寬帶雷達(dá)目標(biāo)距離像識(shí)別研究.pdf

1、現(xiàn)代雷達(dá)技術(shù)的興起為雷達(dá)目標(biāo)識(shí)別提供了強(qiáng)有力的技術(shù)支撐。通過寬帶雷達(dá)獲取的高分辨距離像反映了目標(biāo)散射點(diǎn)沿雷達(dá)視線的徑向距離分布細(xì)節(jié)，不僅提供了比低分辨雷達(dá)目標(biāo)回波更多的特征信息，而且還避免了二維或三維成像過程中復(fù)雜的運(yùn)動(dòng)補(bǔ)償和過多的成像耗時(shí)，具有易于獲取和處理的獨(dú)特優(yōu)勢(shì)。因此，近年來基于高分辨距離像的目標(biāo)識(shí)別受到了雷達(dá)科技工作者的廣泛關(guān)注。
　　本文主要集中于特征提取和分類識(shí)別這兩個(gè)環(huán)節(jié)，層層深入地展開對(duì)雷達(dá)多目標(biāo)距離像識(shí)別理論及

2、技術(shù)的相關(guān)研究。主要工作和創(chuàng)新概括如下：
　?。?）針對(duì)經(jīng)典核方法中大散布矩陣特征分解的運(yùn)算壓力問題，提出了兩種基于擴(kuò)展二分類辨別單元的核方法。這兩種核方法均采用了“一對(duì)一”策略，通過拆分和重組，將大散布矩陣劃分成若干小散布矩陣，并分別按串聯(lián)和并聯(lián)方式進(jìn)行組合。實(shí)驗(yàn)結(jié)果表明，這兩種核方法均能有效降低訓(xùn)練耗時(shí)，并能改善識(shí)別性能，非常適用于多目標(biāo)識(shí)別。
　?。?）針對(duì)多目標(biāo)識(shí)別中辨別信息的質(zhì)量和數(shù)量孰重孰輕問題，設(shè)計(jì)出三種辨別信

3、息提取模型，即：被動(dòng)識(shí)別和總體挑選類中絕對(duì)辨別信息（Passive recognition andGeneral selection forAmong-class absolute discriminant information, PGA）模型、被動(dòng)識(shí)別和個(gè)體挑選類間相對(duì)辨別信息（Passive recognition and Individual selection forBetween-class relative discrim

4、inant information, PIB）模型以及主動(dòng)識(shí)別和個(gè)體挑選類間相對(duì)辨別信息（Active recognition andIndividual selection forBetween-class discriminant information, AIB）模型。理論分析表明：PGA模型側(cè)重于辨別信息的質(zhì)量，而PIB和AIB模型側(cè)重于辨別信息的數(shù)量。
　?。?）將廣義辨別分析（Generlized Discrimina

5、nt Analysis, GDA）應(yīng)用于PIB和AIB模型中，由此產(chǎn)生了兩種針對(duì)辨別信息數(shù)量的核方法，即：基于 PIB模型的GDA（PIB-based GDA, PIB-GDA）和基于AIB模型的GDA（AIB-based GDA, AIB-GDA）。與GDA比較，這兩種核方法不僅能大幅降低訓(xùn)練耗時(shí)，還能提取更多辨別信息，具有良好的識(shí)別性能。
　?。?）對(duì)多智能技術(shù)進(jìn)行了歸納和總結(jié)，并設(shè)計(jì)出一種多智能體識(shí)別模型。將GDA用于模型實(shí)

6、現(xiàn)，由此產(chǎn)生了一種PIB-GDA與GDA并聯(lián)組合的新方法，即綜合GDA（Synthetic-GDA, S-GDA）算法。實(shí)驗(yàn)結(jié)果表明，S-GDA能實(shí)現(xiàn)PIB-GDA與GDA在識(shí)別性能上的優(yōu)勢(shì)互補(bǔ)。
　?。?）依據(jù)三種基本組合結(jié)構(gòu)，本文提出了四種組合核方法。它們是，1.并聯(lián)結(jié)構(gòu)：基于核Fisher辨別（Kernel Fisher Discriminant, KFD）的多類綜合辨別分析（KFD-based Multiclass Syn

7、thetical Discriminant Analysis, KFD-MSDA）和全局分布式KFD（Global Distributed KFD, G-DKFD）；2.串聯(lián)結(jié)構(gòu)：基于多KFD的LDA（Multi KFD-based LDA, MKFD-LDA）；3.混合結(jié)構(gòu)：核混合辨別分析（Kernel Mixed Discriminant Analysis, KMDA）。實(shí)驗(yàn)結(jié)果表明，這四種組合核方法的識(shí)別性能從高到低依次為 KFD