基于一維距離像的目標(biāo)識別研究.pdf_第1頁
已閱讀1頁,還剩77頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明: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),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、雷達(dá)目標(biāo)識別作為現(xiàn)代雷達(dá)系統(tǒng)發(fā)展的重要發(fā)展方向之一,在軍事和民用領(lǐng)域都有著廣泛的應(yīng)用和廣闊的發(fā)展空間。雷達(dá)目標(biāo)的高分辨一維距離像能夠反映目標(biāo)散射中心在雷達(dá)視線上的分布情況,包含了豐富的目標(biāo)結(jié)構(gòu)信息,而且相比于二維成像,一維距離像獲取簡單、易于實(shí)現(xiàn),因此基于一維距離像的雷達(dá)目標(biāo)識別方法得到了廣泛關(guān)注。本文對基于一維距離像的目標(biāo)識別方法進(jìn)行了研究,其主要內(nèi)容如下:
  1.介紹了一維距離像的三種散射中心模型,對一維距離像的成像過程和特

2、性進(jìn)行了分析,理論分析表明,GTD模型能最全面地反映目標(biāo)的散射機(jī)理。
  2.在經(jīng)典子空間方法基礎(chǔ)上研究了三種改進(jìn)的子空間方法:APCA、NWLDA、PCA+NWLDA,通過引入加權(quán)函數(shù)對PCA和LDA進(jìn)行了改進(jìn),并將NWLDA算法和PCA算法結(jié)合得到PCA+NWLDA算法,實(shí)驗(yàn)結(jié)果表明,這幾種改進(jìn)的子空間方法都能有效地改善識別率。
  3.研究了兩種特征融合方法,一種是基于后驗(yàn)概率準(zhǔn)則對兩種全局特征PCA特征和LDA特征進(jìn)

3、行融合;另一種是通過引入局部保留映射算法,將全局特征和局部特征進(jìn)行融合以獲得目標(biāo)更全面的辨別信息,實(shí)驗(yàn)結(jié)果表明這兩種融合策略能進(jìn)一步改善識別率。
  4.提取了兩個散射中心特征量:散射中心能量支撐區(qū)長度和強(qiáng)散射中心的數(shù)目,并基于強(qiáng)散射中心的數(shù)目這一特征,提出了一種分層次的識別方法。實(shí)驗(yàn)結(jié)果表明上述兩個特征量均能比較有效地識別實(shí)測數(shù)據(jù)中的三類目標(biāo),尤其對于外觀差異比較明顯的目標(biāo)其識別效果更好;同時實(shí)驗(yàn)結(jié)果表明,本文提出的分層次識別方

溫馨提示

  • 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論