【摘要】：雷達自動目標識別(RATR)是雷達技術和模式識別技術相結合的一個領域,在軍事和民用方面都具有非常重要的應用價值,近年來受到廣泛關注。而雷達高分辨距離像(HRRP)因其包含目標信息豐富,具有易于存儲和計算等優(yōu)勢,在雷達自動目標識別中成為研究熱點。目標識別方法大致可以分為基于生成模型的識別方法和基于判別模型的識別方法,前者著重刻畫數(shù)據(jù)的概率分布特征,后者則主要描述不同類別數(shù)據(jù)之間的差異及分類界面。將生成模型與判別模型相結合的識別方法能夠兼具二者優(yōu)勢,提高識別性能。本論文主要圍繞國防預研項目,從貝葉斯統(tǒng)計學習、最大間隔正則化模型、貝葉斯非參數(shù)技術等方面進行了研究。論文主要研究內容概括如下:1、因子分析(FA)模型是一種無監(jiān)督的生成模型,具有良好的數(shù)據(jù)描述能力,然而其識別過程沒有考慮不同類別數(shù)據(jù)之間的差異。為了提升FA模型的識別性能,最大間隔因子分析(MMFA)模型提出將FA模型與隱變量支持向量機(LVSVM)相結合,在子空間建立最大間隔約束。MMFA模型將樣本隱變量作為SVM輸入,該做法造成了一定程度上的信息損失,同時將所有樣本投影在同一子空間并不能準確描述數(shù)據(jù)分布。針對以上問題,本文提出了最大間隔正則化因子分析(MMRFA)模型,將FA模型與LVSVM模型在原始空間內進行結合,對FA模型的重構變量建立最大間隔準則的約束。MMRFA模型既保留了數(shù)據(jù)幾乎所有信息又確保了重構向量的可分性,有利于提升模型識別性能。進一步,為了解決MMRFA的模型選擇問題,將BPFA模型與LVSVM相結合,提出最大間隔正則化Beta過程因子分析(MMRBPFA)模型。MMRBPFA模型能夠實現(xiàn)模型自動選擇,提升模型穩(wěn)健型和推廣性。2、針對雷達HRRP數(shù)據(jù)樣本呈多模分布且線性不可分的問題,本文提出了貝葉斯核支持向量機(BKSVM)模型以及狄利克雷過程貝葉斯核支持向量機(DPBKSVM)模型,并基于這兩種模型提出了目標識別框架。BKSVM模型是核SVM在貝葉斯概率框架下的推廣,通過對拉格朗日系數(shù)提出分布假設以及利用增廣隱變量技術,將核SVM優(yōu)化目標函數(shù)轉化為后驗概率的優(yōu)化,便于將核SVM與其他統(tǒng)計識別模型相結合。進一步,為了解決多模分布數(shù)據(jù)的非線性識別問題,提出了Dirichlet過程貝葉斯核支持向量機(DPBKSVM)模型,將聚類過程DP與BKSVM結合,在每個聚類上建立非線性分類器,子集上的分類結果會對聚類起到監(jiān)督作用。DPBKSVM在描述數(shù)據(jù)分布的同時兼具了分類能力,從而提升了模型的識別性能。
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TN957

【參考文獻】

相關期刊論文 前7條

1 張學峰;陳渤;王鵬輝;劉宏偉;;一種基于Dirichelt過程隱變量支撐向量機模型的目標識別方法[J];電子與信息學報;2015年01期

2 馮博;陳渤;王鵬輝;劉宏偉;;基于穩(wěn)健深層網(wǎng)絡的雷達高分辨距離像目標特征提取算法[J];電子與信息學報;2014年12期

3 馮博;杜蘭;張學峰;劉宏偉;;基于字典學習的雷達高分辨距離像目標識別[J];電波科學學報;2012年05期

4 王鵬輝;夏雙志;潘勉;張學峰;杜蘭;劉宏偉;;基于多模態(tài)平穩(wěn)序列建模的雷達高分辨距離像有限樣本目標識別方法[J];光學學報;2012年05期

5 王鵬輝;劉宏偉;杜蘭;潘勉;張學峰;;基于線性動態(tài)模型的雷達高分辨距離像小樣本目標識別方法[J];電子與信息學報;2012年02期

6 欒英宏;李躍華;;高分辨率毫米波雷達目標識別研究[J];兵工學報;2010年07期

7 劉宏偉,杜蘭,袁莉,保錚;雷達高分辨距離像目標識別研究進展[J];電子與信息學報;2005年08期

本文編號：2717465