本文關(guān)鍵詞：基于穩(wěn)健深層網(wǎng)絡(luò)的雷達(dá)高分辨距離像目標(biāo)特征提取算法　出處：《電子與信息學(xué)報(bào)》2014年12期 　論文類型：期刊論文

  更多相關(guān)文章： 雷達(dá)自動(dòng)目標(biāo)識(shí)別 高分辨距離像 深層網(wǎng)絡(luò) 堆棧聯(lián)合穩(wěn)健自編碼器

【摘要】：特征提取是雷達(dá)高分辨距離像(HRRP)目標(biāo)識(shí)別的核心技術(shù)。傳統(tǒng)的特征提取算法多采用淺層的模型結(jié)構(gòu),容易忽視樣本的內(nèi)在結(jié)構(gòu),不利于學(xué)習(xí)有效的分類特征。針對(duì)這一問(wèn)題,該文利用多層非線性網(wǎng)絡(luò)實(shí)現(xiàn)特征學(xué)習(xí),構(gòu)建了基于深層網(wǎng)絡(luò)的雷達(dá)HRRP目標(biāo)識(shí)別框架。利用平均像在散射點(diǎn)不發(fā)生越距離單元走動(dòng)的方位幀內(nèi)具有穩(wěn)健物理特性的性質(zhì),提出了堆棧聯(lián)合穩(wěn)健自編碼器。該網(wǎng)絡(luò)由一系列聯(lián)合穩(wěn)健自編碼器堆�；瘜�(shí)現(xiàn),在匹配原始HRRP樣本的同時(shí),約束同幀樣本趨近于平均像,并將網(wǎng)絡(luò)的最終輸出作為分類器的特征輸入�；趯�(shí)測(cè)HRRP數(shù)據(jù)的實(shí)驗(yàn)結(jié)果驗(yàn)證了所提算法的有效性。
[Abstract]:Feature extraction is the Radar HRRP target recognition (HRRP) core technology. Traditional feature extraction algorithm using multi model structure of shallow, easy to ignore the internal structure of the sample, is not conducive to the classification of feature learning effectively. Aiming at this problem, this paper realize the learning characteristics of linear network non multilayer constructs radar HRRP target recognition framework based on deep web. Using the properties of orientation frame average scattering point does not occur as in the MTRC in robust physical characteristics, proposed joint robust self stack encoder. The network consists of a series of joint robust self realization in the encoder stack, matching the original HRRP samples at the same time constraints the same frame sample tends to mean like, and ultimately the output of the network as the feature input classifier. The effectiveness measured HRRP data experiment results demonstrate that the proposed algorithm is based on.

【作者單位】： 西安電子科技大學(xué)雷達(dá)信號(hào)處理國(guó)家重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金(61372132,61201292) 新世紀(jì)優(yōu)秀人才支持計(jì)劃(NCET-13-0945) 中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助課題
【分類號(hào)】：TN957.52
【正文快照】： 1引言雷達(dá)高分辨距離像(HRRP)是利用寬帶雷達(dá)信號(hào)獲取的目標(biāo)散射點(diǎn)子回波在雷達(dá)視線方向上投影的矢量和。它包含了目標(biāo)尺寸,散射點(diǎn)分布等許多重要的結(jié)構(gòu)信息,且易于獲取、存儲(chǔ)和處理,如今已成為了雷達(dá)自動(dòng)目標(biāo)識(shí)別(RATR)領(lǐng)域的一個(gè)重要的研究方向[1-7]。對(duì)于RATR,特征提取技術(shù)

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 潘勉;王鵬輝;杜蘭;劉宏偉;保錚;;基于TSB-HMM模型的雷達(dá)高分辨距離像目標(biāo)識(shí)別方法[J];電子與信息學(xué)報(bào);2013年07期

2 陳渤;劉宏偉;保錚;;基于三種不同絕對(duì)對(duì)齊方法的分類器分析[J];現(xiàn)代雷達(dá);2006年03期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉忠寶;潘廣貞;趙文娟;;流形判別分析[J];電子與信息學(xué)報(bào);2013年09期

2 胡長(zhǎng)暉;路小波;杜一君;陳伍軍;;基于列選主QR分解和節(jié)約型SVD的直接線性鑒別分析(英文)[J];Journal of Southeast University(English Edition);2013年04期

3 盧桂馥;于鳳偉;鄭文明;;一種新的求解零空間線性鑒別分析的快速算法[J];光電工程;2014年04期

4 柳露艷;王直杰;;光照不均人臉圖像的子空間人臉識(shí)別方法研究[J];電視技術(shù);2014年15期

5 宋曉寧;薛益時(shí);於東軍;楊習(xí)貝;劉梓;;一種優(yōu)化恢復(fù)壓縮傳感矩陣的模糊自適應(yīng)方法[J];南京理工大學(xué)學(xué)報(bào);2013年04期

6 李勛;萬(wàn)鳴華;;一種基于核最大間距準(zhǔn)則的(KMMC)人臉識(shí)別系統(tǒng)[J];南昌航空大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年03期

7 屈智成;陽(yáng)夢(mèng)怡;魏玲江;;融合DWT與2DLDA的人耳識(shí)別[J];華中師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年06期

8 宋曉寧;徐勇;;稀疏相似性度量的模糊鑒別分析方法[J];模式識(shí)別與人工智能;2014年03期

9 黃偉;王曉輝;;改進(jìn)的LRC及其在姿態(tài)變化的人臉識(shí)別中的應(yīng)用[J];韓山師范學(xué)院學(xué)報(bào);2014年03期

10 石亮;祁云嵩;宋曉寧;;用稀疏相似性度量求解壓縮傳感矩陣[J];計(jì)算機(jī)應(yīng)用研究;2014年10期

相關(guān)博士學(xué)位論文 前10條

1 袁莉;基于高分辨距離像的雷達(dá)目標(biāo)識(shí)別方法研究[D];西安電子科技大學(xué);2007年

2 陳渤;基于核方法的雷達(dá)高分辨距離像目標(biāo)識(shí)別技術(shù)研究[D];西安電子科技大學(xué);2008年

3 侯慶禹;基于高分辨距離像的雷達(dá)自動(dòng)目標(biāo)識(shí)別方法研究[D];西安電子科技大學(xué);2009年

4 柴晶;雷達(dá)高分辨距離像目標(biāo)識(shí)別的拒判算法和特征提取技術(shù)研究[D];西安電子科技大學(xué);2010年

5 廖闊;基于高分辨距離像的雷達(dá)自動(dòng)目標(biāo)識(shí)別研究[D];電子科技大學(xué);2012年

6 吳杰;基于高分辨距離像的雷達(dá)自動(dòng)目標(biāo)識(shí)別技術(shù)研究[D];南京航空航天大學(xué);2012年

7 朱R緘，

本文編號(hào)：1389585