發(fā)布時(shí)間：2018-03-28 22:31

  本文選題：認(rèn)知MIMO雷達(dá)　切入點(diǎn)：互信息　出處：《現(xiàn)代雷達(dá)》2014年10期

【摘要】：針對認(rèn)知多輸入多輸出(MIMO)雷達(dá)系統(tǒng),研究了基于序貫假設(shè)檢驗(yàn)的擴(kuò)展目標(biāo)分類波形自適應(yīng)方法。采用基于信息論的波形設(shè)計(jì)方法,通過最大化雷達(dá)回波與擴(kuò)展目標(biāo)沖激響應(yīng)之間的互信息獲得每一類目標(biāo)的最優(yōu)雷達(dá)波形,進(jìn)而根據(jù)多類目標(biāo)的當(dāng)前概率加權(quán)合成最優(yōu)MIMO雷達(dá)信號。在多次雷達(dá)觀測中,根據(jù)貝葉斯準(zhǔn)則不斷更新每一類目標(biāo)可能出現(xiàn)的概率,最優(yōu)波形自適應(yīng)變化,最終趨于真實(shí)目標(biāo)類別的最優(yōu)波形。仿真結(jié)果表明,相比較于傳統(tǒng)的固定波形,采用自適應(yīng)最優(yōu)波形的認(rèn)知MIMO雷達(dá)系統(tǒng)進(jìn)行目標(biāo)分類的平均觀測次數(shù)顯著降低。
[Abstract]:In this paper, an adaptive method of extended target classification waveform based on sequential hypothesis test is studied for cognitive multi-input and multi-output MIMO-radar systems. The waveform design method based on information theory is adopted. By maximizing the mutual information between the radar echo and the impulse response of the extended target, the optimal radar waveform of each target is obtained, and then the optimal MIMO radar signal is synthesized according to the current probability of the multi-class target. According to Bayesian criterion, the probability of each target is updated constantly, the optimal waveform adaptively changes, and finally tends to the optimal waveform of the real target category. The simulation results show that, compared with the traditional fixed waveform, The average number of observations for target classification in a cognitive MIMO radar system with adaptive optimal waveforms is significantly reduced.
【作者單位】： 國防科學(xué)技術(shù)大學(xué)電子科學(xué)與工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(60702015)
【分類號】：TN958

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 D.Giuli;M.Gherardelli;M.Fossi;王德純;;用極化判別進(jìn)行目標(biāo)分類和識別[J];現(xiàn)代雷達(dá);1987年02期

2 A. Farina;A. Visconti;陳振邦;;利用多重假設(shè)測試法對雷達(dá)目標(biāo)分類[J];國外艦船技術(shù).雷達(dá)與對抗;1988年Z1期

3 杜思偉;林家駿;蘇永明;;基于條件證據(jù)更新的機(jī)動目標(biāo)分類[J];華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年04期

4 J.S.陳;E.K.沃爾頓;陳振邦;;兩種目標(biāo)分類技術(shù)的比較[J];國外艦船技術(shù).雷達(dá)與對抗;1987年04期

5 郭雷,肖懷鐵,付強(qiáng);基于支持矢量機(jī)特征空間距離的多目標(biāo)分類方法[J];計(jì)算機(jī)仿真;2005年09期

6 張漢華,王偉,姜衛(wèi)東,陳曾平,莊釗文;基于時(shí)間譜信息的低分辨雷達(dá)飛機(jī)目標(biāo)分類[J];系統(tǒng)工程與電子技術(shù);2004年04期

7 寇英信;王琳;全勇;;自組織特征映射網(wǎng)絡(luò)在目標(biāo)分類識別中的應(yīng)用[J];火力與指揮控制;2009年01期

8 王強(qiáng)光;伍鐵軍;;智能監(jiān)控系統(tǒng)中的運(yùn)動目標(biāo)分類方法研究[J];工業(yè)控制計(jì)算機(jī);2011年01期

9 林幼權(quán);;球載雷達(dá)目標(biāo)分類與識別技術(shù)研究[J];現(xiàn)代雷達(dá);2011年07期

10 劉佶鑫;孫權(quán)森;曹國;;壓縮感知稀疏識別用于多視角圖像目標(biāo)分類[J];應(yīng)用科學(xué)學(xué)報(bào);2013年02期

相關(guān)會議論文 前7條

1 朱靖;王曉博;王國宏;;一種基于高度信息的目標(biāo)分類方法[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議專刊[C];2008年

2 周維;莊連生;俞能海;;小規(guī)模和非平衡數(shù)據(jù)下的目標(biāo)分類[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

3 盧家楣;劉偉;賀雯;;課堂教學(xué)的情感目標(biāo)分類與測評[A];第十一屆全國心理學(xué)學(xué)術(shù)會議論文摘要集[C];2007年

4 計(jì)科峰;高貴;賈承麗;匡綱要;粟毅;;一種利用方位角信息基于峰值匹配的SAR圖像目標(biāo)分類方法[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

5 任皓;計(jì)科峰;張愛兵;周石琳;;一種利用方位角信息的SAR目標(biāo)分類方法[A];第七屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2009年

6 王曉靜;原達(dá);李道凱;;應(yīng)用Krawtchouk矩和SVM的運(yùn)動目標(biāo)分類技術(shù)[A];第五屆全國幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會議論文集[C];2011年

7 丘昌鎮(zhèn);任皓;鄒煥新;周石琳;;基于PCA和2D-PCA特征的SAR圖像目標(biāo)分類性能比較[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

相關(guān)博士學(xué)位論文 前2條

1 梁鵬;基于內(nèi)容的目標(biāo)分類識別關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2011年

2 王世f^;面向SAR圖像目標(biāo)分類的關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 田彬;視頻監(jiān)控中運(yùn)動目標(biāo)分類方法研究[D];山東輕工業(yè)學(xué)院;2010年

2 包日快;視頻中多運(yùn)動目標(biāo)分類的研究[D];浙江工業(yè)大學(xué);2011年

3 屈璐;基于特征模型相似性的運(yùn)動目標(biāo)分類[D];吉林大學(xué);2011年

4 馮柯;交通視頻中視點(diǎn)無關(guān)目標(biāo)分類與檢索方法研究[D];杭州電子科技大學(xué);2009年

5 劉麗麗;基于形狀特征的運(yùn)動目標(biāo)分類方法研究[D];湖南大學(xué);2006年

6 陳大海;智能視頻監(jiān)控系統(tǒng)中目標(biāo)分類技術(shù)研究與應(yīng)用[D];廣西大學(xué);2011年

7 李永輝;智能視頻監(jiān)控的運(yùn)動目標(biāo)分類技術(shù)研究[D];華南理工大學(xué);2014年

8 董剛;視覺監(jiān)控中的運(yùn)動目標(biāo)分類方法[D];吉林大學(xué);2008年

9 楊自豪;基于微多普勒的窄帶飛機(jī)目標(biāo)分類方法研究[D];西安電子科技大學(xué);2013年

10 任皓;SAR圖像目標(biāo)分類方法研究[D];國防科學(xué)技術(shù)大學(xué);2009年

，

本文編號：1678387