雷達采樣數(shù)據(jù)率及統(tǒng)計RCS特征的滑窗參數(shù)（滑動步長和窗口長度）需要設(shè)定以實現(xiàn)基于RCS統(tǒng)計特征的目標識別。利用類內(nèi)/類間散布矩陣構(gòu)造了類別可分性的距離判據(jù),分析了數(shù)據(jù)率和滑窗參數(shù)對不同目標的可分性影響。結(jié)果表明:隨著數(shù)據(jù)率提升,目標可分性呈現(xiàn)在低頻區(qū)域（<5Hz）快速增長,而在高頻區(qū)域（>25Hz）呈現(xiàn)緩慢增長趨于飽和;目標可分性隨滑動步長變化不顯著;而目標可分性隨著窗口長度的增加呈現(xiàn)非線性的快速增長。 

【文章來源】：雷達科學(xué)與技術(shù). 2020,18(02)北大核心

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 基于距離的類別可分性判據(jù)
2 數(shù)據(jù)實驗與結(jié)果
    2.1 實驗條件
    2.2 數(shù)據(jù)率
    2.3 滑動步長
    2.4 窗口長度
3 結(jié)果分析與經(jīng)驗公式的提出
4 結(jié)束語


【參考文獻】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡(luò)對SAR目標識別性能分析[J]. 邵嘉琦,曲長文,李健偉.  雷達科學(xué)與技術(shù). 2018(05)
[2]基于RCS統(tǒng)計特征的船舶目標識別方法[J]. 紀永強,劉通,徐高正,石宇豪,張玉萍,楊金鴻.  艦船科學(xué)技術(shù). 2018(13)
[3]一種窄帶雷達快速目標分類方法[J]. 董會方,卞磊,楊廣平.  國外電子測量技術(shù). 2018(02)
[4]改進的支持向量機低分辨雷達目標分類算法[J]. 陳志仁,顧紅,蘇衛(wèi)民,王釗.  系統(tǒng)工程與電子技術(shù). 2017(11)
[5]一種窄帶雷達艦船目標分類的決策方法[J]. 王曙光,田西蘭.  雷達科學(xué)與技術(shù). 2016(02)
[6]支持向量機的全局局部特征融合目標識別[J]. 易曉柯.  雷達科學(xué)與技術(shù). 2011(02)

博士論文
[1]基于窄帶微動特征的空間錐體目標識別方法研究[D]. 韓勛.西安電子科技大學(xué) 2015
[2]窄帶雷達中段目標識別技術(shù)研究[D]. 姚輝偉.國防科學(xué)技術(shù)大學(xué) 2014



本文編號：3480342