雷達(dá)高分辨距離像目標(biāo)識(shí)別算法研究.pdf

1、通過(guò)雷達(dá)的高分辨距離像來(lái)識(shí)別未知目標(biāo)的屬性,已經(jīng)成為研究目標(biāo)識(shí)別的一個(gè)重點(diǎn)領(lǐng)域,是將來(lái)在電子戰(zhàn)場(chǎng)上一個(gè)重要技術(shù)支撐力量,能夠提供更多準(zhǔn)確的情報(bào)支援和更加重要的預(yù)判信息。在學(xué)術(shù)研究中主要通過(guò)微分和幾何的基本理論,研究距離像的特征提取與分類識(shí)別。本文對(duì)特征線和特征空間的兩類方法進(jìn)行分析研究,針對(duì)高分辨距離像的自身特點(diǎn),給出了三種改進(jìn)算法,具體概括起來(lái),主要內(nèi)容如下:
　　1.介紹了一維距離像的基本原理,了解目標(biāo)散射中心概念,分析了一維

2、距離像特性,闡述了一維距離像自身存在的幾個(gè)問(wèn)題以及相對(duì)應(yīng)的解決辦法。采用兩個(gè)實(shí)測(cè)高分辨距離像數(shù)據(jù)庫(kù)對(duì)本文的算法進(jìn)行仿真實(shí)驗(yàn),并做了兩項(xiàng)數(shù)據(jù)預(yù)處理工作,克服了幅度敏感性和平移敏感性。
　　2.把特征線的方法用在雷達(dá)目標(biāo)識(shí)別上。分析了基于特征線的特征提取方法對(duì)目標(biāo)數(shù)據(jù)類內(nèi)和類間信息的提取能力。對(duì)比特征線分類器與其它傳統(tǒng)分類器相比的性能優(yōu)勢(shì),對(duì)特征線方法的復(fù)雜程度進(jìn)行了分析,對(duì)特征線的計(jì)算代價(jià)進(jìn)行了評(píng)估。基于非相關(guān)判別最近鄰特征線分析(

3、Uncorrelated Discriminant Nearest Feature Line Analysis, UDNFLA)算法,推導(dǎo)出改進(jìn)型的核非相關(guān)判別最近鄰特征線分析(EKUDNFLA),引入核函數(shù)和權(quán)重系數(shù),采用兩個(gè)實(shí)測(cè)距離像數(shù)據(jù)庫(kù),與其它提取方法相比較,驗(yàn)證了本算法的性能優(yōu)勢(shì),進(jìn)一步分析了引入的核技術(shù)與權(quán)重系數(shù)二者在該算法中的影響力。
　　3.研究基于最近鄰特征空間的特征提取方法。針對(duì)最近特征線算法運(yùn)算復(fù)雜度高、求取

4、結(jié)果不穩(wěn)定等缺點(diǎn),介紹了最近鄰特征空間分析(nearest feature space analysis, NFSA)和判別最近鄰特征空間分析(discriminant nearest feature space analysis, DNFSA)。把NFSA算法引入到一維距離像的目標(biāo)識(shí)別領(lǐng)域,同時(shí)運(yùn)用核函數(shù)思想將一維距離像原始樣本映射到高維空間,給出KNFSA特征提取算法,分別采用兩個(gè)雷達(dá)數(shù)據(jù)庫(kù),與多種算法對(duì)比,該算法均表現(xiàn)出卓越的特征