發(fā)布時(shí)間：2017-08-28 12:49

  本文關(guān)鍵詞：基于深度神經(jīng)網(wǎng)絡(luò)的人車分類算法

  更多相關(guān)文章： 微多普勒 神經(jīng)網(wǎng)絡(luò) 表征學(xué)習(xí) 自編碼器 卷積神經(jīng)網(wǎng)絡(luò)

【摘要】：微運(yùn)動(dòng)所導(dǎo)致的雷達(dá)回波微多普勒效應(yīng)被發(fā)現(xiàn)之后,雷達(dá)目標(biāo)分類識(shí)別又增加了新的信息來源,使得可以通過信號處理的手段從雷達(dá)回波信號中提取出表征目標(biāo)微動(dòng)部件運(yùn)動(dòng)情況的時(shí)頻譜圖,而這些信息是很難從距離向或者方位向單一維度中的雷達(dá)回波中獲取的。行人與車輛的自動(dòng)識(shí)別在窄帶地面監(jiān)視雷達(dá)信號處理方面具有廣泛的應(yīng)用需求,具有目標(biāo)識(shí)別能力的地面監(jiān)視雷達(dá)可以顯著提高軍事裝備的自動(dòng)化程度,排除操作員的人為誤差,為正確的軍事決策提供支持。本文結(jié)合實(shí)際應(yīng)用需求,詳細(xì)分析了行人與車輛的多普勒特性的差異性,利用神經(jīng)網(wǎng)絡(luò)等智能信號處理方法,對基于微多普勒的目標(biāo)檢測與分類技術(shù)進(jìn)行了系統(tǒng)的研究,所取得的研究成果為:(1)對基于線性調(diào)頻連續(xù)波體制的雷達(dá)信號處理以及微多普勒特征的提取方法進(jìn)行了研究。研究討論了多周期信號模型與差拍信號的頻率響應(yīng)特性,為后續(xù)的信號處理提供理論支撐。針對人車分類的回波信號預(yù)處理問題,指出需要在雜波抑制的同時(shí),還需最大限度的保留信號中微多普勒分量,研究了基于CLEAN算法來抑制雜波,增大目標(biāo)的信噪比。同時(shí)重點(diǎn)研究了微多普勒的數(shù)學(xué)模型,分析比較了行人與慢速車輛在微多普勒譜上的差異性,表明基于微多普勒譜進(jìn)行目標(biāo)分類的可行性。(2)深入研究了神經(jīng)網(wǎng)絡(luò)算法。詳細(xì)推導(dǎo)了用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的后向傳播算法,并討論了超強(qiáng)的大型神經(jīng)網(wǎng)絡(luò)模型的表征能力,以及由此所帶來的過擬合問題,并討論了相應(yīng)的解決辦法——規(guī)則化方法。接著,由普通神經(jīng)網(wǎng)絡(luò)發(fā)展到自編碼神經(jīng)網(wǎng)絡(luò)和稀疏自編碼器神經(jīng)網(wǎng)絡(luò),以及它們的訓(xùn)練算法。然后,論述了它們所能夠進(jìn)行的表征學(xué)習(xí)的概念以及優(yōu)越性。同時(shí),還研究了深度神經(jīng)網(wǎng)絡(luò)中經(jīng)常用到的卷積神經(jīng)網(wǎng)絡(luò)的概念以及數(shù)學(xué)模型。在人車微多普勒譜圖的分類問題上,提出基于稀疏自編碼器與卷積神經(jīng)網(wǎng)絡(luò)的行人與車輛自動(dòng)分類方法,該方法可以在沒有人工參與的情況下,完成特征學(xué)習(xí)以及目標(biāo)分類。(3)深入研究了訓(xùn)練神經(jīng)網(wǎng)絡(luò)所需的非約束問題優(yōu)化方法。推導(dǎo)了包括最速下降法、牛頓法、擬牛頓法的理論依據(jù),并進(jìn)行了仿真測試,明確了它們的應(yīng)用范圍以及優(yōu)缺點(diǎn),為快速的訓(xùn)練本文所述算法提供理論指導(dǎo)。(4)與傳統(tǒng)上雷達(dá)目標(biāo)識(shí)別算法依賴于人工提取特征或復(fù)雜的先驗(yàn)信息不同,本文提出了一種新的基于特征自提取的地面慢速目標(biāo)窄帶雷達(dá)分類識(shí)別算法。同時(shí),本文詳細(xì)的分析了如何將稀疏自編碼器應(yīng)用于時(shí)頻譜圖的具體方法,包括數(shù)據(jù)的歸一化與數(shù)據(jù)白化處理,如何將稀疏自編碼器與卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行聯(lián)系,最終實(shí)現(xiàn)地面慢速目標(biāo)的分類識(shí)別。并通過實(shí)測數(shù)據(jù)處理實(shí)驗(yàn)證明了本文所提出的新算法可以有效地實(shí)現(xiàn)行人與車輛的自動(dòng)分類。
【關(guān)鍵詞】：微多普勒 神經(jīng)網(wǎng)絡(luò) 表征學(xué)習(xí) 自編碼器 卷積神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN957.51;TP183
【目錄】：

• 摘要5-7
• ABSTRACT7-12
• 符號對照表12-13
• 縮略語對照表13-16
• 第一章 緒論16-20
• 1.1 研究背景與意義16-17
• 1.2 國內(nèi)外研究現(xiàn)狀17-19
• 1.3 論文內(nèi)容安排19-20
• 第二章 連續(xù)波雷達(dá)目標(biāo)回波信號建模20-30
• 2.1 三角線性調(diào)頻連續(xù)波20-23
• 2.1.1 多周期信號模型20-22
• 2.1.2 差拍信號頻譜響應(yīng)特性22-23
• 2.2 線性調(diào)頻連續(xù)波雷達(dá)回波信號預(yù)處理23-25
• 2.2.1 脈沖對消動(dòng)目標(biāo)顯示23-24
• 2.2.2 CLEAN算法24-25
• 2.3 微多普勒的數(shù)學(xué)模型25-30
• 第三章 稀疏自編碼器與卷積神經(jīng)網(wǎng)絡(luò)30-50
• 3.1 神經(jīng)網(wǎng)絡(luò)30-41
• 3.1.1 人工神經(jīng)元31-32
• 3.1.2 多層神經(jīng)網(wǎng)絡(luò)32-35
• 3.1.3 后向傳播算法35-36
• 3.1.4 批梯度下降與隨機(jī)梯度下降36-37
• 3.1.5 規(guī)則化37-41
• 3.2 表征學(xué)習(xí)41-43
• 3.3 自編碼器43-46
• 3.3.1 規(guī)則化的自編碼算法44-45
• 3.3.2 稀疏自編碼器45-46
• 3.4 卷積神經(jīng)網(wǎng)絡(luò)46-50
• 3.4.1 圖像卷積46-48
• 3.4.2 池化48-50
• 第四章 基于深度神經(jīng)網(wǎng)絡(luò)的人車分類方法50-70
• 4.1 數(shù)值優(yōu)化算法50-57
• 4.1.1 最速下降法51-52
• 4.1.2 牛頓法52-54
• 4.1.3 BFGS54-56
• 4.1.4 L-BFGS56-57
• 4.2 人車分類算法57-62
• 4.2.1 數(shù)據(jù)預(yù)處理57-59
• 4.2.2 訓(xùn)練稀疏自編碼器59-60
• 4.2.3 卷積、池化與分類60-61
• 4.2.4 算法流程61-62
• 4.3 實(shí)驗(yàn)設(shè)置及算法仿真62-70
• 4.3.1 實(shí)驗(yàn)設(shè)置及結(jié)果62-64
• 4.3.2 算法性能分析64-70
• 第五章 總結(jié)與展望70-72
• 5.1 工作結(jié)論70-71
• 5.2 研究展望71-72
• 參考文獻(xiàn)72-76
• 致謝76-78
• 作者簡介78-79

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前8條

1 李開明;張群;梁必帥;羅迎;楊小優(yōu);;卡車目標(biāo)遮擋效應(yīng)建模及微多普勒特征分析[J];電子與信息學(xué)報(bào);2013年09期

2 李彥兵;杜蘭;劉宏偉;王寶帥;;基于微多普勒效應(yīng)和多級小波分解的輪式履帶式車輛分類研究[J];電子與信息學(xué)報(bào);2013年04期

3 趙會(huì)寧;賀思三;馮存前;;基于運(yùn)動(dòng)捕獲文件的人體微多普勒信號仿真[J];計(jì)算機(jī)應(yīng)用研究;2012年07期

4 李彥兵;杜蘭;劉宏偉;丁蘇穎;關(guān)永勝;;基于微多普勒特征的地面目標(biāo)分類[J];電子與信息學(xué)報(bào);2010年12期

5 張翼;邱兆坤;朱玉鵬;黎湘;;基于微多普勒特征的人體步態(tài)參數(shù)估計(jì)[J];信號處理;2010年06期

6 李斌;張冠杰;;場面監(jiān)視雷達(dá)技術(shù)發(fā)展綜述[J];火控雷達(dá)技術(shù);2010年02期

7 孫慧霞;劉崢;薛寧;;自旋進(jìn)動(dòng)目標(biāo)的微多普勒特征分析[J];系統(tǒng)工程與電子技術(shù);2009年02期

8 楊建宇,凌太兵,賀峻;LFMCW雷達(dá)運(yùn)動(dòng)目標(biāo)檢測與距離速度去耦合[J];電子與信息學(xué)報(bào);2004年02期

，

本文編號：748008