高分辨距離像雷達(dá)自動目標(biāo)識別研究.pdf_第1頁
已閱讀1頁,還剩120頁未讀 繼續(xù)免費閱讀

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)行舉報或認(rèn)領(lǐng)

文檔簡介

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

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。

最新文檔

評論

0/150

提交評論