基于多頻和極點特征的高頻超視距雷達目標識別.pdf

1、本文主要研究基于多頻和極點特征的高頻超視距雷達目標識別方法。工作在高頻(HF)段(3～30MHz)的雷達能夠探測到視距以外直至數(shù)千海里遠區(qū)域內(nèi)的飛機、艦船等目標。多頻散射數(shù)據(jù)和極點是表征雷達目標的有效特征，利用多頻數(shù)據(jù)和極點進行目標識別是比較有效的途徑。本文的主要工作與貢獻如下： 線性分類方法不依賴于估計的條件概率密度函數(shù)。本文研究了應用線性分類方法對簡單目標和復雜飛機目標的分類識別，所使用的特征信號是目標的多頻特征。對于復雜的

2、線性不可分問題，應用線性分類器就不能解決。 最近鄰準則是一種次最優(yōu)準則，當樣本數(shù)目很大時，最近鄰準則的錯誤率不會超過貝葉斯錯誤概率的2倍。本文利用目標的多頻特征，應用最近鄰分類方法對幾類簡單目標和飛機目標進行了分類判決。結果證明：線性不可分的情況應用最近鄰分類器可以得到很好的結果。 人工神經(jīng)網(wǎng)絡具有自組織、自學習等能力，能不斷適應外界環(huán)境并處理各種復雜的、隨機的信息。它可以通過對樣本的學習建立起記憶，并把未知模式判為其最

3、為接近的記憶。本文應用多層前饋神經(jīng)網(wǎng)絡和自組織特征映射神經(jīng)網(wǎng)絡分別對簡單目標和復雜飛機目標進行了分類識別。 從含有噪聲的瞬態(tài)沖激響應數(shù)據(jù)中估計目標極點數(shù)目的問題長期以來一直沒有得到很好的解決。本文應用一種非常有效的準則函數(shù)方法——最小描述長度(MDL)方法來對目標極點數(shù)目進行估計，很好地解決了這個難題。 Prony方法用于提取目標的極點有其不可克服的缺點，即對噪聲極為敏感。狀態(tài)空間方法物理意義明確、易于理解、處理方式更靈