高分辨距離像雷達(dá)自動目標(biāo)識別研究.pdf

1、現(xiàn)代高分辨雷達(dá)的興起為目標(biāo)識別提供了新的途徑。高分辨距離像反映了目標(biāo)沿雷達(dá)徑向的幾何結(jié)構(gòu)分布，較之于二維或三維成像，不僅獲取要容易得多，而且避免了成像過程中復(fù)雜的運動補(bǔ)償問題。因此，近年來高分辨雷達(dá)目標(biāo)識別受到了業(yè)界的廣泛關(guān)注。 本文在前人工作的基礎(chǔ)上，著重對高分辨距離像雷達(dá)目標(biāo)識別系統(tǒng)中特征提取與分類識別兩個環(huán)節(jié)作了較深入的研究，并提出了一些創(chuàng)新的算法。這些算法在多組仿真與實測目標(biāo)距離像數(shù)據(jù)的基礎(chǔ)上進(jìn)行了驗證。歸納起來，本文的

2、主要內(nèi)容包括以下幾個方面： 1．結(jié)合擾動法和零空間法，分別提出了基于QR分解的線性辨別分析和直接線性辨別分析雷達(dá)目標(biāo)距離像識別方法，并利用核機(jī)器學(xué)習(xí)理論分別對其進(jìn)行了非線性推廣。實驗結(jié)果表明，基于QR分解的辨別分析在實時性能上具有明顯的優(yōu)勢，而直接辨別分析則具有良好的識別性能。 2．針對傳統(tǒng)Gram-Schmidt正交化算法敏感于舍入誤差的不足，首先提出了核修正Gram-Schmidt正交化算法，然后以此為基礎(chǔ)發(fā)展了批處

3、理式和類增量式兩種核辨別分析雷達(dá)目標(biāo)距離像識別方法。新方法充分利用了類內(nèi)散布矩陣最具辨別力的零空間信息，具有良好的識別性能。尤其類增量式的核辨別分析在有新目標(biāo)數(shù)據(jù)嵌入訓(xùn)練樣本集時可以動態(tài)刷新特征矢量，有效地避免了將所有目標(biāo)數(shù)據(jù)同時調(diào)入內(nèi)存，造成計算負(fù)擔(dān)過重的問題，具有明顯的實時性能優(yōu)勢。 3．在模式識別理論中，特征提取的一般原則是希望所提取的目標(biāo)特征之間統(tǒng)計相關(guān)性越小越好，最好是不相關(guān)的。依據(jù)這一理論，提出了一種基于核不相關(guān)辨別

4、分析的雷達(dá)目標(biāo)距離像識別框架，其不相關(guān)最優(yōu)辨別矢量集可以通過聯(lián)合對角化或廣義奇異值分解方式求解。由于去除了模式樣本特征之間的冗余信息，新方法體現(xiàn)了良好的識別性能。 4．針對經(jīng)典辨別分析中可能存在的矩陣奇異問題，首先依據(jù)Fisher準(zhǔn)則導(dǎo)出了距離像總散布矩陣的零空間中不含有有用辨別信息的結(jié)論。利用這一結(jié)論，可以對各散布矩陣進(jìn)行預(yù)降維，以減小后續(xù)運算的計算復(fù)雜度。然后從全局角度出發(fā)，提出了一種雙辨別子空間雷達(dá)目標(biāo)距離像識別方法。該方