【摘要】：雷達(dá)目標(biāo)運(yùn)動(dòng)時(shí),目標(biāo)本身或其結(jié)構(gòu)部件常常伴有微動(dòng),如螺旋槳飛機(jī)的旋翼、艦船的顛簸、人體手臂的擺動(dòng)以及車(chē)輛行駛中車(chē)輪的轉(zhuǎn)動(dòng)等等。所謂微動(dòng)是指除目標(biāo)本身平動(dòng)之外任何微小的振動(dòng)、轉(zhuǎn)動(dòng)或者高階運(yùn)動(dòng)。微動(dòng)的概念最早是在相干激光雷達(dá)研究領(lǐng)域中提出的,自引入微波雷達(dá)領(lǐng)域來(lái),為雷達(dá)目標(biāo)識(shí)別和分類(lèi)提供了一種有效途徑,并迅速成為雷達(dá)學(xué)術(shù)界和工程界的研究熱點(diǎn)。本文以輪式車(chē)輛和履帶式車(chē)輛為研究對(duì)象,對(duì)車(chē)輛目標(biāo)的微運(yùn)動(dòng)建模、微多普勒特征分析與提取以及車(chē)輛目標(biāo)分類(lèi)等問(wèn)題展開(kāi)了深入研究。具體來(lái)說(shuō),論文的主要工作如下:(1)對(duì)車(chē)輛目標(biāo)識(shí)別的研究現(xiàn)狀進(jìn)行了詳細(xì)的梳理和總結(jié),為地面車(chē)輛目標(biāo)的分類(lèi)和識(shí)別研究提供了一定的參考和借鑒作用。(2)詳細(xì)推導(dǎo)了單散射點(diǎn)轉(zhuǎn)動(dòng)的一般微多普勒模型,在此基礎(chǔ)上,分別推導(dǎo)了輪式車(chē)輛和履帶式車(chē)輛的微運(yùn)動(dòng)模型,并結(jié)合仿真雷達(dá)回波分析了輪式車(chē)輛和履帶式車(chē)輛微多普勒譜時(shí)頻像的差異性,為后續(xù)基于微多普勒譜對(duì)二者進(jìn)行分類(lèi)奠定了理論基礎(chǔ)。(3)利用輪式車(chē)輛和履帶式車(chē)輛微多普勒時(shí)頻像的差異性,通過(guò)多普勒譜時(shí)頻像進(jìn)行特征提取,提出了基于復(fù)合矩特征和結(jié)構(gòu)特征等兩種分類(lèi)方法,仿真數(shù)據(jù)驗(yàn)證了提出方法的正確性和有效性。
【圖文】：

10 圖 1.1 論文研究?jī)?nèi)容和思路第 1 章是緒論，首先闡述了研究背景及意義，然后對(duì)雷達(dá)目標(biāo)識(shí)別領(lǐng)域的微動(dòng)特征研究進(jìn)展進(jìn)行了總結(jié)，接著對(duì)車(chē)輛目標(biāo)分類(lèi)識(shí)別的研究進(jìn)展進(jìn)行了綜述，并指出了基于微動(dòng)特征的車(chē)輛目標(biāo)分類(lèi)需要解決的幾個(gè)關(guān)鍵問(wèn)題，最后介紹了論文的主要研究?jī)?nèi)容與結(jié)構(gòu)安排。第 2 章是研究基礎(chǔ)，主要研究了時(shí)頻分析和分類(lèi)器兩個(gè)方面的有關(guān)理論：一是對(duì)比研究了幾種非平穩(wěn)信號(hào)處理和分析的時(shí)頻分析方法；二是研究了 SVM 分類(lèi)器的基本理論和適用條件。為后續(xù)研究微多普勒特征的分析和基于時(shí)頻像特征的分類(lèi)奠定了基礎(chǔ)。第 3 章是車(chē)輛目標(biāo)微運(yùn)動(dòng)建模與分析，首先介紹了單散射點(diǎn)轉(zhuǎn)動(dòng)的一般微多普勒模型，推導(dǎo)了數(shù)學(xué)表達(dá)式，在此基礎(chǔ)上，分別推導(dǎo)了輪式車(chē)輛和履帶式車(chē)輛

法、自適應(yīng)高斯分類(lèi)（AGC）距離判別法、小波分解分類(lèi)法、相關(guān)向量機(jī)（RVM）分類(lèi)法等等。綜合分析和目標(biāo)的分類(lèi)問(wèn)題，最適合的方法就是基于 SVM 的分類(lèi) 分類(lèi)器進(jìn)行介紹，為論文后續(xù)分類(lèi)器的設(shè)計(jì)打下基礎(chǔ)上個(gè)世紀(jì) 90 年代由 Vapnik 等人提出的，它的目的是解用經(jīng)驗(yàn)風(fēng)險(xiǎn)最小的準(zhǔn)備不能使學(xué)習(xí)過(guò)程的泛化誤差最思想就是在樣本空間和特征空間構(gòu)造出能夠?qū)深?lèi)樣平面，，從而達(dá)到最大的泛化能力。本文將研究利用 S力[52-53]。于線性可分分類(lèi)問(wèn)題的示意圖如圖 2.1 所示。黑圈代表類(lèi)目標(biāo)。H 為最優(yōu)超平面，H 和H 分別為經(jīng)過(guò)每類(lèi)目樣本且與最優(yōu)超平面 H 平行的兩條直線，H 和H 之它們上面的樣本被稱作支持向量。最優(yōu)超平面 H 的確要將兩類(lèi)目標(biāo)分開(kāi)，二是使分類(lèi)間隔最大。具體求解解二次型規(guī)劃的問(wèn)題，利用相應(yīng)的優(yōu)化方法進(jìn)行求解
【學(xué)位授予單位】：武漢理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：E11

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐穎;周焰;;SAR圖像的ROI特征配準(zhǔn)方法[J];信號(hào)處理;2014年01期

2 馬梁;劉進(jìn);王濤;李永禎;王雪松;;旋轉(zhuǎn)對(duì)稱目標(biāo)滑動(dòng)型散射中心的微Doppler特性[J];中國(guó)科學(xué):信息科學(xué);2011年05期

3 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(lèi)[J];電子與信息學(xué)報(bào);2010年12期

4 關(guān)永勝;左群聲;劉宏偉;;高噪聲環(huán)境下微動(dòng)多目標(biāo)分辨[J];電子與信息學(xué)報(bào);2010年11期

5 龍泓琳;皮亦鳴;曹宗杰;;基于非負(fù)矩陣分解的SAR圖像目標(biāo)識(shí)別[J];電子學(xué)報(bào);2010年06期

6 黃健;李欣;黃曉濤;賀峰;;基于微多普勒特征的坦克目標(biāo)參數(shù)估計(jì)與身份識(shí)別[J];電子與信息學(xué)報(bào);2010年05期

7 賀思三;周劍雄;趙會(huì)寧;付強(qiáng);;基于AM-LFM分解的微動(dòng)信號(hào)提取[J];電子與信息學(xué)報(bào);2010年03期

8 甘志梅;王春香;楊明;;基于激光雷達(dá)的車(chē)輛跟蹤與識(shí)別方法[J];上海交通大學(xué)學(xué)報(bào);2009年06期

9 高紅衛(wèi);謝良貴;文樹(shù)梁;匡勇;;彈道導(dǎo)彈目標(biāo)微動(dòng)特性的微多普勒分析與仿真研究[J];系統(tǒng)仿真學(xué)報(bào);2009年04期

10 高紅衛(wèi);謝良貴;文樹(shù)梁;匡勇;;基于微多普勒特征的真假目標(biāo)雷達(dá)識(shí)別研究[J];電波科學(xué)學(xué)報(bào);2008年04期

相關(guān)博士學(xué)位論文 前9條

1 李坡;雷達(dá)目標(biāo)微動(dòng)信號(hào)分離與參數(shù)估計(jì)方法研究[D];南京理工大學(xué);2012年

2 李彥兵;基于微多普勒效應(yīng)的運(yùn)動(dòng)車(chē)輛目標(biāo)分類(lèi)研究[D];西安電子科技大學(xué);2013年

3 賀峰;寬帶/超寬帶雷達(dá)運(yùn)動(dòng)人體目標(biāo)檢測(cè)與特征提取關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

4 向道樸;微多普勒回波模擬與微動(dòng)特征提取技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

5 張翼;人體微動(dòng)雷達(dá)特征研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2009年

6 廖東平;支持向量機(jī)方法及其在機(jī)載毫米波雷達(dá)目標(biāo)識(shí)別中的應(yīng)用研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2006年

7 陳行勇;微動(dòng)目標(biāo)雷達(dá)特征提取技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2006年

8 王盛利;雷達(dá)信號(hào)處理的新方法——匹配傅里葉變換研究[D];西安電子科技大學(xué);2003年

9 酈蘇丹;SAR圖像特征提取與目標(biāo)識(shí)別方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2001年

相關(guān)碩士學(xué)位論文 前5條

1 張睿;基于SVM的中文文本分類(lèi)相關(guān)算法研究與實(shí)現(xiàn)[D];昆明理工大學(xué);2013年

2 胡文斌;基于SVM算法的微小RNA靶標(biāo)預(yù)測(cè)研究[D];南京農(nóng)業(yè)大學(xué);2012年

3 黃健;履帶式車(chē)輛微多普勒效應(yīng)與特征提取[D];國(guó)防科學(xué)技術(shù)大學(xué);2009年

4 文亮波;低分辨雷達(dá)地面目標(biāo)識(shí)別[D];南京理工大學(xué);2009年

5 楊全銀;基于Hough變換的圖像形狀特征檢測(cè)[D];山東大學(xué);2009年

本文編號(hào)：2645902