高分辨距離像(HRRP)具有易獲取、處理簡單等優(yōu)點,是實現(xiàn)雷達(dá)自動目標(biāo)識別(RATR)的重要手段。目前很多理論和方法中使用的HRRP樣本是通過合作目標(biāo)飛行試驗錄取的或者是電磁仿真計算得到的,具有很高的信噪比。但是在實際工程應(yīng)用當(dāng)中,識別對象多為遠(yuǎn)距離目標(biāo),獲得的HRRP測試樣本信噪比往往較低。此時如果采用高信噪比條件下建立的模板庫直接對其進(jìn)行識別,則訓(xùn)練樣本與測試樣本存在信噪比失配,從而導(dǎo)致識別性能下降。此外,對于非合作目標(biāo),想要獲得其高信噪比的訓(xùn)練樣本用于建庫也具有較大的難度。若直接使用低信噪比訓(xùn)練樣本學(xué)習(xí)識別模型,則同樣由于信噪比失配等原因會嚴(yán)重影響識別性能。針對以上問題,本文開展了HRRP噪聲穩(wěn)健識別方法研究,主要工作內(nèi)容概括如下:1.研究了現(xiàn)有的噪聲穩(wěn)健識別方法,主要分為以下三類:(1)回波增強(qiáng):對錄取的回波數(shù)據(jù)進(jìn)行去噪聲預(yù)處理,使用降噪后的數(shù)據(jù)進(jìn)行識別;(2)特征補(bǔ)償或噪聲穩(wěn)健特征提取:在訓(xùn)練階段提取具有噪聲穩(wěn)健性的特征或者對所提特征進(jìn)行修正,使得該特征對噪聲不具備敏感性,然后將所提特征存入模板庫中待識別時使用;(3)模型自適應(yīng):使用高信噪比訓(xùn)練樣本學(xué)習(xí)統(tǒng)計模型,然后根據(jù)測試樣本的信噪比修正模型參數(shù),最后使用分類器進(jìn)行識別。2.研究了基于加噪匹配的噪聲穩(wěn)健識別方法。該方法首先向高信噪比訓(xùn)練樣本中加入不同功率的人工噪聲(復(fù)高斯白噪聲)來獲得不同信噪比下的訓(xùn)練樣本,然后在訓(xùn)練階段,分別利用不同信噪比訓(xùn)練樣本建立相應(yīng)的識別模板庫。在測試階段,估計測試樣本的信噪比并挑選出與之信噪比匹配的模板進(jìn)行識別,仿真實驗驗證了該方法能有效改善識別系統(tǒng)對低信噪比HRRP的識別性能。3.研究了基于統(tǒng)計識別模型參數(shù)自適應(yīng)修正的噪聲穩(wěn)健識別方法。以經(jīng)典的因子分析(FA)和復(fù)數(shù)因子分析(CFA)統(tǒng)計識別模型為例,針對“高信噪比HRRP建庫低信噪比HRRP識別”和“低信噪比HRRP建庫識別”兩種典型應(yīng)用場景,分別提出了相應(yīng)的模型參數(shù)修正方法。仿真實驗驗證了在這兩種應(yīng)用場景下的模型參數(shù)自適應(yīng)修正方法都能有效的改善識別系統(tǒng)性能。4.提出了基于深度神經(jīng)網(wǎng)絡(luò)的噪聲穩(wěn)健識別方法。直接訓(xùn)練適用于低信噪比條件下的識別網(wǎng)絡(luò),實現(xiàn)對低信噪比樣本端到端的識別。仿真實驗驗證了該方法能有效改善識別系統(tǒng)對低信噪比HRRP的識別性能。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TN957.51
【部分圖文】：

空間結(jié)構(gòu)信息，因此本文將使用 CNN 在噪聲背景下對雷達(dá) HRRP 進(jìn)行穩(wěn)健識別，接下來對 CNN 作簡要介紹。圖 4.4 給出了卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)圖。圖4.4 卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)圖[48]CNN 具有三個核心思想：1）局部感受野：通過卷積操作提取數(shù)據(jù)中的局部空間信息。在傳統(tǒng)的全連接神經(jīng)網(wǎng)絡(luò)中，下一層任意一個神經(jīng)元都與前一層的每個神經(jīng)元通過權(quán)重相連接，如圖4.5（a）所示；而在 CNN 中，經(jīng)過卷積操作后，下一層任意一個神經(jīng)元只與前一層局部區(qū)域的神經(jīng)元相連接，如圖 4.5（b）所示。圖 4.5（b）中灰色區(qū)域即局部感受野。局部感受野（a）全連接 （b）局部連接圖4.5 全連接與局部連接示意圖

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳佳芬;馬費成;;產(chǎn)品虛假評論文本識別方法研究述評[J];數(shù)據(jù)分析與知識發(fā)現(xiàn);2019年09期

2 何湘東;朱亦寧;;網(wǎng)絡(luò)謠言識別方法及展望[J];網(wǎng)絡(luò)空間安全;2016年Z2期

3 肖清旺;王錦華;朱易翔;;物聯(lián)網(wǎng)智能終端設(shè)備識別方法[J];電信科學(xué);2017年02期

4 閔衛(wèi)東;石杰;韓清;王瑋;;一種分布式人臉識別方法及性能優(yōu)化[J];光學(xué)精密工程;2017年03期

5 張海龍;任波;常占河;李環(huán);;振動目標(biāo)產(chǎn)生的瑞雷波的識別方法研究[J];沈陽理工大學(xué)學(xué)報;2017年02期

6 崔德旺;;松遼盆地二氧化碳?xì)鈱愉浘R別方法[J];石化技術(shù);2017年10期

7 徐永軍;;“特殊的平行四邊形”易錯點剖析[J];初中生世界;2017年15期

8 董澤萬;;試分析基于區(qū)域生長的道路和橋梁識別方法的研究[J];科技創(chuàng)業(yè)家;2014年01期

9 高春庚;孫建國;;基于統(tǒng)計的人臉識別方法綜述[J];安陽工學(xué)院學(xué)報;2012年04期

10 饒偉;翟源景;王鵬;;基于情景分析的項目風(fēng)險識別方法研究[J];理論觀察;2012年05期

相關(guān)會議論文 前10條

1 崔凱華;王國慶;方劍青;李紅軍;賈俊波;馬超;趙燁;張東輝;;基于聲模態(tài)分析的材料識別方法研究[A];現(xiàn)代振動與噪聲技術(shù)（第九卷）[C];2011年

2 鄭凱;;建立多維數(shù)據(jù)異常點識別方法的嘗試[A];第八屆全國體育科學(xué)大會論文摘要匯編（一）[C];2007年

3 張朋柱;韓崇昭;萬百五;;智能決策支持系統(tǒng)中的問題識別方法與實現(xiàn)[A];全國青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第2卷）[C];1993年

4 劉麗蘭;劉宏昭;;時間序列模型的識別方法[A];制造技術(shù)自動化學(xué)術(shù)會議論文集[C];2004年

5 劉沐宇;李新平;;可拓識別方法在巷道圍巖分類中的應(yīng)用[A];第一屆海峽兩岸隧道與地下工程學(xué)術(shù)與技術(shù)研討會論文集（下冊）[C];1999年

6 羅智勇;宋柔;荀恩東;;一種基于可信度的人名識別方法[A];第二屆全國學(xué)生計算語言學(xué)研討會論文集[C];2004年

7 卞玉萍;楊浩;匡勝元;;動態(tài)心電圖偽差識別方法的研究[A];電工理論與新技術(shù)學(xué)術(shù)年會論文集[C];2005年

8 張sソ

本文編號：2825992