好的分類器再來識(shí)別目標(biāo)和發(fā)現(xiàn)新目標(biāo)。 第六章利用支持向量機(jī)對(duì)雷達(dá)目標(biāo)進(jìn)行識(shí)別，并提出了基于樣本的支持向量機(jī)的核的改進(jìn)方法。指出

5、支持向量機(jī)在雷達(dá)目標(biāo)識(shí)別中應(yīng)用時(shí)存在的問題。 本章比較了三種常用核函數(shù)在雷達(dá)—維距離像識(shí)別時(shí)的差異。因?yàn)槌Ｓ煤撕瘮?shù)沒有考慮到樣本數(shù)據(jù)的利用，本文通過利用已知數(shù)據(jù)來改進(jìn)核函數(shù)，其結(jié)果顯示改進(jìn)后的核函數(shù)能使訓(xùn)練時(shí)間大幅減少，同時(shí)也能減少支持向量的個(gè)數(shù)，并具有較高的識(shí)別率。較好的解決了支持向量機(jī)在識(shí)別大樣本高維數(shù)情況下訓(xùn)練時(shí)間過長(zhǎng)識(shí)別率較低的問題。 第七章討論了模式識(shí)別時(shí)分類器組合中的兩個(gè)問題，其一是分類器組合時(shí)用于組合的分類