發(fā)布時間：2018-08-19 13:46

【摘要】：第二次世界大戰(zhàn)以來,雷達(dá)在現(xiàn)代戰(zhàn)爭中扮演著越來越重要的角色。逆合成孔徑雷達(dá)(ISAR)由于其豐富的信息獲取能力,為雷達(dá)的自動目標(biāo)識別(ATR)技術(shù)提供了良好的應(yīng)用場景。岸基ISAR可以對艦船目標(biāo)進(jìn)行遠(yuǎn)距離二維成像,獲取目標(biāo)的形態(tài)結(jié)構(gòu)等特征,因此,基于ISAR圖像的艦船目標(biāo)識別技術(shù)具有著廣闊的發(fā)展前景和應(yīng)用價值。本課題基于ISAR實測數(shù)據(jù),對艦船目標(biāo)自動識別技術(shù)進(jìn)行了研究。研究內(nèi)容主要包含以下幾個方面：首先,針對艦船目標(biāo)ISAR圖像中典型的噪聲和結(jié)構(gòu)殘缺問題,提出了包含圖像分割去噪和形態(tài)學(xué)方法等的完整的圖像預(yù)處理流程,獲取了目標(biāo)清晰完整無噪點的圖像。其次,研究了艦船目標(biāo)的形態(tài)特征提取方法,并基于實測數(shù)據(jù),研究了形態(tài)特征對橫向定標(biāo)和樣本分布等實際問題的穩(wěn)健性,為形態(tài)特征的實際應(yīng)用提供了依據(jù)。此外,提出了幾種艦船目標(biāo)上層結(jié)構(gòu)曲線的自適應(yīng)分段算法。均值梯度法在視覺上最合理的位置對曲線進(jìn)行分段,而均值逼近法和聚類法則通過追求分段后段內(nèi)曲線分布更加接近來實現(xiàn)曲線的最優(yōu)分段,而基于拐點的聚類法則結(jié)合了這兩個角度。對實測數(shù)據(jù)進(jìn)行實驗的結(jié)果證明了自適應(yīng)分段算法對上層結(jié)構(gòu)編碼特征區(qū)分度的有效提升。最后,本文將模糊集理論引入,提出了基于上層結(jié)構(gòu)編碼的模糊識別技術(shù)。該技術(shù)通過將目標(biāo)表示為全體編碼論域上的模糊集,擴(kuò)展了原有上層結(jié)構(gòu)編碼的描述能力,并采用最大貼近度原則,對目標(biāo)進(jìn)行識別。該技術(shù)通過一種兩步式的計算方法,利用分段相對均值特征,得到所有編碼對目標(biāo)的隸屬度,從而將目標(biāo)表示為模糊集。隨后,利用最大貼近度原則,將目標(biāo)識別為貼近度最大的類別。最終,在實測數(shù)據(jù)的識別實驗中,比較了三種貼近度定義——海明貼近度、歐幾里得貼近度和格貼近度在本應(yīng)用中的效果,并驗證了本文提出的模糊識別技術(shù)對現(xiàn)有其他基于上層結(jié)構(gòu)的艦船識別技術(shù)的提升。
[Abstract]:Since World War II, radar has played an increasingly important role in modern warfare. Inverse synthetic Aperture Radar (ISAR) provides a good application scenario for automatic target recognition (ATR) technology because of its rich information acquisition ability. Shore-based ISAR can be used to image ship targets at a long distance and obtain the characteristics of target morphology and structure. Therefore, the technology of ship target recognition based on ISAR image has a broad development prospect and application value. Based on the measured data of ISAR, the automatic recognition technology of ship target is studied in this paper. The research mainly includes the following aspects: firstly, aiming at the typical noise and structural defects in ship target ISAR images, a complete image preprocessing process including image segmentation and denoising and morphological methods is proposed. The image of clear and complete target without noise is obtained. Secondly, the extraction method of ship's morphological features is studied. Based on the measured data, the robustness of morphological features to the practical problems such as lateral calibration and sample distribution is studied, which provides a basis for the practical application of morphological features. In addition, several adaptive segmentation algorithms for upper structure curves of ship targets are proposed. The mean gradient method segments the curve in the most reasonable position, while the mean value approximation method and the clustering method achieve the optimal segmentation of the curve through the pursuit of closer distribution of the curve in the segment after the segment. The clustering method based on inflection point combines these two angles. The experimental results on the measured data show that the adaptive segmentation algorithm can effectively improve the classification of the upper structure coding features. Finally, the fuzzy set theory is introduced and a fuzzy recognition technique based on upper structure coding is proposed. By representing the target as a fuzzy set on the whole coding domain, the technique extends the description ability of the original upper structure coding, and adopts the principle of maximum closeness to identify the target. By using a two-step calculation method and the feature of piecewise relative mean, the membership degree of all the codes to the target is obtained, and the target is represented as a fuzzy set. Then, the target is recognized as the category with the largest degree of closeness by using the principle of maximum closeness. Finally, in the recognition experiment of measured data, the effects of three definitions of closeness, Heming closeness, Euclidean closeness and lattice closeness in this application are compared. It also verifies that the proposed fuzzy recognition technology improves the existing ship recognition technology based on upper structure.
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN957.52;E925.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;A NEW APPROACH FOR ISAR TRANSLATIONAL MOTION COMPENSATION[J];TRANSACTIONS OF NANJING UNIVERSITY OF AERONAUTICS & ASTRONAUTICS;1994年01期

2 朱岱寅,朱兆達(dá);IDENTIFYING THE NUMBER OF AIRCRAFT IN FORMATION FLIGHT USING ISAR TECHNIQUE[J];Chinese Journal of Aeronautics;1999年03期

3 范春彥,李曉曼,付紅衛(wèi),張善文;ISAR成像的處理與分類方法[J];電光與控制;2003年02期

4 何媛,高梅國,付佗;Modified Approach to PGA Phase Averaging for ISAR Autofocus[J];Journal of Beijing Institute of Technology(English Edition);2003年S1期

5 王洋,陳建文,劉中,劉愛芳;多運動目標(biāo)ISAR成像方法研究[J];宇航學(xué)報;2005年04期

6 王立冬;胡衛(wèi)東;郁文賢;;聯(lián)合時頻技術(shù)用于ISAR像綜述[J];系統(tǒng)工程與電子技術(shù);2005年12期

7 劉春泉;田中成;周青松;;對ISAR的混沌噪聲調(diào)頻干擾[J];電子信息對抗技術(shù);2008年03期

8 徐偉謀;王國宏;潘定珍;張艷;;爆炸沖擊目標(biāo)ISAR成像的仿真[J];山東理工大學(xué)學(xué)報(自然科學(xué)版);2008年05期

9 劉明敬;劉剛;;一種高效的ISAR距離對齊算法[J];電光與控制;2009年12期

10 朱仁飛;張群;羅迎;于濤;;雙基地ISAR二維分辨率分析研究[J];彈箭與制導(dǎo)學(xué)報;2010年01期

相關(guān)會議論文 前10條

1 劉紅婭;賈鑫;;對ISAR系統(tǒng)有效干擾分析[A];全國第三屆信號和智能信息處理與應(yīng)用學(xué)術(shù)交流會�？痆C];2009年

2 賀思三;趙會寧;周劍雄;付強(qiáng);;基于相關(guān)距離像序列的ISAR圖像橫向定標(biāo)[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

3 項艷;柏又青;馮有前;朱豐;張群;;壓縮感知在ISAR數(shù)據(jù)傳輸中的應(yīng)用[A];第八屆全國信號與信息處理聯(lián)合學(xué)術(shù)會議論文集[C];2009年

4 張凱;杜小勇;王壯;;壓縮感知在ISAR成像中的應(yīng)用[A];2011年通信與信息技術(shù)新進(jìn)展——第八屆中國通信學(xué)會學(xué)術(shù)年會論文集[C];2011年

5 張群;張濤;張守宏;;一種ISAR成像運動補(bǔ)償新方法[A];第九屆全國信號處理學(xué)術(shù)年會（CCSP-99）論文集[C];1999年

6 劉毅鵬;王軍鋒;張振國;劉興釗;;一種改進(jìn)的ISAR最小熵相位校正方案[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

7 余渝生;朱岱寅;;ISAR大轉(zhuǎn)角下全局最小熵距離對準(zhǔn)算法的改進(jìn)[A];2008通信理論與技術(shù)新進(jìn)展——第十三屆全國青年通信學(xué)術(shù)會議論文集（上）[C];2008年

8 江舸;;ISAR圖像欺騙干擾技術(shù)研究[A];中國工程物理研究院科技年報（2010年版）[C];2011年

9 李寧;汪玲;;一種基于有效轉(zhuǎn)動角速度估計的ISAR圖像方位向定標(biāo)方法[A];2011年全國通信安全學(xué)術(shù)會議論文集[C];2011年

10 李源;;影響ISAR成像質(zhì)量的脈沖參數(shù)分析[A];中國雷達(dá)行業(yè)協(xié)會航空電子分會暨四川省電子學(xué)會航空航天專委會學(xué)術(shù)交流會論文集[C];2005年

相關(guān)重要報紙文章 前1條

1 玉 榮;ISAR模型核心：“好公司”“好股票”[N];證券日報;2005年

相關(guān)博士學(xué)位論文 前10條

1 潘小義;基于目標(biāo)散射及微動特性調(diào)制的ISAR干擾方法研究[D];國防科學(xué)技術(shù)大學(xué);2014年

2 俞翔;ISAR運動補(bǔ)償和成像新方法的研究[D];南京航空航天大學(xué);2013年

3 王超;基于信號處理新方法的機(jī)動目標(biāo)ISAR成像算法研究[D];哈爾濱工業(yè)大學(xué);2015年

4 周芳;高分辨SAR/ISAR成像信號補(bǔ)償新技術(shù)研究[D];西安電子科技大學(xué);2014年

5 徐剛;高分辨雷達(dá)成像稀疏信號處理技術(shù)研究[D];西安電子科技大學(xué);2015年

6 鄭紀(jì)彬;基于運動參數(shù)非搜索估計的ISAR成像技術(shù)研究[D];西安電子科技大學(xué);2015年

7 陳倩倩;高分辨ISAR成像及定標(biāo)技術(shù)研究[D];西安電子科技大學(xué);2015年

8 陳津;空間目標(biāo)ISAR成像方法與特征分析研究[D];北京理工大學(xué);2016年

9 肖達(dá);浮空器載逆合成孔徑雷達(dá)飛機(jī)目標(biāo)成像技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2016年

10 盛佳戀;ISAR高分辨成像和參數(shù)估計算法研究[D];西安電子科技大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 師君;高速、多目標(biāo)ISAR仿真及成像研究[D];電子科技大學(xué);2005年

2 謝昭;ISAR與AIS航跡融合及基于ISAR圖像的船目標(biāo)長度估計方法研究[D];哈爾濱工業(yè)大學(xué);2015年

3 康健;非合作目標(biāo)ISAR成像方法研究[D];哈爾濱工業(yè)大學(xué);2015年

4 張穎寧;多基站ISAR成像融合算法研究[D];哈爾濱工業(yè)大學(xué);2015年

5 唐京京;基于混合模式的SAR/ISAR成像技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

6 鮑琦;典型ISAR成像方法仿真研究[D];電子科技大學(xué);2014年

7 林冬;基于壓縮感知的雙站ISAR成像研究[D];電子科技大學(xué);2014年

8 楊云川;基于ISAR圖像序列的目標(biāo)三維重構(gòu)[D];哈爾濱工業(yè)大學(xué);2014年

9 呂杰勤;基于壓縮感知的ISAR成像算法研究[D];哈爾濱工業(yè)大學(xué);2014年

10 張雙輝;低信噪比下的ISAR成像技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

，

本文編號：2191832