基于核函數(shù)的雷達(dá)一維距離像目標(biāo)識(shí)別方法研究.pdf

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

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

3、一維距離像的識(shí)別精度，同時(shí)發(fā)現(xiàn)廣義C-SVM算法可以很好地解決雷達(dá)目標(biāo)識(shí)別中的一種極端情況。為了減少支持向量機(jī)的算法復(fù)雜度以節(jié)約資源，本文在支持向量機(jī)的算法框架下給出了一種篩減訓(xùn)練樣本的方法，以期在不降低雷達(dá)目標(biāo)一維距離像識(shí)別率的基礎(chǔ)上，達(dá)到縮小訓(xùn)練樣本規(guī)模的目的。實(shí)驗(yàn)結(jié)果證明了上述算法是有效的和可行的。 3.通過(guò)引入最小二乘支持向量機(jī)(LS-SVM)算法，試圖解決大姿態(tài)角范圍內(nèi)雷達(dá)一維距離像的目標(biāo)識(shí)別問(wèn)題。本文對(duì)標(biāo)準(zhǔn)的LS-S

4、VM算法進(jìn)行了改進(jìn)，并給出了一種廣義和修正LS-SVM算法，以期進(jìn)一步提高大姿態(tài)角范圍內(nèi)雷達(dá)目標(biāo)一維距離像的識(shí)別精度。為了提高LS-SVM算法在識(shí)別樣本時(shí)的執(zhí)行效率，特別針對(duì)雷達(dá)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(dá)目標(biāo)一維距離像識(shí)別率的基礎(chǔ)上，達(dá)到稀疏化訓(xùn)練樣本的目的。通過(guò)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(wèn)題，有利于硬件實(shí)現(xiàn)