【摘要】：針對(duì)主成分分析(principal component analysis,PCA)等數(shù)據(jù)壓縮方法用于雷達(dá)高分辨距離像(high resolution range profile,HRRP)的特征提取,只能反映固定方位幀內(nèi)HRRP線性結(jié)構(gòu),而無法準(zhǔn)確描述目標(biāo),導(dǎo)致識(shí)別性能下降的問題,提出了一種基于混合概率PCA的HRRP特征提取方法。該方法利用期望最大值(Expectation maximization,EM)算法求解HRRP的一、二階統(tǒng)計(jì)參數(shù),能夠真實(shí)反映數(shù)據(jù)分布,以分布趨同的原則實(shí)現(xiàn)不同方位幀的聚類,減少模板數(shù)量。最后通過自適應(yīng)高斯分類器和Kullback-Leibler距離分類器識(shí)別獲取的統(tǒng)計(jì)特征,可進(jìn)一步改善識(shí)別性能。仿真實(shí)驗(yàn)驗(yàn)證了該方法能夠在降低數(shù)據(jù)維數(shù)的同時(shí),實(shí)現(xiàn)HRRP統(tǒng)計(jì)特征的提取,能一定程度上削弱方位敏感性的影響。
[Abstract]:For the feature extraction of radar high resolution range profile (high resolution range profile,HRRP) using principal component analysis (principal component analysis,PCA) and other data compression methods, it can only reflect the linear structure of HRRP in the fixed azimuth frame, but it can not accurately describe the target, which leads to the problem of poor recognition performance. A HRRP feature extraction method based on mixed probability PCA is proposed. In this method, the expected maximum (Expectation maximization,EM) algorithm is used to solve the first and second order statistical parameters of HRRP, which can truly reflect the distribution of data, realize the clustering of different azimuth frames by the principle of convergence of distribution, and reduce the number of templates. Finally, the recognition performance can be further improved by adaptive Gao Si classifier and Kullback-Leibler distance classifier. The simulation results show that this method can reduce the dimension of data and achieve the extraction of HRRP statistical features, which can weaken the influence of azimuth sensitivity to some extent.
【作者單位】： 西北工業(yè)大學(xué)電子信息學(xué)院;
【基金】：國家自然科學(xué)基金(61571364) 西北工業(yè)大學(xué)研究生創(chuàng)新創(chuàng)意種子基金(Z2016022)資助課題
【分類號(hào)】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王菲;白潔;;一種基于非線性特征提取的被動(dòng)聲納目標(biāo)識(shí)別方法研究[J];軟件導(dǎo)刊;2010年05期

2 劉守生,丁勇,胡壽松;一種特征提取新方法[J];信號(hào)處理;1999年S1期

3 屈微,劉賀平;拓?fù)洫?dú)立分量分析在方言特征提取中的應(yīng)用研究[J];電聲技術(shù);2005年05期

4 李晉徽;楊俊安;王一;;一種新的基于瓶頸深度信念網(wǎng)絡(luò)的特征提取方法及其在語種識(shí)別中的應(yīng)用[J];計(jì)算機(jī)科學(xué);2014年03期

5 柳革命;孫超;陳建莉;;基于局域判別基空間能量的特征提取[J];空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

6 菅云峰,胡勇,李介谷,孫再龍;基于相位疊合的不變特征提取[J];紅外與激光工程;2000年01期

7 向陽,史習(xí)智;沖擊回波信號(hào)的波形結(jié)構(gòu)特征提取及分類研究[J];振動(dòng)工程學(xué)報(bào);2000年03期

8 樓天良;蔣惠忠;;一種適于高維時(shí)間序列的特征提取方法(英文)[J];浙江科技學(xué)院學(xué)報(bào);2007年02期

9 楊日杰,李鋼虎,趙俊渭,姚藍(lán);一種輻射噪聲的特征提取新方法[J];西北工業(yè)大學(xué)學(xué)報(bào);2000年02期

10 潘繼飛;姜秋喜;;一種脈間滑變雷達(dá)信號(hào)特征提取新方法[J];電子信息對(duì)抗技術(shù);2011年01期

相關(guān)會(huì)議論文 前3條

1 劉直芳;張繼平;游志勝;;有限制的MFA-ICA的算法及其在特征提取中的應(yīng)用[A];信號(hào)與信息處理技術(shù)第三屆信號(hào)與信息處理全國聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2004年

2 李麗君;黃思娟;吳效明;熊冬生;;基于ECOG的運(yùn)動(dòng)想象特征提取和分類[A];中國生物醫(yī)學(xué)工程學(xué)會(huì)成立30周年紀(jì)念大會(huì)暨2010中國生物醫(yī)學(xué)工程學(xué)會(huì)學(xué)術(shù)大會(huì)壁報(bào)展示論文[C];2010年

3 刁彥華;;基于小波變換模極大值的分析方法及其應(yīng)用綜述[A];全面建設(shè)小康社會(huì)：中國科技工作者的歷史責(zé)任——中國科協(xié)2003年學(xué)術(shù)年會(huì)論文集（上）[C];2003年

相關(guān)博士學(xué)位論文 前5條

1 段佳;SAR/ISAR目標(biāo)電磁特征提取及應(yīng)用研究[D];西安電子科技大學(xué);2015年

2 馮博;雷達(dá)高分辨距離像特征提取與識(shí)別方法研究[D];西安電子科技大學(xué);2015年

3 陳斌;連續(xù)語音識(shí)別特征提取與聲學(xué)模型訓(xùn)練區(qū)分性技術(shù)研究[D];解放軍信息工程大學(xué);2015年

4 王玉靜;滾動(dòng)軸承振動(dòng)信號(hào)特征提取與狀態(tài)評(píng)估方法研究[D];哈爾濱工業(yè)大學(xué);2015年

5 秦建華;經(jīng)絡(luò)電阻抗特性的特征提取及模式分類方法研究[D];北京郵電大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 江海;心音信號(hào)特征提取及分類研究[D];昆明理工大學(xué);2015年

2 梁致漢;基于EEG的腦機(jī)接口技術(shù)研究與實(shí)現(xiàn)[D];天津理工大學(xué);2015年

3 劉雪勇;次聲信號(hào)特征提取與分類識(shí)別研究[D];中國地質(zhì)大學(xué)(北京);2015年

4 趙利民;基于運(yùn)動(dòng)想象的腦電信號(hào)特征提取與分類方法研究[D];太原理工大學(xué);2016年

5 謝清新;基于小波分解和Teager能量算子的P300特征提取及分類算法研究[D];廣東工業(yè)大學(xué);2016年

6 唐增;基于運(yùn)動(dòng)想象的腦—機(jī)接口特征提取和分類算法研究[D];廣東工業(yè)大學(xué);2016年

7 張文啟;基于特征提取的通信信號(hào)識(shí)別研究[D];蘭州理工大學(xué);2016年

8 潘悅;無線網(wǎng)絡(luò)中基于壓縮感知的環(huán)境特征提取方法[D];內(nèi)蒙古大學(xué);2016年

9 馮秀麗;基于非線性特征提取的心電節(jié)拍分類算法研究[D];天津工業(yè)大學(xué);2016年

10 尹咪咪;心電信號(hào)分析處理及心肌梗塞疾病模型的建立[D];鄭州大學(xué);2016年

，

本文編號(hào)：2263726