本文關(guān)鍵詞：一種優(yōu)化稀疏分解的雷達目標識別方法　出處：《現(xiàn)代電子技術(shù)》2017年23期 　論文類型：期刊論文

  更多相關(guān)文章： 稀疏分解 粒子群優(yōu)化 自適應變化 高分辨率距離像

【摘要】：雷達目標識別中雷達回波數(shù)據(jù)巨大,因此利用稀疏分解的方法對回波數(shù)據(jù)進行稀疏化處理。但稀疏分解中的匹配追蹤算法存在計算復雜、計算量大的問題,所以汲取了粒子群優(yōu)化算法(PSO)全局搜索能力強、收斂速度快的優(yōu)點對最優(yōu)原子的搜索過程進行優(yōu)化,并且針對粒子群優(yōu)化易陷入局部最優(yōu)的問題,提出一種慣性權(quán)重自適應改變的改進解決方法。通過對雷達高分辨率距離像(HRRP)信號的稀疏表示實驗仿真發(fā)現(xiàn),基于粒子群優(yōu)化的匹配追蹤算法能大大縮短匹配追蹤的時間,同時慣性權(quán)重自適應改變的方法也有效解決了PSO優(yōu)化的"早熟"問題。
[Abstract]:Radar target recognition of radar echo data is huge, so using the method of sparse decomposition of echo data sparse processing. But the decomposition of sparse matching tracking algorithm in computational complexity, large amount of calculation, so learn the particle swarm optimization algorithm (PSO) global search ability, the advantages of fast convergence to the optimal atom the search process is optimized, and the PSO is easy to fall into local optimum, proposes an improved adaptive inertia weight change solution. Based on the Lei Dagao resolution range profile (HRRP) signal sparse representation of the simulation, particle swarm optimization matching pursuit algorithm can greatly shorten the matching pursuit based on time, at the same time adaptive inertia weight change method can effectively solve the PSO optimization problem of "premature".

【作者單位】： 西安航空學院電子工程學院;西北工業(yè)大學電子信息學院;
【基金】：國家自然科學基金資助項目(61571364)
【分類號】：TN957.51
【正文快照】： 0引言特征提取是雷達目標分類識別中一個重要的步驟,其好壞對最終的識別效果有很大影響。通過對目標回波的研究發(fā)現(xiàn),雷達目標的高分辨率距離像中包含了目標很多特征信息,不過獲取信息所面對的數(shù)據(jù)量卻很大,因此可以對HRRP稀疏分解后再進行特征信息的獲取。匹配追蹤(MP)算法以

【相似文獻】

相關(guān)期刊論文 前10條

1 張躍飛;姜玉亭;王建英;尹忠科;;基于稀疏分解的圖像壓縮[J];系統(tǒng)工程與電子技術(shù);2006年04期

2 尹忠科;解梅;王建英;;基于稀疏分解的圖像去噪[J];電子科技大學學報;2006年06期

3 尹忠科;王英;張躍飛;姜玉亭;;圖像稀疏分解中原子形成的快速算法[J];電訊技術(shù);2005年06期

4 王春光;劉金江;孫即祥;;基于稀疏分解的心電數(shù)據(jù)壓縮算法[J];中國生物醫(yī)學工程學報;2008年01期

5 王春光;劉金江;孫即祥;;基于稀疏分解和模糊理論的心電信號波形檢測及識別[J];信號處理;2009年07期

6 劉洋;郭樹旭;張鳳春;李揚;;基于稀疏分解的指靜脈圖像去噪[J];信號處理;2012年02期

7 劉輝;楊俊安;黃文靜;;聲信號并行稀疏分解去噪方法研究[J];電路與系統(tǒng)學報;2012年06期

8 王春光;劉金江;孫即祥;;基于粒子群優(yōu)化的稀疏分解最優(yōu)匹配原子搜索算法[J];國防科技大學學報;2008年02期

9 李恒建;尹忠科;張家樹;王建英;;基于混沌變異粒子群優(yōu)化算法的圖像稀疏分解[J];西南交通大學學報;2008年04期

10 齊愛玲;馬宏偉;劉濤;;基于改進人工魚群優(yōu)化算法的超聲信號稀疏分解[J];儀器儀表學報;2009年12期

相關(guān)會議論文 前1條

1 楊雷;趙治棟;;基于MP稀疏分解的心電身份識別[A];浙江省信號處理學會2011學術(shù)年會論文集[C];2011年

相關(guān)博士學位論文 前1條

1 付金山;基于稀疏分解理論的聲矢量陣信號處理[D];哈爾濱工程大學;2012年

相關(guān)碩士學位論文 前10條

1 任叢;基于RR間期與稀疏分解的房顫檢測方法研究[D];河北大學;2015年

2 朱尤祥;基于稀疏分解的頻譜感知方法研究[D];哈爾濱工業(yè)大學;2015年

3 王睿;某型雷達微弱信號提取研究[D];東北大學;2014年

4 陳青玉;基于自適應稀疏分解的GPR水平分層介質(zhì)參數(shù)反演[D];南昌大學;2016年

5 姜玉亭;基于稀疏分解的圖像去噪[D];西南交通大學;2005年

6 張躍飛;基于稀疏分解的圖像壓縮[D];西南交通大學;2006年

7 方耀;基于稀疏分解的非合作猝發(fā)信號解調(diào)技術(shù)研究[D];杭州電子科技大學;2010年

8 史麗麗;基于稀疏分解的信號去噪方法研究[D];哈爾濱工業(yè)大學;2013年

9 唐承志;基于級聯(lián)原子庫稀疏分解及其應用[D];西南交通大學;2011年

10 李揚;稀疏分解在信號去噪方面的應用研究[D];吉林大學;2012年

，

本文編號：1440566