雷達高分辨距離像目標識別算法研究.pdf

1、通過雷達的高分辨距離像來識別未知目標的屬性,已經(jīng)成為研究目標識別的一個重點領域,是將來在電子戰(zhàn)場上一個重要技術支撐力量,能夠提供更多準確的情報支援和更加重要的預判信息。在學術研究中主要通過微分和幾何的基本理論,研究距離像的特征提取與分類識別。本文對特征線和特征空間的兩類方法進行分析研究,針對高分辨距離像的自身特點,給出了三種改進算法,具體概括起來,主要內容如下:
　　1.介紹了一維距離像的基本原理,了解目標散射中心概念,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問題以及相對應的解決辦法。采用兩個實測高分辨距離像數(shù)據(jù)庫對本文的算法進行仿真實驗,并做了兩項數(shù)據(jù)預處理工作,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目標識別上。分析了基于特征線的特征提取方法對目標數(shù)據(jù)類內和類間信息的提取能力。對比特征線分類器與其它傳統(tǒng)分類器相比的性能優(yōu)勢,對特征線方法的復雜程度進行了分析,對特征線的計算代價進行了評估?；诜窍嚓P判別最近鄰特征線分析(

3、Uncorrelated Discriminant Nearest Feature Line Analysis, UDNFLA)算法,推導出改進型的核非相關判別最近鄰特征線分析(EKUDNFLA),引入核函數(shù)和權重系數(shù),采用兩個實測距離像數(shù)據(jù)庫,與其它提取方法相比較,驗證了本算法的性能優(yōu)勢,進一步分析了引入的核技術與權重系數(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。針對最近特征線算法運算復雜度高、求取

4、結果不穩(wěn)定等缺點,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識別領域,同時運用核函數(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,分別采用兩個雷達數(shù)據(jù)庫,與多種算法對比,該算法均表現(xiàn)出卓越的特征