發(fā)布時(shí)間：2017-07-18 01:20

  本文關(guān)鍵詞：雷達(dá)高分辨距離像目標(biāo)識(shí)別方法研究

  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 散射點(diǎn)模型 方位敏感性 平移敏感性 強(qiáng)度敏感性 高階譜特征 基于參數(shù)化模型的統(tǒng)計(jì)識(shí)別方法 模型選擇 初相敏感性 多類目標(biāo)識(shí)別

【摘要】： 高分辨距離像(HRRP)是用寬帶雷達(dá)信號(hào)獲取的目標(biāo)散射點(diǎn)子回波在雷達(dá)射線上投影的向量和，它提供了目標(biāo)散射點(diǎn)沿距離方向的分布情況，是目標(biāo)重要的結(jié)構(gòu)特征，對(duì)目標(biāo)識(shí)別與分類十分有價(jià)值，因而成為雷達(dá)自動(dòng)目標(biāo)識(shí)別(RATR)領(lǐng)域研究的熱點(diǎn)。本論文主要圍繞著“十五”和“十一五”國防預(yù)研計(jì)劃項(xiàng)目“目標(biāo)識(shí)別技術(shù)”(項(xiàng)目編號(hào)：413070501和51307060601)及國家自然科學(xué)基金項(xiàng)目“基于高距離分辨回波序列的雷達(dá)目標(biāo)識(shí)別技術(shù)”(項(xiàng)目編號(hào)：60302009)的研究任務(wù)，從高分辨距離像的物理特性分析、特征提取和特征選擇以及分類器設(shè)計(jì)這三個(gè)基本層次展開對(duì)雷達(dá)高分辨距離像目標(biāo)識(shí)別的相關(guān)理論與技術(shù)問題的研究。 論文內(nèi)容可概括為如下五部分： ·第一部分，從目標(biāo)的散射點(diǎn)模型出發(fā)，對(duì)高分辨距離像的物理特性進(jìn)行了深入的研究，指出方位敏感性、平移敏感性和強(qiáng)度敏感性是雷達(dá)HRRP目標(biāo)識(shí)別需要首先解決的三大問題。并針對(duì)最常用的模板匹配法，提出雷達(dá)高分辨距離像目標(biāo)識(shí)別的基本思路，為后續(xù)的研究奠定基礎(chǔ)。 ·第二部分，研究雷達(dá)HRRP目標(biāo)識(shí)別的特征提取和特征選擇方法，工作有以下三點(diǎn)。(1)針對(duì)高分辨距離像的平移敏感性問題，研究基于高階譜特征的雷達(dá)高分辨距離像目標(biāo)識(shí)別。類似于近年來在目標(biāo)識(shí)別領(lǐng)域中常用的在低維空間實(shí)現(xiàn)高維映射空間歐氏距離計(jì)算的核方法，本論文通過分析高階譜域歐氏距離和原始像域歐氏距離的關(guān)系，得出在原始像域計(jì)算高階譜域歐氏距離的方法，使高階譜特征在目標(biāo)識(shí)別中的應(yīng)用具有現(xiàn)實(shí)意義。(2)基于散射點(diǎn)模型理論，提出了一種利用距離像幅度起伏特性的特征提取新方法。新方法提取的加權(quán)距離像特征有效地融合了幀距離像的散射點(diǎn)強(qiáng)度分布像和方差像，反映了各個(gè)距離單元內(nèi)目標(biāo)散射點(diǎn)的分布情況，可以更好地描述目標(biāo)散射特性。(3)基于Fisher可分性判據(jù)，提出了一種加權(quán)特征選擇方法。該方法根據(jù)雷達(dá)HRRP目標(biāo)識(shí)別的具體特點(diǎn)，對(duì)HRRP的平移不變特征——功率譜特征采用基于Fisher判決率的迭代算法搜索最優(yōu)權(quán)向量。與直接使用原始特征及現(xiàn)有的特征選擇方法相比，本論文提出的特征選擇方法既可以降維，又提高了識(shí)別性能，而且運(yùn)算簡(jiǎn)單。 ·第三部分，詳細(xì)討論雷達(dá)HRRP的統(tǒng)計(jì)建模問題，主要工作涉及以下三個(gè)大的方面。一、討論在統(tǒng)計(jì)識(shí)別中解決HRRP樣本方位、平移和強(qiáng)度敏感性的方法，為HRRP的統(tǒng)計(jì)建模工作奠定基礎(chǔ)。二、在HRRP樣本各距離單元回波相互獨(dú)立的假設(shè)前提下，提出了一種基于Gamma和Gaussian Mixture兩種分布形式的獨(dú)立雙分布復(fù)合模型。三、進(jìn)一步的研究表明HRRP樣本各距離單元回波相互獨(dú)立的假設(shè)并不完全成立，因此，我們又研究了更精確的基于HRRP樣本各距離單元回波相關(guān)統(tǒng)計(jì)特性的統(tǒng)計(jì)識(shí)別方法，具體工作包括以下兩點(diǎn)。(1)考慮到用于識(shí)別的HRRP樣本在2-范數(shù)強(qiáng)度歸一化后都位于單位超球面上，針對(duì)于冪次變換后趨于Joint-Gaussian分布的HRRP數(shù)據(jù)，提出了一種改進(jìn)的基于子空間近似的統(tǒng)計(jì)識(shí)別方法。(2)研究發(fā)現(xiàn)HRRP樣本各距離單元回波的聯(lián)合分布近似因子分析(FA)模型描述的Joint-Gaussian分布，這表明在雷達(dá)HRRP統(tǒng)計(jì)識(shí)別中并不需要使用復(fù)雜的Joint-Gaussian Mixture模型(如FA Mixture模型)，這大大降低了統(tǒng)計(jì)識(shí)別的難度。進(jìn)而，針對(duì)基于FA模型的雷達(dá)HRRP統(tǒng)計(jì)識(shí)別，提出了一種自適應(yīng)模型選擇算法。該算法可以同時(shí)解決因子個(gè)數(shù)選擇和方位幀劃分這兩個(gè)模型選擇問題。 ·第四部分，研究基于復(fù)數(shù)HRRP樣本的雷達(dá)目標(biāo)識(shí)別方法。在分析復(fù)數(shù)HRRP樣本特性的基礎(chǔ)上，指出由于初相敏感性問題，原先適用于實(shí)數(shù)HRRP樣本的方位模板、識(shí)別方法和特征提取方法一般都不能直接用于基于復(fù)數(shù)HRRP的RATR，我們必須重新尋找既與復(fù)數(shù)HRRP樣本的初相無關(guān)又能利用其剩余相位信息的方法。進(jìn)而，在識(shí)別方法方面，，分析指出基于主分量分析(PCA)子空間的最小重構(gòu)誤差法既可以回避復(fù)數(shù)HRRP樣本的初相敏感性問題又可以利用復(fù)數(shù)HRRP樣本的其余相位信息，因而，該識(shí)別方法適用于基于復(fù)數(shù)HRRP的RATR，并提出了該方法相應(yīng)的平移匹配快速算法；此外，在特征提取方法方面，提出了一種用于復(fù)數(shù)HRRP樣本的初相無關(guān)特征提取方法，對(duì)實(shí)數(shù)HRRP樣本適用的識(shí)別方法、方位模板和預(yù)處理方法同樣適用于該復(fù)特征向量。因此，本論文的研究使基于復(fù)數(shù)HRRP的RATR成為可能。而且，基于實(shí)測(cè)數(shù)據(jù)的識(shí)別實(shí)驗(yàn)表明，使用復(fù)數(shù)HRRP樣本可以取得比實(shí)數(shù)HRRP樣本更好的識(shí)別性能。 ·第五部分，研究如何用少量的簡(jiǎn)單分類器解決多類目標(biāo)識(shí)別問題。由于HRRP樣本的方位敏感性，雷達(dá)HRRP目標(biāo)識(shí)別是典型的多類目標(biāo)識(shí)別問題。本論文提出了一種基于超立方體和超網(wǎng)格自組織映射(SOM)編碼的多類目標(biāo)識(shí)別方法。該方法的優(yōu)勢(shì)體現(xiàn)在：一方面將基于二分類的多類目標(biāo)識(shí)別方法擴(kuò)展為基于k分類的K(kK)類目標(biāo)識(shí)別方法；另一方面只需要少量的二分類或k分類分類器，因此，大大減小了多類目標(biāo)識(shí)別對(duì)運(yùn)算量和存儲(chǔ)量的需求。4
【關(guān)鍵詞】：雷達(dá)自動(dòng)目標(biāo)識(shí)別 高分辨距離像 散射點(diǎn)模型 方位敏感性 平移敏感性 強(qiáng)度敏感性 高階譜特征 基于參數(shù)化模型的統(tǒng)計(jì)識(shí)別方法 模型選擇 初相敏感性 多類目標(biāo)識(shí)別
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2007
【分類號(hào)】：TN957.5
【目錄】：

• 摘要5-7
• ABSTRACT7-14
• 第一章 緒論14-36
• §1.1 雷達(dá)自動(dòng)目標(biāo)識(shí)別的基本概念和研究意義14-18
• 1.1.1 自動(dòng)目標(biāo)識(shí)別的基本概念和原理14-16
• 1.1.2 雷達(dá)自動(dòng)目標(biāo)識(shí)別的基本概念和分類16-18
• 1.1.3 雷達(dá)自動(dòng)目標(biāo)識(shí)別的研究意義18
• §1.2 雷達(dá)自動(dòng)目標(biāo)識(shí)別的歷史與現(xiàn)狀18-22
• 1.2.1 雷達(dá)自動(dòng)目標(biāo)識(shí)別的發(fā)展歷史18-19
• 1.2.2 雷達(dá)自動(dòng)目標(biāo)識(shí)別的研究背景19-21
• 1.2.3 雷達(dá)自動(dòng)目標(biāo)識(shí)別的國內(nèi)外研究現(xiàn)狀21-22
• §1.3 雷達(dá)高分辨距離像目標(biāo)識(shí)別研究的關(guān)鍵問題22-27
• 1.3.1 HRRP的方位敏感性問題22-23
• 1.3.2 HRRP的平移敏感性問題23-24
• 1.3.3 HRRP的特征提取和特征選擇問題24-25
• 1.3.4 HRRP的統(tǒng)計(jì)建模問題25-26
• 1.3.5 復(fù)數(shù)HRRP的初相敏感性問題26
• 1.3.6 多類目標(biāo)識(shí)別問題26-27
• §1.4 論文的內(nèi)容和安排27-32
• 1.4.1 數(shù)據(jù)介紹27-29
• 1.4.2 內(nèi)容安排29-32
• 本章參考文獻(xiàn)32-36
• 第二章 雷達(dá)高分辨距離像目標(biāo)識(shí)別的基本原理36-60
• §2.1 雷達(dá)HRRP回波特性分析36-48
• 2.1.1 方位敏感性37-43
• 2.1.2 平移敏感性43-47
• 2.1.3 強(qiáng)度敏感性47-48
• §2.2 提高距離像的方位穩(wěn)定性——散射點(diǎn)強(qiáng)度分布像48-51
• 2.2.1 散射點(diǎn)強(qiáng)度分布像的方位穩(wěn)定性及特性分析48-50
• 2.2.2 散射點(diǎn)強(qiáng)度分布像與平均向量的比較50-51
• §2.3 模板匹配法51-54
• §2.4 利用目標(biāo)方位信息改善識(shí)別性能54-58
• 2.4.1 方位約束對(duì)可分性的影響54-58
• 2.4.2 方位約束對(duì)識(shí)別性能的影響58
• §2.5 本章小結(jié)58
• 本章參考文獻(xiàn)58-60
• 第三章 基于高階譜特征的雷達(dá)高分辨距離像目標(biāo)識(shí)別方法60-74
• §3.1 高階譜特征空間與原始像域的關(guān)系60-63
• 3.1.1 高階譜的定義及性質(zhì)60-61
• 3.1.2 高階譜特征空間歐氏距離61-63
• §3.2 特征模型選擇問題63-65
• §3.3 高分辨距離像的高階譜特征評(píng)價(jià)65-72
• 3.3.1 高分辨距離像高階譜特征的可分性評(píng)價(jià)65-68
• 3.3.2 高分辨距離像高階譜特征的識(shí)別性能68-72
• §3.4 本章小結(jié)72-73
• 本章參考文獻(xiàn)73-74
• 第四章 高分辨距離像的特征提取和特征選擇74-86
• §4.1 一種利用目標(biāo)高分辨距離像幅度起伏特性的特征提取方法74-80
• 4.1.1 基于散射點(diǎn)模型的雷達(dá)HRRP特性分析及特征提取74-76
• 4.1.2 基于加權(quán)距離像特征的雷達(dá)自動(dòng)目標(biāo)識(shí)別76-78
• 4.1.3 實(shí)驗(yàn)結(jié)果78-79
• 4.1.4 結(jié)論79-80
• §4.2 一種用于雷達(dá)HRRP功率譜特征的加權(quán)特征選擇方法80-85
• 4.2.1 現(xiàn)有的基于Fisher可分性判據(jù)的特征選擇方法80-81
• 4.2.2 一種基于Fisher判決率的加權(quán)特征選擇方法81-83
• 4.2.3 實(shí)驗(yàn)結(jié)果83-84
• 4.2.4 結(jié)論84-85
• §4.3 本章小結(jié)85
• 本章參考文獻(xiàn)85-86
• 第五章 高分辨距離像的統(tǒng)計(jì)建模86-140
• §5.1 統(tǒng)計(jì)識(shí)別中高分辨距離像的方位、平移和強(qiáng)度敏感性問題87-88
• §5.2 "GAMMA-GAUSSIAN MIXTURE"獨(dú)立雙分布復(fù)合模型88-103
• 5.2.1 高分辨距離像的獨(dú)立統(tǒng)計(jì)建模89-92
• 5.2.2 參數(shù)估計(jì)92-97
• 5.2.3 基于"Gamma-Gaussian Mixture"獨(dú)立雙分布復(fù)合模型的雷達(dá)HRRP統(tǒng)計(jì)識(shí)別的基本步驟97-99
• 5.2.4 實(shí)驗(yàn)結(jié)果99-102
• 5.2.5 結(jié)論102-103
• §5.3 高分辨距離像樣本的統(tǒng)計(jì)相關(guān)特性103-104
• §5.4 基于超球面模型的雷達(dá)HRRP統(tǒng)計(jì)識(shí)別方法104-116
• 5.4.1 冪次變換和Box-Cox變換104-105
• 5.4.2 傳統(tǒng)的基于主分量分析(PCA)的子空間近似模型105-107
• 5.4.3 新的基于超球面模型的統(tǒng)計(jì)識(shí)別方法107-114
• 5.4.4 三種統(tǒng)計(jì)識(shí)別方法用于基于冪次變換HRRP樣本的統(tǒng)計(jì)識(shí)別的基本步驟114-115
• 5.4.5 實(shí)驗(yàn)結(jié)果115-116
• 5.4.6 結(jié)論116
• §5.5 雷達(dá)HRRP樣本各距離單元回波的聯(lián)合統(tǒng)計(jì)建模116-137
• 5.5.1 Joint-Gaussian模型116-121
• 5.5.2 三種Joint-Gaussian模型用于雷達(dá)HRRP統(tǒng)計(jì)識(shí)別的基本步驟121-122
• 5.5.3 三種Joint-Gaussian模型的實(shí)驗(yàn)分析122-130
• 5.5.4 雷達(dá)HRRP統(tǒng)計(jì)識(shí)別中FA模型的模型選擇問題130-136
• 5.5.5 結(jié)論136-137
• §5.6 本章小結(jié)137
• 本章參考文獻(xiàn)137-140
• 第六章 基于復(fù)數(shù)HRRP的雷達(dá)自動(dòng)目標(biāo)識(shí)別140-158
• §6.1 復(fù)數(shù)HRRP樣本的特性分析140-142
• §6.2 基于PCA子空間的最小重構(gòu)誤差法142-149
• 6.2.1 復(fù)數(shù)HRRP樣本的PCA子空間143-146
• 6.2.2 最小重構(gòu)誤差法146-148
• 6.2.3 實(shí)驗(yàn)結(jié)果148-149
• 6.2.4 結(jié)論149
• §6.3 一種用于復(fù)數(shù)HRRP樣本的初相無關(guān)特征提取方法149-156
• 6.3.1 方法的提出149-153
• 6.3.2 應(yīng)用中的兩個(gè)問題153-155
• 6.3.3 實(shí)驗(yàn)結(jié)果155-156
• 6.3.4 結(jié)論156
• §6.4 本章小結(jié)156-157
• 本章參考文獻(xiàn)157-158
• 第七章 基于超立方體和超網(wǎng)格自組織映射編碼的多類目標(biāo)識(shí)別方法158-182
• §7.1 基于超立方體和超網(wǎng)格結(jié)構(gòu)的SOM方法簡(jiǎn)介159-161
• 7.1.1 自組織映射(SOM)方法159-160
• 7.1.2 超立方體和超網(wǎng)格結(jié)構(gòu)的目標(biāo)空間160-161
• §7.2 理想情況下基于超立方體和超網(wǎng)格SOM編碼的多類目標(biāo)識(shí)別方法161-167
• 7.2.1 理想情況下基于超立方體SOM編碼的多類目標(biāo)識(shí)別的訓(xùn)練方法162-163
• 7.2.2 理想情況下基于超網(wǎng)格SOM編碼的多類目標(biāo)識(shí)別的訓(xùn)練方法163-166
• 7.2.3 測(cè)試方法166-167
• §7.3 實(shí)際情況下基于超立方體和超網(wǎng)格SOM編碼的多類目標(biāo)識(shí)別方法167-175
• 7.3.1 實(shí)際中的一些問題167-168
• 7.3.2 調(diào)整SOM算法168-169
• 7.3.3 基于SOM編碼的識(shí)別實(shí)驗(yàn)舉例169-175
• §7.4 基于超立方體SOM編碼的多類目標(biāo)識(shí)別方法的具體步驟175-177
• 7.4.1 訓(xùn)練階段175-176
• 7.4.2 測(cè)試階段176-177
• §7.5 基于實(shí)測(cè)HRRP數(shù)據(jù)的實(shí)驗(yàn)結(jié)果177-179
• §7.6 本章小結(jié)179
• 本章參考文獻(xiàn)179-182
• 第八章 結(jié)束語182-186
• §8.1 全文內(nèi)容總結(jié)182-183
• §8.2 工作展望183-186
• 致謝186-188
• 作者在讀期間的研究成果188-191

【引證文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉勁;戴奉周;劉宏偉;;基于過采樣抽取子帶處理的寬帶雷達(dá)雜波抑制[J];電波科學(xué)學(xué)報(bào);2011年01期

2 楊磊;王曉丹;張玉璽;;一種基于多特征提取的雷達(dá)目標(biāo)識(shí)別方法研究[J];電光與控制;2011年12期

3 金寶龍;李輝;趙乃杰;何海峰;;一種新的小波閾值去噪算法[J];彈箭與制導(dǎo)學(xué)報(bào);2011年01期

4 夏宇垠;馮大政;李濤;;一種基于Hough變換的寬帶雷達(dá)目標(biāo)檢測(cè)器[J];電子與信息學(xué)報(bào);2010年11期

5 馮博;杜蘭;張學(xué)峰;劉宏偉;;基于字典學(xué)習(xí)的雷達(dá)高分辨距離像目標(biāo)識(shí)別[J];電波科學(xué)學(xué)報(bào);2012年05期

6 徐先峰;劉來君;彭聰;;雷達(dá)高分辨距離像子帶融合識(shí)別算法[J];電子設(shè)計(jì)工程;2013年18期

7 夏宇垠;馮大政;李濤;;一種距離擴(kuò)展目標(biāo)的檢測(cè)方法[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2010年07期

8 劉敬;趙峰;劉逸;;基于散度比例準(zhǔn)則的高分辨距離像特征提取[J];計(jì)算機(jī)應(yīng)用;2012年04期

9 李輝;金寶龍;翟海天;;高分辨雷達(dá)信號(hào)的平移不變KPCA特征提取算法[J];計(jì)算機(jī)仿真;2012年01期

10 朱莉;李興國;婁國偉;;基于灰關(guān)聯(lián)分析的雙通道雷達(dá)目標(biāo)距離像研究[J];科技導(dǎo)報(bào);2008年24期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 許述文;窄帶、寬帶雷達(dá)機(jī)動(dòng)目標(biāo)檢測(cè)技術(shù)研究[D];西安電子科技大學(xué);2011年

2 李濤;寬帶雷達(dá)檢測(cè)的若干問題研究[D];西安電子科技大學(xué);2011年

3 夏宇垠;寬帶雷達(dá)目標(biāo)時(shí)域檢測(cè)算法研究[D];西安電子科技大學(xué);2011年

4 鄧斌;多載頻相位編碼雷達(dá)信號(hào)設(shè)計(jì)與處理技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2011年

5 祝依龍;特征輔助的目標(biāo)機(jī)動(dòng)檢測(cè)技術(shù)[D];國防科學(xué)技術(shù)大學(xué);2011年

6 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

7 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

8 戴奉周;寬帶雷達(dá)信號(hào)處理[D];西安電子科技大學(xué);2010年

9 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

10 郭雷;寬帶雷達(dá)目標(biāo)極化特征提取與核方法識(shí)別研究[D];國防科學(xué)技術(shù)大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 周輝;基于神經(jīng)網(wǎng)絡(luò)的高分辨雷達(dá)目標(biāo)檢測(cè)研究[D];長(zhǎng)沙理工大學(xué);2010年

2 張奔;基于高分辨距離像的目標(biāo)識(shí)別算法和演示系統(tǒng)設(shè)計(jì)研究[D];西安電子科技大學(xué);2011年

3 蘇四華;基于一維距離像的目標(biāo)識(shí)別研究[D];電子科技大學(xué);2011年

4 趙文;基于FPGA的雷達(dá)目標(biāo)一維距離像識(shí)別實(shí)現(xiàn)研究[D];電子科技大學(xué);2011年

5 邱偉;寬帶雷達(dá)目標(biāo)極化特征提取與識(shí)別研究[D];國防科學(xué)技術(shù)大學(xué);2010年

6 楊鐳;支持向量機(jī)算法設(shè)計(jì)及在高分辨雷達(dá)目標(biāo)識(shí)別中的應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2010年

7 彭勃;中段目標(biāo)一維距離像姿態(tài)敏感性分析與識(shí)別技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2010年

8 謝松陽;基于ADSP-TS101的雷達(dá)目標(biāo)識(shí)別系統(tǒng)設(shè)計(jì)[D];西安電子科技大學(xué);2010年

9 馬育才;雷達(dá)自動(dòng)目標(biāo)識(shí)別系統(tǒng)分析與實(shí)現(xiàn)[D];西安電子科技大學(xué);2010年

10 蘇振江;基于高分辨一維距離像的雷達(dá)目標(biāo)識(shí)別研究[D];電子科技大學(xué);2010年

本文編號(hào)：555431