基于核函數(shù)的雷達一維距離像目標識別方法研究.pdf

1、雷達目標識別技術(shù)是現(xiàn)代雷達系統(tǒng)的重要發(fā)展方向之一，已成為各國目前和未來武器系統(tǒng)的重要組成部分。利用高分辨雷達獲得的一維距離像包含了豐富的可用于對目標進行分類識別的特征信息。本文針對雷達目標一維距離像，采取多種基于核函數(shù)的方法，對雷達目標識別進行了分析和研究。主要研究內(nèi)容如下： 1.以核樣本的概念為基礎(chǔ)，首先運用主成分分析法(PCA)對核樣本進行適當?shù)慕稻S處理，然后對降維以后的核樣本進行線性Fisher判別分析(LDA)，為了達到

2、對核樣本的最佳的特征提取，把LDA過程等效為對類內(nèi)和類間離散度矩陣的同時對角化。本文把上述方法運用于雷達一維距離像的目標識別中，發(fā)現(xiàn)該方法在雷達目標姿態(tài)角變化范圍較小的情況下，確實可以取得比較好的識別效果。 2.通過引入支持向量機(SVM)算法，試圖解決大姿態(tài)角范圍內(nèi)雷達一維距離像的目標識別問題。本文以標準的基于不可分樣本集的支持向量機(C-SVM)為基礎(chǔ)，引入了一種廣義和修正C-SVM算法，以期進一步提高大姿態(tài)角范圍內(nèi)雷達目標

3、一維距離像的識別精度，同時發(fā)現(xiàn)廣義C-SVM算法可以很好地解決雷達目標識別中的一種極端情況。為了減少支持向量機的算法復雜度以節(jié)約資源，本文在支持向量機的算法框架下給出了一種篩減訓練樣本的方法，以期在不降低雷達目標一維距離像識別率的基礎(chǔ)上，達到縮小訓練樣本規(guī)模的目的。實驗結(jié)果證明了上述算法是有效的和可行的。 3.通過引入最小二乘支持向量機(LS-SVM)算法，試圖解決大姿態(tài)角范圍內(nèi)雷達一維距離像的目標識別問題。本文對標準的LS-S

4、VM算法進行了改進，并給出了一種廣義和修正LS-SVM算法，以期進一步提高大姿態(tài)角范圍內(nèi)雷達目標一維距離像的識別精度。為了提高LS-SVM算法在識別樣本時的執(zhí)行效率，特別針對雷達一維距離像的特殊性，本文提出了一種新的LS-SVM稀疏化算法，以期在不降低雷達目標一維距離像識別率的基礎(chǔ)上，達到稀疏化訓練樣本的目的。通過把迭代式增量LS-SVM算法和本文所提出的新的LS-SVM稀疏化算法相結(jié)合，很好地避免了大規(guī)模矩陣的求逆問題，有利于硬件實現(xiàn)