版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、雷達(dá)自動(dòng)目標(biāo)識(shí)別技術(shù)是近程探測(cè)和精確制導(dǎo)等應(yīng)用的關(guān)鍵技術(shù)之一,在軍事和民用領(lǐng)域中擁有巨大的應(yīng)用價(jià)值。高分辨距離像是目標(biāo)散射點(diǎn)在雷達(dá)視線方向上的徑向分布,含有豐富的目標(biāo)特征信息,具有獲取時(shí)間短,信號(hào)處理簡(jiǎn)單等優(yōu)點(diǎn),是一種常用的目標(biāo)識(shí)別信號(hào)。毫米波雷達(dá)能夠?qū)崿F(xiàn)大帶寬的發(fā)射信號(hào),距離分辨率更高,距離像中包含的目標(biāo)特征更豐富,更利于實(shí)現(xiàn)對(duì)目標(biāo)的識(shí)別。然而,受雷達(dá)參數(shù)、目標(biāo)位置和姿態(tài)、環(huán)境以及天氣等因素的影響,距離像呈現(xiàn)出高度的非線性,使用傳統(tǒng)的
2、線性特征提取方法進(jìn)行距離像識(shí)別,不能得到滿意的結(jié)果。
核函數(shù)是一種通過(guò)非線性映射將樣本空間中線性不可分的樣本映射到高維特征空間以達(dá)到線性可分的方法,在處理非線性的分類問(wèn)題時(shí)優(yōu)勢(shì)明顯。流形學(xué)習(xí)是一種有效的非線性特征提取方法,能夠在高維非線性空間中發(fā)現(xiàn)數(shù)據(jù)集的內(nèi)在低維嵌入。論文針對(duì)三種地面目標(biāo)的毫米波距離像識(shí)別問(wèn)題,從距離像的非線性特征入手,在距離像的特征提取、稀疏識(shí)別、聚類目標(biāo)函數(shù)設(shè)計(jì)和去除硬件過(guò)采樣冗余等四個(gè)方面展開(kāi)了研究工作
3、,主要研究?jī)?nèi)容如下:
針對(duì)距離像的方位敏感特性,從提高字典學(xué)習(xí)效率和稀疏識(shí)別的角度研究了距離像的識(shí)別問(wèn)題,提出了快速字典學(xué)習(xí)的距離像分段稀疏識(shí)別方法。利用距離像在相鄰方位角范圍內(nèi),呈現(xiàn)高相關(guān)性的特點(diǎn),對(duì)原子的有效性和相關(guān)性進(jìn)行了限定,對(duì)字典學(xué)習(xí)時(shí)原子的更新方式進(jìn)行了改進(jìn),提高了字典學(xué)習(xí)的效率。根據(jù)距離像中有用信息只占部分特征維數(shù)的特點(diǎn),對(duì)距離像進(jìn)行分段,按照各段中距離高分辨單元的數(shù)量和能量,計(jì)算重構(gòu)誤差權(quán)重。在對(duì)各段分別進(jìn)行稀
4、疏表示的基礎(chǔ)上,依據(jù)分段加權(quán)重構(gòu)誤差和最小的原則,給出樣本的類別標(biāo)簽。
研究了距離像的非線性特征提取問(wèn)題,提出了基于監(jiān)督判別稀疏保持嵌入的特征提取算法和基于半監(jiān)督核自適應(yīng)邊界費(fèi)希爾分析的特征提取算法。針對(duì)距離像呈現(xiàn)出的非線性,在流形學(xué)習(xí)的基礎(chǔ)上,根據(jù)目標(biāo)函數(shù)之間的相似性,對(duì)三種算法的目標(biāo)函數(shù)進(jìn)行融合,提出了監(jiān)督判別稀疏保持嵌入的特征提取算法。所提算法既具有處理非線性問(wèn)題的能力,又能對(duì)樣本的局部結(jié)構(gòu)、全局結(jié)構(gòu)和稀疏重構(gòu)關(guān)系進(jìn)行有
5、效的保持。半監(jiān)督核自適應(yīng)邊界費(fèi)希爾分析的特征提取算法,主要通過(guò)在邊界費(fèi)希爾分析算法中引入核函數(shù),利用核空間中樣本間的相似性關(guān)系,自適應(yīng)決定各樣本的散度計(jì)算權(quán)重,并采用同時(shí)對(duì)類間散度和類內(nèi)散度進(jìn)行約束的方法,來(lái)處理距離像的非線性特征提取問(wèn)題,有效地解決了保持?jǐn)?shù)據(jù)集幾何結(jié)構(gòu)與提取樣本非線性特征之間的矛盾。
針對(duì)距離像的非線性和非凸分布時(shí)產(chǎn)生的混合重疊聚類以及聚類準(zhǔn)確率下降問(wèn)題,從聚類目標(biāo)函數(shù)設(shè)計(jì)的角度研究了距離像的識(shí)別問(wèn)題,提出基
6、于線性判別核模糊c均值聚類的距離像識(shí)別算法。算法利用核函數(shù)將樣本映射到高維特征空間,解決了距離像的非線性特征提取問(wèn)題,算法的目標(biāo)函數(shù)同時(shí)對(duì)樣本的模糊簇內(nèi)散度和模糊簇間散度進(jìn)行約束,避免了樣本分布非凸時(shí)混疊聚類的產(chǎn)生。給出了基于分部目標(biāo)函數(shù)混合優(yōu)化的核參數(shù)最優(yōu)選取方法和基于模糊決策理論的模糊系數(shù)最優(yōu)選取方法。
在實(shí)際工程應(yīng)用中,針對(duì)去除過(guò)采樣冗余時(shí)距離像選大起點(diǎn)的選取問(wèn)題,提出一種基于全局峰值搜索逆向門(mén)限選大的距離像去冗余方法。
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于局部特性的毫米波距離像識(shí)別方法研究.pdf
- 基于毫米波雷達(dá)的車(chē)間位置關(guān)系識(shí)別方法.pdf
- 毫米波雷達(dá)高分辨距離像成像算法研究.pdf
- 基于Hausdorff距離的非線性輪廓變點(diǎn)識(shí)別方法研究.pdf
- 雷達(dá)目標(biāo)距離像的識(shí)別方法研究.pdf
- 基于流形學(xué)習(xí)的毫米波探測(cè)器目標(biāo)識(shí)別方法研究.pdf
- 基于核的非線性特征抽取與人臉識(shí)別方法研究.pdf
- 線性及非線性特征提取人臉識(shí)別方法的研究.pdf
- 毫米波主被動(dòng)復(fù)合近程探測(cè)目標(biāo)識(shí)別方法研究.pdf
- 雷達(dá)高分辨距離像特征提取與識(shí)別方法研究.pdf
- 對(duì)空毫米波主被動(dòng)復(fù)合探測(cè)目標(biāo)識(shí)別方法研究.pdf
- 基于被動(dòng)毫米波成像的隱匿違禁物品檢測(cè)識(shí)別方法研究.pdf
- 基于紅外毫米波目標(biāo)特征的復(fù)合識(shí)別技術(shù)研究.pdf
- 雷達(dá)一維距離像特征提取與識(shí)別方法研究.pdf
- 無(wú)源毫米波探測(cè)成像系統(tǒng)目標(biāo)檢測(cè)與識(shí)別方法.pdf
- GaAs PHEMT非線性模型及毫米波功放單片研究.pdf
- 基于非線性分析的故障特征提取及識(shí)別方法研究.pdf
- 人臉特征提取和非線性識(shí)別方法的研究.pdf
- 基于高分辨距離像的雷達(dá)自動(dòng)目標(biāo)識(shí)別方法研究.pdf
- 雷達(dá)目標(biāo)高分辨距離像識(shí)別方法研究.pdf
評(píng)論
0/150
提交評(píng)論