本文選題：空時(shí)自適應(yīng)處理　切入點(diǎn)：干擾目標(biāo)　出處：《系統(tǒng)工程與電子技術(shù)》2017年02期

【摘要】：針對(duì)干擾目標(biāo)污染訓(xùn)練樣本引起功率非均勻,造成空時(shí)自適應(yīng)處理(space-time adaptive processing,STAP)目標(biāo)檢測(cè)性能下降這一問題,提出一種基于矩陣相似度的STAP非均勻樣本選取方法。該方法首先從受污染樣本與干凈樣本的差異性度量角度入手,采用均值Hausdorff距離度量樣本矩陣相似性,然后結(jié)合凸優(yōu)化包計(jì)算不同樣本的相似度,最后根據(jù)相似度的不同,實(shí)現(xiàn)對(duì)受污染樣本的剔除。仿真結(jié)果表明,同廣義內(nèi)積法(generalized inner product,GIP)相比,采用均值Hausdorff矩陣相似度的挑選方法對(duì)于受小干擾強(qiáng)度目標(biāo)污染的樣本檢測(cè)更加有效,避免了弱干擾目標(biāo)對(duì)于協(xié)方差矩陣估計(jì)的影響,從而改善了STAP在功率非均勻環(huán)境下的目標(biāo)檢測(cè)性能。
[Abstract]:Aiming at the problem that the interference target pollution training samples cause the non-uniform power and the space-time adaptive processing space-time adaptive processing (space-time adaptive processing) target detection performance is degraded, a STAP heterogeneous sample selection method based on matrix similarity is proposed.The method first measures the difference between contaminated samples and clean samples, and measures the similarity of sample matrix with mean Hausdorff distance, then calculates the similarity of different samples with convex optimization packet, and finally according to the difference of similarity.The removal of contaminated samples is realized.The simulation results show that compared with generalized inner product method (GIP), the average Hausdorff matrix similarity selection method is more effective for the detection of samples contaminated by small interference intensity targets, and avoids the influence of weak interference targets on covariance matrix estimation.Thus, the performance of STAP target detection in non-uniform power environment is improved.
【作者單位】： 空軍工程大學(xué)防空反導(dǎo)學(xué)院;中國(guó)人民解放軍94175部隊(duì);
【分類號(hào)】：TN957.51

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄭煒冬;;試卷相似度自動(dòng)評(píng)估技術(shù)的研究[J];智能計(jì)算機(jī)與應(yīng)用;2011年06期

2 趙濤;肖建;;二型模糊相似度及其應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2013年08期

3 徐志明;李棟;劉挺;李生;王剛;袁樹侖;;微博用戶的相似性度量及其應(yīng)用[J];計(jì)算機(jī)學(xué)報(bào);2014年01期

4 李桂林,陳曉云;關(guān)于聚類分析中相似度的討論[J];計(jì)算機(jī)工程與應(yīng)用;2004年31期

5 秦玉平;楊興凱;;基于案例推理的區(qū)間屬性相似度研究[J];遼寧師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年04期

6 蔣鵬;;基于本體的應(yīng)急案例相似度算法研究[J];南昌高專學(xué)報(bào);2009年03期

7 何亞;;詞語(yǔ)相似度算法的分析與改進(jìn)[J];硅谷;2011年24期

8 仇麗青;陳卓艷;;基于共同鄰居相似度的社區(qū)發(fā)現(xiàn)算法[J];信息系統(tǒng)工程;2014年05期

9 焦鵬;唐見兵;查亞兵;;仿真可信度評(píng)估中相似度方法的改進(jìn)及其應(yīng)用[J];系統(tǒng)仿真學(xué)報(bào);2007年12期

10 姜毅;樂慶玲;;一種基于興趣相似度的學(xué)習(xí)社區(qū)算法[J];電腦知識(shí)與技術(shù)(學(xué)術(shù)交流);2007年16期

相關(guān)會(huì)議論文 前10條

1 劉海波;鄭德權(quán);趙鐵軍;;基于相似度線性加權(quán)方法的檢索結(jié)果聚類研究[A];中國(guó)計(jì)算語(yǔ)言學(xué)研究前沿進(jìn)展（2009-2011）[C];2011年

2 陸勁挺;路強(qiáng);劉曉平;;對(duì)比相似度計(jì)算方法及其在功能樹擴(kuò)展中的應(yīng)用[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

3 董刊生;方金云;;基于向量距離的詞序相似度算法[A];第四屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集（上）[C];2008年

4 劉曉平;陸勁挺;;任意功能樹的物元相似度求解方法[A];全國(guó)第21屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2010）暨全國(guó)第2屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

5 王茜;張衛(wèi)星;;基于分類樹相似度加權(quán)的協(xié)同過濾算法[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)論文集[C];2008年

6 洪文學(xué);王金甲;常鳳香;宋佳霖;劉文遠(yuǎn);王立強(qiáng);;基于圖形特征增強(qiáng)的相似度分類器的研究[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2007年

7 雷慶;吳揚(yáng)揚(yáng);;一種基于語(yǔ)義信息計(jì)算XML文檔相似度的新方法[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

8 葉正;林鴻飛;楊志豪;;基于問句相似度的中文FAQ問答系統(tǒng)研究[A];第三屆學(xué)生計(jì)算語(yǔ)言學(xué)研討會(huì)論文集[C];2006年

9 羅辛;歐陽(yáng)元新;熊璋;袁滿;;通過相似度支持度優(yōu)化基于K近鄰的協(xié)同過濾算法[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集A輯一[C];2010年

10 王健;劉衍珩;焦玉;;VANETs信任傳播建模[A];中國(guó)通信學(xué)會(huì)通信軟件技術(shù)委員會(huì)2009年學(xué)術(shù)會(huì)議論文集[C];2009年

相關(guān)重要報(bào)紙文章 前1條

1 王伽　衛(wèi)江;出入境證件照片應(yīng)及時(shí)更換[N];中國(guó)國(guó)門時(shí)報(bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 操震洲;矢量數(shù)據(jù)動(dòng)態(tài)多尺度網(wǎng)絡(luò)傳輸研究[D];南京大學(xué);2015年

2 程亮;基于本體的疾病數(shù)據(jù)整合與挖掘方法研究[D];哈爾濱工業(yè)大學(xué);2014年

3 劉振宇;基于區(qū)域相似度和特征降維的極化SAR影像分類[D];武漢大學(xué);2013年

4 曹，

本文編號(hào)：1727325