發(fā)布時(shí)間：2023-04-17 05:36

　　在如今日益復(fù)雜的地面戰(zhàn)場(chǎng)環(huán)境下,利用傳統(tǒng)雷達(dá)信號(hào)處理技術(shù)已無(wú)法實(shí)現(xiàn)對(duì)地面目標(biāo)的準(zhǔn)確探測(cè),因此對(duì)雷達(dá)目標(biāo)識(shí)別技術(shù)的需求愈加迫切。高分辨一維距離像可以提供目標(biāo)在雷達(dá)視線上的結(jié)構(gòu)信息,其成像條件簡(jiǎn)單、容易獲取且運(yùn)算與存儲(chǔ)壓力小的特點(diǎn),使得基于高分辨一維距離像的雷達(dá)地面目標(biāo)識(shí)別技術(shù)受到了廣泛的關(guān)注和研究。目前,基于高分辨一維距離像的目標(biāo)識(shí)別技術(shù)已經(jīng)取得了一定的進(jìn)展與突破,但是針對(duì)彈載這一特定的應(yīng)用場(chǎng)合,目標(biāo)非合作性導(dǎo)致的訓(xùn)練模板庫(kù)非完備問(wèn)題,地面目標(biāo)相似導(dǎo)致的特征向量低可分性問(wèn)題,復(fù)雜地面戰(zhàn)場(chǎng)環(huán)境導(dǎo)致的低信噪比與假目標(biāo)干擾問(wèn)題,特征空間分布的隨機(jī)性導(dǎo)致的分類邊界不準(zhǔn)確問(wèn)題,嚴(yán)重地影響了目標(biāo)識(shí)別的總體性能。本論文以實(shí)現(xiàn)復(fù)雜戰(zhàn)場(chǎng)環(huán)境下的目標(biāo)識(shí)別為出發(fā)點(diǎn),圍繞上述彈載雷達(dá)地面目標(biāo)識(shí)別中存在的問(wèn)題展開研究。具體包括以下幾個(gè)方面:1.為解決雷達(dá)地面目標(biāo)高分辨一維距離像識(shí)別中,非合作目標(biāo)模板庫(kù)非完備的問(wèn)題,提出一種基于混合模型的雷達(dá)非合作目標(biāo)高分辨一維距離像仿真方法。本方法基于模型匹配目標(biāo)識(shí)別基本思想,利用有限的目標(biāo)信息進(jìn)行建模仿真,從而構(gòu)建完備的目標(biāo)訓(xùn)練模板庫(kù)。本方法通過(guò)構(gòu)建目標(biāo)精細(xì)化散射點(diǎn)模型,并利用...

【文章頁(yè)數(shù)】：149 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 雷達(dá)目標(biāo)識(shí)別的研究背景及意義
    1.2 雷達(dá)高分辨一維距離像目標(biāo)識(shí)別的基本概念
        1.2.1 雷達(dá)HRRP的敏感性
        1.2.2 雷達(dá)HRRP目標(biāo)識(shí)別的優(yōu)勢(shì)
    1.3 雷達(dá)HRRP目標(biāo)識(shí)別的研究歷史與發(fā)展現(xiàn)狀
    1.4 雷達(dá)HRRP目標(biāo)識(shí)別所面對(duì)的問(wèn)題
        1.4.1 非合作目標(biāo)完備訓(xùn)練模板庫(kù)的建立
        1.4.2 目標(biāo)HRRP低維度、高可分性特征的提取
        1.4.3 噪聲穩(wěn)健的HRRP目標(biāo)識(shí)別
        1.4.4 庫(kù)外目標(biāo)的鑒別與庫(kù)內(nèi)目標(biāo)的分類
    1.5 研究?jī)?nèi)容安排
        1.5.1 實(shí)驗(yàn)數(shù)據(jù)與實(shí)驗(yàn)條件介紹
        1.5.2 本文內(nèi)容安排
第二章 基于混合模型的雷達(dá)非合作目標(biāo)HRRP仿真方法
    2.1 引言
    2.2 基于混合模型的雷達(dá)非合作目標(biāo)HRRP仿真方法
    2.3 目標(biāo)HRRP仿真生成與性能分析
    2.4 本章小結(jié)
第三章 基于統(tǒng)計(jì)核函數(shù)相關(guān)判別分析的目標(biāo)HRRP特征提取方法
    3.1 引言
    3.2 目標(biāo)HRRP距離單元統(tǒng)計(jì)特性分析
    3.3 基于目標(biāo)HRRP距離單元統(tǒng)計(jì)特性的特征分量提取
        3.3.1 基于理想模型目標(biāo)HRRP距離單元統(tǒng)計(jì)特性的特征分量提取
        3.3.2 基于非理想模型目標(biāo)HRRP距離單元統(tǒng)計(jì)特性的特征分量提取
    3.4 基于多變量統(tǒng)計(jì)相關(guān)判別分析的特征融合
        3.4.1 針對(duì)理想HRRP距離單元統(tǒng)計(jì)特性的融合
        3.4.2 針對(duì)非理想HRRP距離單元統(tǒng)計(jì)特性的融合
    3.5 實(shí)驗(yàn)結(jié)果及性能分析
        3.5.1 實(shí)測(cè)數(shù)據(jù)驗(yàn)證與性能評(píng)估
        3.5.2 實(shí)時(shí)性分析
        3.5.3 噪聲/雜波穩(wěn)健性分析
    3.6 本章小結(jié)
第四章 基于稀疏-低秩聯(lián)合學(xué)習(xí)的噪聲穩(wěn)健HRRP目標(biāo)識(shí)別方法
    4.1 引言
    4.2 稀疏表示與低秩表示簡(jiǎn)介
        4.2.1 稀疏表示
        4.2.2 低秩表示
    4.3 基于稀疏-低秩聯(lián)合學(xué)習(xí)的HRRP目標(biāo)識(shí)別方法
        4.3.1 訓(xùn)練階段
        4.3.2 測(cè)試階段
    4.4 實(shí)驗(yàn)結(jié)果及性能分析
        4.4.1 目標(biāo)識(shí)別性能評(píng)估與分析
        4.4.2 噪聲穩(wěn)健性分析
        4.4.3 算法實(shí)時(shí)性分析
    4.5 本章小結(jié)
第五章 基于聚類-空間描述的目標(biāo)HRRP鑒別器設(shè)計(jì)
    5.1 引言
    5.2 特征空間分布特性分析
    5.3 基于相關(guān)系數(shù)預(yù)處理的K-Means聚類算法
    5.4 基于空間描述的SVDD算法
    5.5 改進(jìn)的加權(quán)KNN算法
    5.6 實(shí)驗(yàn)結(jié)果及性能分析
        5.6.1 實(shí)測(cè)數(shù)據(jù)驗(yàn)證
        5.6.2 性能評(píng)估
    5.7 本章小結(jié)
第六章 基于多重支持向量模型的目標(biāo)HRRP識(shí)別器設(shè)計(jì)
    6.1 引言
    6.2 鑒別-分類聯(lián)合處理所面對(duì)的問(wèn)題
    6.3 基于多重支持向量模型的目標(biāo)識(shí)別器
    6.4 實(shí)驗(yàn)結(jié)果及性能分析
        6.4.1 實(shí)驗(yàn)設(shè)定
        6.4.2 實(shí)測(cè)數(shù)據(jù)實(shí)驗(yàn)結(jié)果與分析
        6.4.3 識(shí)別性能對(duì)比
        6.4.4 實(shí)時(shí)性對(duì)比
        6.4.5 噪聲與雜波影響分析
    6.5 本章小結(jié)
第七章 總結(jié)與展望
    7.1 全文內(nèi)容總結(jié)
    7.2 工作展望
        7.2.1 基于深度學(xué)習(xí)的實(shí)用化目標(biāo)識(shí)別技
        7.2.2 多源協(xié)同信息融合目標(biāo)識(shí)別技術(shù)
        7.2.3 基于多維度高分辨成像的雷達(dá)目標(biāo)識(shí)別技術(shù)
參考文獻(xiàn)
致謝
作者簡(jiǎn)介



本文編號(hào)：3792677