發(fā)布時(shí)間：2018-04-29 07:10

  本文選題：雷達(dá)目標(biāo)識(shí)別 + 高分辨距離像　； 參考：《電子與信息學(xué)報(bào)》2017年08期

【摘要】：該文針對(duì)概率主成分分析(PPCA)模型用于1維高分辨距離像(HRRP)識(shí)別對(duì)噪聲敏感的問(wèn)題,對(duì)經(jīng)典PPCA模型進(jìn)行修正。該方法將基于高斯分布的PPCA模型擴(kuò)展為基于t分布的PPCA模型,能夠綜合利用t分布對(duì)噪聲穩(wěn)健和PPCA模型自由參數(shù)少的特性。同時(shí)為了減少目標(biāo)方位敏感性對(duì)HRRP統(tǒng)計(jì)建模的影響,進(jìn)一步將t分布模型擴(kuò)展為混合概率t分布模型,能夠以分布趨同的原則將不同方位幀內(nèi)具有相同統(tǒng)計(jì)特性的HRRP數(shù)據(jù)進(jìn)行聚類(lèi),減少模型的失配,改善識(shí)別性能。模型參數(shù)通過(guò)期望最大值(EM)算法估計(jì),可提高計(jì)算效率。最后,通過(guò)貝葉斯規(guī)則,以獲取的統(tǒng)計(jì)特征識(shí)別測(cè)試數(shù)據(jù),仿真結(jié)果表明該方法能夠提高低信噪比條件下PPCA模型的穩(wěn)健性。
[Abstract]:In order to solve the problem that the probabilistic principal component analysis (PPCA) model is used to recognize the noise sensitivity of the high resolution range profile, the classical PPCA model is modified in this paper. This method extends the PPCA model based on Gao Si distribution to the PPCA model based on t distribution, which can make full use of the robustness of t distribution to noise and the less free parameters of PPCA model. In order to reduce the influence of target azimuth sensitivity on HRRP statistical modeling, the t-distribution model is further extended to the mixed probabilistic t-distribution model. The HRRP data with the same statistical characteristics in different azimuth frames can be clustered according to the principle of distribution convergence, which can reduce the mismatch of the model and improve the recognition performance. The model parameters can be estimated by the expected maximum value (EM) algorithm, and the computational efficiency can be improved. Finally, the Bayesian rules are used to identify the test data. The simulation results show that the proposed method can improve the robustness of the PPCA model under low SNR.
【作者單位】： 西北工業(yè)大學(xué)電子信息學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61571364) 西北工業(yè)大學(xué)研究生創(chuàng)意創(chuàng)新種子基金(Z2017022)~~
【分類(lèi)號(hào)】：TN957.52

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 但波;姜永華;李敬軍;盧毅;;雷達(dá)高分辨距離像自適應(yīng)角域劃分方法[J];系統(tǒng)工程與電子技術(shù);2014年11期

2 王鵬輝;杜蘭;劉宏偉;;基于復(fù)高斯模型的雷達(dá)高分辨距離像目標(biāo)識(shí)別新方法[J];光學(xué)學(xué)報(bào);2014年02期

【共引文獻(xiàn)】

相關(guān)期刊論文 前3條

1 李彬;李輝;郭淞云;;基于t分布擴(kuò)展概率主成分分析模型的一維距離像識(shí)別方法[J];電子與信息學(xué)報(bào);2017年08期

2 李彬;李輝;;基于混合概率主成分分析的HRRP特征提取[J];系統(tǒng)工程與電子技術(shù);2017年01期

3 和華;杜蘭;徐丹蕾;劉宏偉;;基于多任務(wù)復(fù)數(shù)因子分析模型的雷達(dá)高分辨距離像識(shí)別方法[J];電子與信息學(xué)報(bào);2015年10期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭尊華;李達(dá);張伯彥;;雷達(dá)高距離分辨率一維像目標(biāo)識(shí)別[J];系統(tǒng)工程與電子技術(shù);2013年01期

2 董晶;陳蕊;李小龍;張駿;;運(yùn)動(dòng)目標(biāo)微多普勒效應(yīng)的激光雷達(dá)相干探測(cè)及特征提取[J];中國(guó)激光;2012年10期

3 劉立人;;直視合成孔徑激光成像雷達(dá)原理[J];光學(xué)學(xué)報(bào);2012年09期

4 李昕磊;李飚;;實(shí)時(shí)太赫茲探測(cè)與成像技術(shù)新進(jìn)展[J];激光與光電子學(xué)進(jìn)展;2012年09期

5 劉紅超;糾博;劉宏偉;保錚;;一種勻加速空間目標(biāo)高分辨距離像補(bǔ)償算法[J];西安電子科技大學(xué)學(xué)報(bào);2012年04期

6 張新征;黃培康;;基于復(fù)值HRRP CICA特征的多方位SAR目標(biāo)識(shí)別[J];系統(tǒng)工程與電子技術(shù);2012年02期

7 王鵬輝;劉宏偉;杜蘭;潘勉;張學(xué)峰;;基于線(xiàn)性動(dòng)態(tài)模型的雷達(dá)高分辨距離像小樣本目標(biāo)識(shí)別方法[J];電子與信息學(xué)報(bào);2012年02期

8 嚴(yán)毅;金曉峰;孫建鋒;周煜;劉立人;;聚束非相干合成孔徑激光成像雷達(dá)研究[J];光學(xué)學(xué)報(bào);2012年02期

9 艾小鋒;李永禎;趙鋒;肖順平;;基于多視角一維距離像序列的進(jìn)動(dòng)目標(biāo)特征提取[J];電子與信息學(xué)報(bào);2011年12期

10 劉崢;張翼;付強(qiáng);;雷達(dá)平臺(tái)運(yùn)動(dòng)特性及其對(duì)一維距離像影響分析[J];國(guó)防科技大學(xué)學(xué)報(bào);2011年03期

【相似文獻(xiàn)】

相關(guān)期刊論文 前8條

1 馬士國(guó);余桐奎;王志偉;;改進(jìn)的主成分分析方法[J];艦船科學(xué)技術(shù);2012年10期

2 李可心;徐國(guó)鑫;肖俊嶺;;基于主成分分析的空中目標(biāo)識(shí)別[J];現(xiàn)代防御技術(shù);2008年03期

3 余付平;馮有前;范成禮;沈堤;;基于主成分分析的字典學(xué)習(xí)[J];控制與決策;2013年07期

4 王倩倩;秦克云;;基于PCA及FCM的C波段無(wú)線(xiàn)電信號(hào)分類(lèi)方法[J];閩南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年02期

5 劉濤;楊風(fēng)暴;;主成分分析在圖像壓縮中的應(yīng)用[J];哈爾濱師范大學(xué)自然科學(xué)學(xué)報(bào);2008年04期

6 馮雪飛;齊娜;;基于HRTF主成分分析的頭模結(jié)構(gòu)分析[J];電聲技術(shù);2013年01期

7 邢志勝,張桂林,王冼;基于主成分分析的目標(biāo)跟蹤方法研究[J];計(jì)算機(jī)與數(shù)字工程;2002年05期

8 羅楓,宋梅,任志軍,潘陽(yáng)發(fā),宋俊德;移動(dòng)網(wǎng)管中多指標(biāo)綜合評(píng)估研究[J];北京郵電大學(xué)學(xué)報(bào);2004年04期

相關(guān)碩士學(xué)位論文 前2條

1 甄龍;基于主成分分析去噪的非接觸心電測(cè)量[D];燕山大學(xué);2012年

2 孫龍;基于層次結(jié)構(gòu)的WSN節(jié)能算法的研究[D];蘇州大學(xué);2014年

，

本文編號(hào)：1818928