【摘要】：雷達(dá)自動(dòng)目標(biāo)識(shí)別技術(shù)(RATR)是當(dāng)前目標(biāo)識(shí)別研究領(lǐng)域的一個(gè)熱點(diǎn)方向。RATR技術(shù)對(duì)提高國(guó)防能力、軍隊(duì)指揮自動(dòng)化水平具有重要意義。近些年,隨著寬帶雷達(dá)技術(shù)的快速發(fā)展,雷達(dá)信號(hào)的分辨率不斷提高,基于高分辨距離像(HRRP)的雷達(dá)目標(biāo)識(shí)別的研究和應(yīng)用不斷涌現(xiàn)。但是當(dāng)HRRP的維度相對(duì)樣本量太大或者追蹤非合作目標(biāo)時(shí),會(huì)出現(xiàn)小樣本問(wèn)題。本文主要研究基于高分辨距離像的雷達(dá)自動(dòng)目標(biāo)識(shí)別方法以及在小樣本情況下的目標(biāo)識(shí)別問(wèn)題,主要內(nèi)容和成果如下:(1)本文從HRRP的散射點(diǎn)模型出發(fā),介紹了HRRP的基本特點(diǎn)以及預(yù)處理方法,然后介紹了常用了識(shí)別方法,包括自適應(yīng)高斯分類(lèi)器、支持向量機(jī)等。使用實(shí)測(cè)數(shù)據(jù)和以上方法進(jìn)行目標(biāo)識(shí)別實(shí)驗(yàn),并對(duì)實(shí)驗(yàn)結(jié)果做了分析總結(jié),對(duì)比了各種方法的性能差別,分析了各種方法的優(yōu)勢(shì)和不足,并給出了選擇雷達(dá)目標(biāo)識(shí)別方法的意見(jiàn)。(2)在小樣本情況下,直接訓(xùn)練分類(lèi)器會(huì)出現(xiàn)過(guò)擬合現(xiàn)象,度量學(xué)習(xí)不直接進(jìn)行分類(lèi),而是學(xué)習(xí)一個(gè)距離度量函數(shù),該函數(shù)可以描述兩個(gè)樣本之間的距離(或者相似度)。這種思路很適合解決小樣本識(shí)別問(wèn)題。神經(jīng)網(wǎng)絡(luò)在近幾年的快速發(fā)展讓人們認(rèn)識(shí)到了其強(qiáng)大的能力,許多研究者將神經(jīng)網(wǎng)絡(luò)和度量學(xué)習(xí)結(jié)合,使用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)距離度量函數(shù),得到了很多研究成果。本文研究了基于度量學(xué)習(xí)的小樣本目標(biāo)識(shí)別方法,具體包括孿生神經(jīng)網(wǎng)絡(luò)和原型網(wǎng)絡(luò)兩種方法。這兩種方法都是通過(guò)神經(jīng)網(wǎng)絡(luò)將原始樣本映射到特征空間,在特征空間進(jìn)行距離計(jì)算完成小樣本識(shí)別任務(wù)。最后通過(guò)實(shí)驗(yàn)驗(yàn)證了這兩種方法相對(duì)傳統(tǒng)方法的有效性,并分析了兩種方法的優(yōu)缺點(diǎn)。(3)元學(xué)習(xí)擴(kuò)展學(xué)習(xí)器的學(xué)習(xí)范圍,在相關(guān)任務(wù)的分布上進(jìn)行學(xué)習(xí)。傳統(tǒng)的學(xué)習(xí)器學(xué)習(xí)到適用于各個(gè)樣本點(diǎn)的通用規(guī)則,元學(xué)習(xí)器學(xué)習(xí)一個(gè)適用于各種任務(wù)的算法。本文采用了一種元學(xué)習(xí)方法解決雷達(dá)小樣本目標(biāo)識(shí)別問(wèn)題,即模型無(wú)關(guān)元學(xué)習(xí)(MAML)。MAML的關(guān)鍵思想在于訓(xùn)練模型的初始參數(shù),使用少量新數(shù)據(jù)和幾步梯度下降,模型就可以在新任務(wù)上獲得最好的性能。將MAML應(yīng)用于雷達(dá)高分辨距離像小樣本識(shí)別任務(wù),通過(guò)實(shí)驗(yàn)驗(yàn)證了MAML方法確實(shí)可以很快適應(yīng)新任務(wù)并取得較好的識(shí)別性能。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TN957.52;TP18
【圖文】：

圖2.1 SVM 線(xiàn)性可分?jǐn)?shù)據(jù)的分類(lèi)邊界[54]問(wèn)題：0,,|| ||T01subject tomax( ), 1,...,i iMy M iN β βxβ面。分離超平面到任意一類(lèi)的最近的樣本的距問(wèn)題還可以寫(xiě)成如下形式：0,T0|| ||subjecmint to ( ) 1, 1,...,i iy i N βxββ的模值的限制。要注意M 1/ || β||。式（2-化問(wèn)題的常用形式。該優(yōu)化問(wèn)題具有二次優(yōu)化目

圖2.2 SVM 線(xiàn)性不可分?jǐn)?shù)據(jù)的分類(lèi)邊界[54]數(shù)并令導(dǎo)數(shù)等于零，可以得到：1Ni i ii y β x10Ni ii y ,i i C i i 。將上述結(jié)果帶入式（2-24），可以得到拉格朗T1 1 112N N ND i i j i j i ji i jL y y x x

圖2.3 PCA 正交映射示意圖[23] { | 1,2,...,}nx n N，nx 為 D 維向量。我們的目時(shí)保證映射后的數(shù)據(jù)的方差最大。據(jù)映射到一維空間（M=1）。使用 D 維單位向量點(diǎn)nx 都可以映射為一個(gè)標(biāo)量值 T1 nu x。映射后均值，通過(guò)下式計(jì)算：11NnnN x x 可以通過(guò)下式計(jì)算：T T 2 T1 1 1 11}1{NnnN u x u x u Su

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李筠;于連慶;楊予昊;;基于高分辨距離像的空中目標(biāo)長(zhǎng)度提取方法[J];現(xiàn)代雷達(dá);2018年07期

2 包云霞;毛二可;何佩琨;;基于一維高分辨距離像的相關(guān)測(cè)速補(bǔ)償算法[J];北京理工大學(xué)學(xué)報(bào);2008年02期

3 張宏銘;曹俊紡;;寬帶雷達(dá)一維高分辨距離像識(shí)別研究[J];雷達(dá)與對(duì)抗;2009年02期

4 馬建華;劉宏偉;保錚;;基于小波變換的雷達(dá)高分辨距離像識(shí)別[J];西安電子科技大學(xué)學(xué)報(bào);2005年06期

5 張濤,張群,馬長(zhǎng)征,張守宏;基于高分辨距離像的角閃爍抑制方法[J];西安電子科技大學(xué)學(xué)報(bào);2001年03期

6 馮德軍;王雪松;肖順平;王國(guó)玉;;雷達(dá)目標(biāo)高分辨距離像的物理統(tǒng)計(jì)建模方法[J];雷達(dá)科學(xué)與技術(shù);2006年02期

7 孫憶業(yè);趙彬;;利用高分辨距離像的雷達(dá)目標(biāo)識(shí)別[J];科技導(dǎo)報(bào);2008年13期

8 劉宏偉,杜蘭,袁莉,保錚;雷達(dá)高分辨距離像目標(biāo)識(shí)別研究進(jìn)展[J];電子與信息學(xué)報(bào);2005年08期

9 王彩云;孔一薈;;基于稀疏表示字典優(yōu)化的雷達(dá)高分辨距離像目標(biāo)識(shí)別[J];南京航空航天大學(xué)學(xué)報(bào);2013年06期

10 姚漢英;孫文峰;馬曉巖;;基于高分辨距離像序列的錐柱體目標(biāo)進(jìn)動(dòng)和結(jié)構(gòu)參數(shù)估計(jì)[J];電子與信息學(xué)報(bào);2013年03期

相關(guān)會(huì)議論文 前9條

1 李璋峰;趙國(guó)強(qiáng);孫厚軍;呂昕;;基于W波段探測(cè)系統(tǒng)的高分辨距離像的研究[A];2013年全國(guó)微波毫米波會(huì)議論文集[C];2013年

2 李含清;王宏宇;王彥華;李陽(yáng);曾濤;;基于CNN的地面目標(biāo)高分辨距離像識(shí)別方法[A];第十三屆全國(guó)信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2019年

3 杜筱佳;李躍華;賀冠華;;基于標(biāo)簽重構(gòu)的毫米波高分辨距離像識(shí)別算法[A];2015年第十屆全國(guó)毫米波、亞毫米波學(xué)術(shù)會(huì)議論文集（二）[C];2015年

4 王曉丹;王積勤;;基于SVM的雷達(dá)目標(biāo)高分辨距離像識(shí)別研究[A];第十一屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2003）論文集[C];2003年

5 李輝;張安;于紅梅;;雷達(dá)目標(biāo)識(shí)別發(fā)展回顧與實(shí)現(xiàn)中的關(guān)鍵理論[A];2007年光電探測(cè)與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會(huì)論文集[C];2007年

6 李斌;姚康澤;王巖;;基于高分辨距離像統(tǒng)計(jì)模型的雷達(dá)目標(biāo)識(shí)別[A];中國(guó)電子學(xué)會(huì)第十五屆信息論學(xué)術(shù)年會(huì)暨第一屆全國(guó)網(wǎng)絡(luò)編碼學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2008年

7 王彩云;毛士藝;;雷達(dá)高分辨距離像特征提取方法研究進(jìn)展[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議專(zhuān)刊[C];2008年

8 陳昆;李躍華;黃燕;單善善;;毫米波雷達(dá)高分辨距離像抽取方法研究[A];2015年第十屆全國(guó)毫米波、亞毫米波學(xué)術(shù)會(huì)議論文集（二）[C];2015年

9 梁海濤;童創(chuàng)明;王曉丹;;基于目標(biāo)分解與SVM的目標(biāo)識(shí)別方法[A];2009年全國(guó)微波毫米波會(huì)議論文集（下冊(cè)）[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 徐彬;基于時(shí)序動(dòng)態(tài)模型的雷達(dá)高分辨距離像目標(biāo)識(shí)別研究[D];西安電子科技大學(xué);2019年

2 和華;雷達(dá)高分辨距離像噪聲穩(wěn)健和小樣本穩(wěn)健識(shí)別方法研究[D];西安電子科技大學(xué);2017年

3 杜蘭;雷達(dá)高分辨距離像目標(biāo)識(shí)別方法研究[D];西安電子科技大學(xué);2007年

4 袁莉;基于高分辨距離像的雷達(dá)目標(biāo)識(shí)別方法研究[D];西安電子科技大學(xué);2007年

5 陳渤;基于核方法的雷達(dá)高分辨距離像目標(biāo)識(shí)別技術(shù)研究[D];西安電子科技大學(xué);2008年

6 劉盛啟;基于高分辨距離像的特征提取與識(shí)別增強(qiáng)技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

7 周云;基于高分辨距離像的雷達(dá)目標(biāo)識(shí)別研究[D];電子科技大學(xué);2016年

8 馮國(guó)瑜;基于核方法的雷達(dá)高分辨距離像目標(biāo)識(shí)別方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2012年

9 潘勉;雷達(dá)高分辨距離像目標(biāo)識(shí)別技術(shù)研究[D];西安電子科技大學(xué);2013年

10 柴晶;雷達(dá)高分辨距離像目標(biāo)識(shí)別的拒判算法和特征提取技術(shù)研究[D];西安電子科技大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 李偉一;雷達(dá)高分辨距離像小樣本目標(biāo)識(shí)別方法研究[D];西安電子科技大學(xué);2019年

2 孟亦然;基于貝葉斯結(jié)構(gòu)化統(tǒng)計(jì)模型的變體目標(biāo)高分辨距離像識(shí)別方法研究[D];西安電子科技大學(xué);2019年

3 鄭瀚;基于深度遷移學(xué)習(xí)的雷達(dá)高分辨距離像識(shí)別研究[D];廈門(mén)大學(xué);2018年

4 林悅;基于高分辨距離像的雷達(dá)目標(biāo)識(shí)別技術(shù)研究[D];南京信息工程大學(xué);2018年

5 劉悅;雷達(dá)高分辨距離像的精細(xì)統(tǒng)計(jì)建模方法研究[D];西安電子科技大學(xué);2018年

6 袁家雯;基于字典學(xué)習(xí)的雷達(dá)高分辨距離像目標(biāo)識(shí)別技術(shù)研究[D];南京航空航天大學(xué);2018年

7 丁艷華;基于雷達(dá)高分辨距離像目標(biāo)識(shí)別的在線(xiàn)貝葉斯模型研究[D];西安電子科技大學(xué);2017年

8 閆金鳳;基于高分辨距離像的單脈沖測(cè)角研究[D];哈爾濱工業(yè)大學(xué);2007年

9 朱新奎;空間目標(biāo)高分辨距離像識(shí)別及微動(dòng)特征提取方法研究[D];西安電子科技大學(xué);2017年

10 萬(wàn)春宇;雷達(dá)高分辨距離像目標(biāo)識(shí)別算法研究[D];電子科技大學(xué);2014年

本文編號(hào)：2803940