發(fā)布時間：2018-05-07 01:26

  本文選題：多功能雷達(dá)(MFR) + 狀態(tài)轉(zhuǎn)移�。� 參考：《北京航空航天大學(xué)學(xué)報》2017年10期

【摘要】：針對傳統(tǒng)識別模型存在的參數(shù)規(guī)律描述不全面的問題,提出一種適用于多功能雷達(dá)(MFR)的層級模型,該模型通過任務(wù)、狀態(tài)、參數(shù)3個層級反映了MFR系統(tǒng)的運行機制,并依據(jù)不同的參數(shù)變化規(guī)律,設(shè)定多種函數(shù)進(jìn)行描述,能夠反映信號的聯(lián)合變化和統(tǒng)計信息,較統(tǒng)計和脈沖樣本圖模型具備更好的識別效果。在層級模型基礎(chǔ)上,針對MFR狀態(tài)轉(zhuǎn)移估計方法存在的魯棒性、估計準(zhǔn)確率不佳的問題,引入目標(biāo)運動狀態(tài)信息,構(gòu)建雙鏈隱馬爾可夫模型(HMM),進(jìn)而利用D-S(Dempster-Shafer)證據(jù)理論優(yōu)化估計結(jié)果,提出一種基于HMM的雷達(dá)狀態(tài)轉(zhuǎn)移估計方法,實驗結(jié)果表明,提出的方法較改進(jìn)前具備更優(yōu)異的魯棒性和估計準(zhǔn)確率。
[Abstract]:Aiming at the problem of incomplete description of parameter law in traditional recognition model, a hierarchical model suitable for multifunctional radar is proposed. The model reflects the operation mechanism of MFR system through three levels: task, state and parameter. According to different parameter variation rules, a variety of functions are set up to describe, which can reflect the joint changes and statistical information of the signal, which has better recognition effect than the statistical and pulse sample model. On the basis of hierarchical model, aiming at the problem of robustness and poor estimation accuracy of MFR state transition estimation method, this paper introduces the moving state information of the target, constructs a double chain hidden Markov model (HMMM), and then optimizes the estimation results by using D-Sine Dempster-Shafer evidence theory. A radar state transfer estimation method based on HMM is proposed. The experimental results show that the proposed method is more robust and accurate than that before the improvement.
【作者單位】： 裝備學(xué)院研究生院;裝備學(xué)院光電裝備系;
【分類號】：TN957.51

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 朱加偉;周顥;趙保華;;基于狀態(tài)機的802.1X協(xié)議攻擊檢測方法[J];西安交通大學(xué)學(xué)報;2010年04期

2 王守業(yè);彩電微處理器功能描述──狀態(tài)轉(zhuǎn)移與事件驅(qū)動[J];電視技術(shù);1998年11期

3 宦若虹;楊汝良;岳晉;;SVM和HMM相結(jié)合的合成孔徑雷達(dá)圖像目標(biāo)識別[J];系統(tǒng)工程與電子技術(shù);2008年03期

4 蘇龍;盧選民;王劍亮;潘勃;;一種基于HMM的短波電臺PACTOR協(xié)議識別技術(shù)[J];現(xiàn)代電子技術(shù);2014年09期

5 黃榮青,朱東來,王仁華;基于HMM和Monte-Carlo方法的生成基頻曲線的新方法[J];計算機工程與應(yīng)用;2002年21期

6 王仕奎;周琳;吳鎮(zhèn)揚;尤紅巖;;基于HMM狀態(tài)聚類均值替代的寬帶語音ISF參數(shù)補償算法[J];電子與信息學(xué)報;2009年04期

7 楊筆鋒;張英杰;;單狀態(tài)基因克隆HMM語音訓(xùn)練算法[J];計算機工程與應(yīng)用;2011年03期

8 蘇濤,張登福,畢篤彥;基于小波域分類隱馬爾可夫樹模型的圖像去噪[J];紅外與激光工程;2005年02期

9 朱江;張玉平;彭禎珍;;基于隱馬爾可夫預(yù)測的非對稱信息功率博弈機制[J];計算機應(yīng)用;2014年04期

10 劉輝;楊俊安;許學(xué)忠;;基于ICA和HMM的低空聲目標(biāo)識別方法[J];聲學(xué)技術(shù);2008年06期

相關(guān)會議論文 前2條

1 歐貴文;鄧英;;基于濁音信息和使用HMM的語言識別[A];第七屆全國人機語音通訊學(xué)術(shù)會議（NCMMSC7）論文集[C];2003年

2 鄧英;;基于濁音信息和改進(jìn)HMM的性別識別[A];2006’和諧開發(fā)中國西部聲學(xué)學(xué)術(shù)交流會論文集[C];2006年

相關(guān)碩士學(xué)位論文 前4條

1 董良;基于自適應(yīng)神經(jīng)模糊推理與隱馬爾可夫的語音分割研究[D];天津大學(xué);2014年

2 鐘微;基于隱馬爾可夫協(xié)議分析的無線網(wǎng)絡(luò)入侵檢測技術(shù)研究[D];電子科技大學(xué);2013年

3 武燕;SVM與HMM結(jié)合的中文語音音節(jié)識別算法的設(shè)計與實現(xiàn)[D];電子科技大學(xué);2010年

4 高洪曄;基于HMM的室內(nèi)樓層定位研究[D];杭州電子科技大學(xué);2014年

，

本文編號：1854792