本文關(guān)鍵詞：MIMO-SAR陣列設(shè)計(jì)及三維圖像識(shí)別方法研究

  更多相關(guān)文章： MIMO-SAR 天線陣列設(shè)計(jì) 遺傳算法 三維SAR圖像識(shí)別 深度學(xué)習(xí)

【摘要】：MIMO-SAR是一種具有三維分辨能力的新型合成孔徑雷達(dá),其特點(diǎn)是采用多輸入多輸出(MIMO)技術(shù)獲得遠(yuǎn)多于實(shí)際天線數(shù)目的等效陣元,因此可大大節(jié)省成本、減輕平臺(tái)重量。相比于線陣MIMO-SAR,面陣MIMO-SAR能快速獲得目標(biāo)的三維信息,且能實(shí)現(xiàn)正前視工作模式。面陣MIMO-SAR天線陣列布設(shè)的優(yōu)劣直接影響系統(tǒng)成本和成像質(zhì)量,為此,本文研究了面陣MIMO-SAR陣元優(yōu)化技術(shù)。在識(shí)別方面,三維SAR圖像具有更豐富的目標(biāo)信息,為提高識(shí)別率及降低識(shí)別系統(tǒng)的成本提供了一種可能的途徑,為此本文開展了三維SAR圖像識(shí)別技術(shù)研究。主要工作和創(chuàng)新如下:1、介紹了線陣和面陣天線陣列的方向圖數(shù)學(xué)模型,分析了非均勻陣列和不同陣元間隔的均勻陣列對(duì)方向圖性能的影響;簡(jiǎn)要回顧了SAR目標(biāo)識(shí)別的基本流程,并重點(diǎn)介紹了深度學(xué)習(xí)的目標(biāo)識(shí)別方法。2、提出基于改進(jìn)遺傳算法的面陣MIMO-SAR天線陣列優(yōu)化方法。首先,在天線布陣范圍一定、最小陣元間距和陣元數(shù)目固定等約束條件下,利用相位中心近似原理建立收發(fā)陣元聯(lián)合優(yōu)化的陣列優(yōu)化模型。其次,對(duì)遺傳算法的編碼方式進(jìn)行改進(jìn),使之滿足最小陣元間隔的約束條件,并將天線方向圖的峰值旁瓣比和主瓣寬度同時(shí)作為優(yōu)化目標(biāo),依據(jù)優(yōu)化目標(biāo)函數(shù)的均值和方差自適應(yīng)的確定遺傳算法的交叉率和變異率,使得算法跳出局部最優(yōu)解。實(shí)驗(yàn)結(jié)果表明,此陣元優(yōu)化方法可以較好的抑制早熟現(xiàn)象,從而得到最佳的布陣方式;采用該方法得到的平面陣較一般的平面陣具有更好的旁瓣和主瓣。3、研究了MIMO-SAR三維圖像識(shí)別方法。簡(jiǎn)要介紹了后向投影成像算法,并仿真了幾類目標(biāo)的三維SAR圖像。提出基于自適應(yīng)參數(shù)的深度置信網(wǎng)絡(luò)的三維SAR圖像識(shí)別方法。在參考二維圖像識(shí)別技術(shù)的基礎(chǔ)上,擴(kuò)展出一種三維SAR圖像識(shí)別思路:首先,將若干少數(shù)三維SAR圖像向不同方向映射成多幅二維SAR圖像,用這些二維圖像近似替代三維圖像,通過(guò)對(duì)這些二維圖像的識(shí)別間接得到對(duì)應(yīng)的每一類三維圖像識(shí)別的錯(cuò)誤率,最后,通過(guò)設(shè)定錯(cuò)誤率的閾值判斷該類三維SAR圖像是否被正確識(shí)別�；诖巳S圖像識(shí)別思路,可以較好利用現(xiàn)有的二維圖像識(shí)別方法和經(jīng)驗(yàn)。在識(shí)別方法上,提出一種自適應(yīng)設(shè)置深度置信網(wǎng)絡(luò)參數(shù)的識(shí)別方法,利用交叉驗(yàn)證對(duì)深度置信網(wǎng)絡(luò)的關(guān)鍵參數(shù)進(jìn)行尋優(yōu),解決了以往依靠經(jīng)驗(yàn)值設(shè)置參數(shù)而無(wú)法獲得最佳網(wǎng)絡(luò)參數(shù)的問(wèn)題,實(shí)現(xiàn)了參數(shù)設(shè)置的自適應(yīng)。實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)識(shí)別方法相比,該方法在識(shí)別率和識(shí)別時(shí)間上都具有一定優(yōu)勢(shì)。
【關(guān)鍵詞】：MIMO-SAR 天線陣列設(shè)計(jì) 遺傳算法 三維SAR圖像識(shí)別 深度學(xué)習(xí)
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN957.52
【目錄】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 緒論11-19
• 1.1 研究背景與意義11-12
• 1.2 國(guó)內(nèi)外研究概況及動(dòng)態(tài)12-18
• 1.2.1 MIMO-SAR國(guó)內(nèi)外研究概況及動(dòng)態(tài)12-17
• 1.2.2 雷達(dá)目標(biāo)識(shí)別國(guó)內(nèi)外研究概況及動(dòng)態(tài)17-18
• 1.3 本文的結(jié)構(gòu)安排18-19
• 第二章 MIMO-SAR陣列及目標(biāo)識(shí)別原理19-31
• 2.1 引言19
• 2.2 MIMO-SAR幾何模型19-21
• 2.3 MIMO-SAR天線陣列模型21-27
• 2.3.1 天線陣列數(shù)學(xué)模型21-22
• 2.3.2 線陣天線方向圖及性能分析22-24
• 2.3.3 面陣天線方向圖及性能分析24-26
• 2.3.4 相位中心近似原理26-27
• 2.4 SAR目標(biāo)識(shí)別概述27-30
• 2.4.1 SAR圖像目標(biāo)識(shí)別流程27-28
• 2.4.2 深度學(xué)習(xí)方法概述28-30
• 2.5 本章小結(jié)30-31
• 第三章 MIMO-SAR布陣優(yōu)化31-49
• 3.1 引言31
• 3.2 遺傳算法簡(jiǎn)介及流程31-33
• 3.2.1 遺傳算法簡(jiǎn)介31-32
• 3.2.2 遺傳算法流程32-33
• 3.3 面陣MIMO-SAR天線陣列優(yōu)化模型33-36
• 3.4 基于改進(jìn)遺傳算法的面陣天線布陣優(yōu)化方法36-48
• 3.4.1 面陣天線布陣優(yōu)化目標(biāo)函數(shù)36-37
• 3.4.2 陣元位置編碼37-38
• 3.4.3 改進(jìn)遺傳算法38-42
• 3.4.4 優(yōu)化方法步驟42-43
• 3.4.5 仿真結(jié)果分析43-48
• 3.5 本章小結(jié)48-49
• 第四章 MIMO-SAR成像及識(shí)別方法49-72
• 4.1 引言49
• 4.2 MIMO-SAR三維成像49-54
• 4.2.1 后向投影成像算法49-51
• 4.2.2 仿真實(shí)驗(yàn)51-54
• 4.3 深度置信網(wǎng)絡(luò)的基本原理54-58
• 4.3.1 受限玻爾茲曼機(jī)的原理54-57
• 4.3.2 深度置信網(wǎng)絡(luò)模型57-58
• 4.4 自適應(yīng)深度置信網(wǎng)絡(luò)參數(shù)設(shè)計(jì)58-61
• 4.5 三維SAR圖像識(shí)別61-64
• 4.5.1 樣本庫(kù)構(gòu)建61-62
• 4.5.2 算法流程62-64
• 4.6 實(shí)驗(yàn)及結(jié)果分析64-71
• 4.6.1 樣本預(yù)處理64
• 4.6.2 自適應(yīng)參數(shù)的深度置信網(wǎng)絡(luò)64-68
• 4.6.3 支持向量機(jī)識(shí)別性能分析68-69
• 4.6.4 兩種識(shí)別方法的對(duì)比分析69-71
• 4.7 本章小結(jié)71-72
• 第五章 總結(jié)與展望72-74
• 致謝74-75
• 參考文獻(xiàn)75-79
• 攻讀碩士學(xué)位期間取得的成果79-80

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 MENG CangZhen;XU Jia;XIA Xiang-Gen;LIU Feng;LONG Teng;MAO ErKe;YANG Jian;PENG YingNing;;MIMO-SAR waveforms separation based on virtual polarization filter[J];Science China(Information Sciences);2015年04期

，

本文編號(hào)：822543