本文關(guān)鍵詞：艦船目標(biāo)的ISAR成像與識別

  更多相關(guān)文章： 艦船目標(biāo)識別 ISAR成像 海雜波 結(jié)構(gòu)特征 灰度特征

【摘要】：艦船的逆合成孔徑雷達(dá)(Inverse Synthetic Aperture Radar,ISAR)成像主要通過雷達(dá)與艦船之間的相對運(yùn)動而生成二維圖像。ISAR可以在各種天氣下,全天候地工作,ISAR成像識別技術(shù)可用作軍事偵察,海上目標(biāo)識別,船只引導(dǎo)以及海上技術(shù)支持等工作。本文針對艦船目標(biāo)的ISAR成像和識別進(jìn)行了研究,主要工作如下:1、對三種艦船目標(biāo)進(jìn)行幾何點(diǎn)陣建模,利用幾何形狀點(diǎn)陣來描述艦船目標(biāo)的散射結(jié)構(gòu),三種艦船目標(biāo)分別是尼米茲級航空母艦、052C導(dǎo)彈驅(qū)逐艦、“榮新”號沿�？拓涊�。2、通過分析艦船的運(yùn)動特性,利用距離-多普勒(Range Doppler,R-D)算法對艦船目標(biāo)的三種主要運(yùn)動方式(roll,yaw,pitch)進(jìn)行了ISAR成像研究,成像實(shí)驗(yàn)結(jié)果表明,R-D算法對小轉(zhuǎn)角轉(zhuǎn)動下的艦船目標(biāo)具有較好的成像效果。3、研究了海雜波的物理和統(tǒng)計(jì)特性,著重分析了二維海雜波的特性以及其對ISAR成像的影響,并對一維和二維K分布的海雜波進(jìn)行了仿真。仿真實(shí)驗(yàn)表明:海雜波的形狀參數(shù)v會影響成像質(zhì)量,但隨著v增大到一定程度,其對ISAR成像的影響趨于穩(wěn)定;當(dāng)海雜波多普勒中心接近目標(biāo)中心時(shí),對ISAR成像的影響最大。4、研究了受海雜波干擾的艦船ISAR圖像的預(yù)處理方法,預(yù)處理的過程包括:消除海雜波干擾,對圖像進(jìn)行基本的形態(tài)學(xué)處理。對預(yù)處理后的ISAR圖像進(jìn)行特征提取,提取的特征包括:面積、周長、長軸、短軸、復(fù)雜度、緊湊度、中心坐標(biāo)等結(jié)構(gòu)特征,及質(zhì)量、均值、方差系數(shù)、標(biāo)準(zhǔn)差、加權(quán)填充比等灰度特征。5、研究了基于ISAR圖像的支持向量機(jī)、決策樹等分類識別算法。并利用提取出的結(jié)構(gòu)特征和灰度特征進(jìn)行仿真實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明:結(jié)構(gòu)特征的識別率要優(yōu)于灰度特征的識別率;方位角變化嚴(yán)重影響結(jié)構(gòu)特征的識別效果,而對灰度特征的識別性能影響較少;隨著信雜比的減小,艦船目標(biāo)識別率下降。
【關(guān)鍵詞】：艦船目標(biāo)識別 ISAR成像 海雜波 結(jié)構(gòu)特征 灰度特征
【學(xué)位授予單位】：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】：TN957.52
【目錄】：

• 摘要5-6
• abstract6-10
• 第一章 緒論10-14
• 1.1 研究背景和意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-12
• 1.2.1 ISAR成像的研究現(xiàn)狀11
• 1.2.2 ISAR圖像識別的研究現(xiàn)狀11-12
• 1.3 本文內(nèi)容安排12-14
• 第二章 艦船模型的ISAR成像仿真14-31
• 2.1 引言14
• 2.2 ISAR成像算法14-19
• 2.2.1 艦船目標(biāo)轉(zhuǎn)動模型14-16
• 2.2.2 ISAR目標(biāo)回波模型和距離-多普勒(R-D)算法16-18
• 2.2.3 距離壓縮18-19
• 2.3 艦船ISAR目標(biāo)成像仿真19-30
• 2.3.1 艦船目標(biāo)的點(diǎn)陣建模19-24
• 2.3.2 艦船目標(biāo)的成像仿真24-28
• 2.3.3 艦船目標(biāo)的成像樣本28-30
• 2.4 本章小結(jié)30-31
• 第三章 海雜波的分析與仿真31-43
• 3.1 引言31
• 3.2 一維海雜波序列仿真31-35
• 3.3 時(shí)空二維海雜波的仿真35-39
• 3.4 海雜波對ISAR成像的影響39-42
• 3.4.1 海雜波形狀參數(shù)對ISAR成像的影響39-41
• 3.4.2 海雜波多普勒頻率對ISAR成像的影響41-42
• 3.5 本章小結(jié)42-43
• 第四章 艦船ISAR圖像的預(yù)處理與特征提取43-56
• 4.1 引言43
• 4.2 ISAR圖像的預(yù)處理43-49
• 4.2.1 消除海雜波的干擾43-46
• 4.2.2 艦船目標(biāo)二值圖像形態(tài)學(xué)處理46-49
• 4.3 艦船目標(biāo)的特征提取49-54
• 4.3.1 艦船目標(biāo)的結(jié)構(gòu)特征提取49-52
• 4.3.2 艦船目標(biāo)的灰度特征提取52-54
• 4.4 艦船ISAR圖像特征提取結(jié)果54-55
• 4.5 本章小結(jié)55-56
• 第五章 艦船目標(biāo)的識別研究56-81
• 5.1 引言56
• 5.2 支持向量機(jī)算法56-64
• 5.2.1 線性情況56-59
• 5.2.2 線性不可分的情況59-62
• 5.2.3 松弛變量的引入62-63
• 5.2.4 多分類問題63-64
• 5.3 決策樹算法64-67
• 5.3.1 決策樹算法原理和流程64-67
• 5.3.2 決策樹算法剪枝67
• 5.4 本章實(shí)驗(yàn)67-80
• 5.4.1 結(jié)構(gòu)特征識別結(jié)果及分析67-74
• 5.4.2 灰度特征識別結(jié)果及分析74-80
• 5.5 本章小結(jié)80-81
• 第六章 總結(jié)與展望81-83
• 6.1 全文總結(jié)81-82
• 6.2 展望82-83
• 致謝83-84
• 參考文獻(xiàn)84-87
• 在校期間的研究成果87-88

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 史輝;郝晰輝;楊玉淳;任京;;光電偵察系統(tǒng)目標(biāo)定位精度評價(jià)指標(biāo)研究[J];應(yīng)用光學(xué);2012年03期

2 季戰(zhàn)領(lǐng);馮曉毅;閻昆;;一種ISAR圖像中飛機(jī)目標(biāo)識別的新特征[J];計(jì)算機(jī)工程;2010年23期

3 杜琳琳;安成錦;陳曾平;;一種艦船ISAR圖像中心線特征提取新方法[J];電子與信息學(xué)報(bào);2010年05期

4 魏曉云;;決策樹分類方法研究[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2007年09期

5 馮少榮;;決策樹算法的研究與改進(jìn)[J];廈門大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年04期

6 季桂樹;陳沛玲;宋航;;決策樹分類算法研究綜述[J];科技廣場;2007年01期

7 王勇;姜義成;;基于自適應(yīng)Chirplet分解的艦船目標(biāo)ISAR成像[J];電子與信息學(xué)報(bào);2006年06期

8 許人燦;劉朝軍;黃小紅;陳曾平;;基于超分辨ISAR成像的空中目標(biāo)自動識別[J];系統(tǒng)工程與電子技術(shù);2006年01期

9 雷杰;邢孟道;保錚;;一種基于鐘擺模型的艦船目標(biāo)成像方法[J];電子與信息學(xué)報(bào);2006年01期

10 董江曼,李應(yīng)岐,鄧飚;SAR圖像艦船目標(biāo)的特征識別[J];陜西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年S1期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 邢孟道;基于實(shí)測數(shù)據(jù)的雷達(dá)成像方法研究[D];西安電子科技大學(xué);2002年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 張曉賀;決策樹分類器的實(shí)現(xiàn)及在遙感影像分類中的應(yīng)用[D];蘭州交通大學(xué);2013年

2 丘昌鎮(zhèn);高分辨率SAR圖像目標(biāo)分類特征提取與分析[D];國防科學(xué)技術(shù)大學(xué);2009年

3 唐麗娜;海雜波建模及其對ISAR成像的影響[D];哈爾濱工業(yè)大學(xué);2008年

4 陳善麗;逆合成孔徑雷達(dá)圖像識別研究[D];浙江大學(xué);2008年

5 關(guān)曉薔;基于決策樹的分類算法研究[D];山西大學(xué);2006年

，

本文編號：933463