為了解決當前激光雷達信號出現(xiàn)錯誤識別結(jié)果概率高的難題,設計了一種復雜環(huán)境下激光雷達信號的模式識別技術。首先將激光雷達信號識別看作為是模式識別中的一個多分類問題,然后從信號提取分類特征,最后引入模式識別技術對激光雷達信號進行建模與識別,并在Matlab 2017平臺上進行了激光雷達信號識別仿真實驗,結(jié)果表明,激光雷達信號正確識別率超過92%,激光雷達信號識別的時間縮短為11. 87 ms,識別整體效果明顯好于傳統(tǒng)方法,具有十分廣泛的應用前景。 

【文章來源】：激光雜志. 2020,41(11)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

復雜環(huán)境下的激光雷達信號模式識別原理

由于激光雷達信號與特征向量之間關系非常復雜，采用支持向量機或者神經(jīng)網(wǎng)絡等傳統(tǒng)方法均無法準確對該種關系進行描述，為此引入了模式識別技術中最流行的深度學習網(wǎng)絡進行激光雷達信號識別。深度學習網(wǎng)絡與其它神經(jīng)網(wǎng)絡一樣，最基本的單元為神經(jīng)元，各層均包括了不同規(guī)模的神經(jīng)元，深度學習網(wǎng)絡的神經(jīng)元結(jié)構(gòu)示意圖如圖2所示。設一個深度學習網(wǎng)絡的神經(jīng)元輸入為xi，其權(quán)值重為wi，偏置值為b，神經(jīng)元輸出y，那么可以建立如下表達式:

(3)激光雷達信號識別效果最佳，激光雷達信號識別正確率平均值為92.80%，相對于對比技術，激光雷達信號出現(xiàn)錯誤識別概率最低，大幅度提升了激光雷達信號識別正確率，這是因為技術解決了當前激光雷達信號識別過程中存在的難題，建立了更好的激光雷達信號識別分類器。3.3 激光雷達信號的識別速度

【參考文獻】：
期刊論文
[1]基于多尺度殘差網(wǎng)絡和小波變換的LPI雷達信號識別[J]. 劉贏,田潤瀾,董會旭.  電訊技術. 2019(12)
[2]基于激光雷達的無人機違規(guī)航行軌跡數(shù)據(jù)自動捕獲方法[J]. 彭福先,羅明,董峰,張瑋.  科學技術與工程. 2019(25)
[3]基于深層卷積神經(jīng)網(wǎng)絡和雙譜特征的雷達信號識別方法[J]. 劉贏,田潤瀾,王曉峰.  系統(tǒng)工程與電子技術. 2019(09)
[4]基于深度學習與支持向量機的低截獲概率雷達信號識別[J]. 張穆清,王華力,倪雪.  科技導報. 2019(04)
[5]基于改進的半監(jiān)督主動學習的雷達信號識別[J]. 吳瑩,羅明.  信號處理. 2018(06)
[6]基于最大似然估計的相干多普勒雷達信號處理[J]. 邢曉晴,陸威,莊子波.  中國民航大學學報. 2018(02)
[7]基于激光雷達技術的粉塵污染源監(jiān)測[J]. 呂陽,李正強,謝劍鋒,張豐,劉小強,劉詔,謝一凇,許華,陳興峰.  中國環(huán)境監(jiān)測. 2018(02)
[8]基于改進半監(jiān)督樸素貝葉斯的LPI雷達信號識別[J]. 符穎,王星,周一鵬,范翔宇.  系統(tǒng)工程與電子技術. 2017(11)
[9]小波去噪在成像激光雷達仿真信號中的應用[J]. 孫國棟,秦來安,程知,侯再紅.  激光與光電子學進展. 2017(09)
[10]結(jié)合激光雷達評估常規(guī)探空資料反演青藏高原混合層高度的適用性[J]. 王存貴,李成才,賀千山,檀望舒,初奕琦,李建.  北京大學學報(自然科學版). 2017(03)



本文編號：2993829