本文關鍵詞： 目標鑒別 高分辨距離像 K-Means聚類 支撐向量域描述 K近鄰分類器　出處：《電子與信息學報》2016年04期 　論文類型：期刊論文

【摘要】：該文對雷達地面目標高分辨1維距離像目標識別中的庫外目標鑒別問題,提出一種基于訓練特征空間分布的雷達地面目標鑒別器。在訓練階段利用基于相關系數(shù)預處理的K-Means聚類方法對庫內目標樣本特征空間進行區(qū)域劃分,并采用基于空間分布的支撐向量域描述方法確定樣本特征空間的邊界與支撐向量,利用樣本特征空間邊界與加權K近鄰原則對目標類別進行判決。該方法解決了庫內目標與庫外目標的鑒別問題,提高了目標識別系統(tǒng)的總體性能。針對多種不同姿態(tài)下目標特征空間非均勻聚合的特點,對訓練樣本特征空間進行區(qū)域劃分,減小模板匹配搜索運算規(guī)模,保證目標鑒別所需的實時性工作要求。最后通過仿真和實測數(shù)據(jù)驗證了該方法具備優(yōu)良的鑒別性能與良好的實時處理能力。
[Abstract]:This paper deals with the problem of target identification outside the database in radar ground target recognition with high resolution 1 D range profile. In this paper, a radar ground target discriminator based on training feature space distribution is proposed. In the training stage, K-Means clustering method based on correlation coefficient preprocessing is used to partition the target sample feature space in the database. . The support vector domain description method based on spatial distribution is used to determine the boundary and support vector of the sample feature space. By using the boundary of sample feature space and the weighted K-nearest neighbor principle, the classification of target is determined. This method solves the problem of identifying the target in and out of the library. The overall performance of the target recognition system is improved. Aiming at the non-uniform aggregation of target feature space under different attitude, the training sample feature space is divided to reduce the scale of template matching search. Finally, the simulation and real time data show that the method has good discriminant performance and good real-time processing capability.
【作者單位】： 西安電子科技大學雷達信號處理國家重點實驗室;
【分類號】：TN957.52
【正文快照】： 1引言彈載雷達地面目標識別系統(tǒng)主要面臨的問題是復雜環(huán)境下對特定目標的實時鑒別。針對彈載雷達應用背景,采用合成寬帶雷達體制生成雷達地面目標1維高分辨距離像(High Resolution RangeProfile,HRRP)用于檢測與識別。目標HRRP反映了目標散射點在雷達視線方向的幾何結構信息,

【相似文獻】

相關期刊論文 前10條

1 翟慶林;張軍;付強;;一種多普勒體制下的多目標鑒別方法[J];電光與控制;2008年02期

2 劉睿;王文光;邱朝陽;;基于動態(tài)規(guī)劃的檢測前跟蹤算法中的目標鑒別方法[J];火力與指揮控制;2011年01期

3 趙艷麗;周穎;王雪松;羅佳;王國玉;;基于動力學模型的有源假目標鑒別方法[J];國防科技大學學報;2007年05期

4 王鵬宇;宋千;周智敏;;基于目標物理特征和壓縮感知的地雷目標鑒別方法[J];電子與信息學報;2012年08期

5 李為民;朱永鋒;趙宏鐘;付強;;基于多普勒譜的多目標鑒別技術[J];系統(tǒng)工程與電子技術;2005年12期

6 蘇晉,張軍,付強;基于多普勒像和加速度像的多目標鑒別[J];現(xiàn)代雷達;2002年06期

7 高貴;;SAR圖像目標鑒別研究綜述[J];信號處理;2009年09期

8 楊志國;祝明波;黃曉濤;周智敏;;一種基于多項式擬合的UWB SAR目標鑒別穩(wěn)健性評估方法[J];武漢理工大學學報(交通科學與工程版);2010年01期

9 王世f^;李禹;劉軍;計科峰;粟毅;;一種基于間隙度特征的SAR圖像車輛目標鑒別算法[J];電子與信息學報;2008年08期

10 徐牧;王雪松;肖順平;;基于散射機理分類與頻譜相關性分析的極化SAR人造目標鑒別[J];信號處理;2009年03期

相關會議論文 前1條

1 王文光;孫進平;毛士藝;;基于知識的SAR圖像飛機檢測[A];第十四屆全國信號處理學術年會(CCSP-2009)論文集[C];2009年

相關博士學位論文 前3條

1 楊志國;基于ROI的UWB SAR葉簇覆蓋目標鑒別方法研究[D];國防科學技術大學;2007年

2 高貴;SAR圖像目標ROI自動獲取技術研究[D];國防科學技術大學;2007年

3 付信際;合成孔徑雷達圖像分類與目標檢測技術研究[D];中國科學院研究生院（電子學研究所）;2005年

相關碩士學位論文 前7條

1 徐恒;SAR目標鑒別算法研究[D];西安電子科技大學;2012年

2 王璇;分辨率與SAR目標檢測分類性能的關聯(lián)性研究[D];電子科技大學;2012年

3 李芳;基于極化信息的SAR目標檢測鑒別方法研究[D];西安電子科技大學;2014年

4 宋寶蘭;基于帶狀像的目標分辨與運動目標識別[D];湖南大學;2009年

5 江良;雷達微弱目標檢測與跟蹤實現(xiàn)技術研究[D];西安電子科技大學;2014年

6 翟慶林;毫米波PD雷達多目標分辨技術研究[D];國防科學技術大學;2006年

7 趙波;基于背景統(tǒng)計信息的高頻雷達多目標TBD技術研究[D];哈爾濱工業(yè)大學;2012年

，

本文編號：1463480