雷達高分辨距離像特征提取及識別算法研究.pdf

1、雷達高分辨距離像是目標沿雷達視線方向上的投影，包含目標豐富的結構信息，且具有易于獲取的特點，因此基于距離像的識別有著實際的意義。有效的識別特征能夠以較小的代價獲得較高的識別率；而多種信息的利用能夠提高距離像識別性能；并且在實際應用中訓練樣本通常不是一次性獲得的，而是在應用的過程中逐步獲取的，因此研究快速有效的增量學習算法也是很有必要的。本論文主要研究內(nèi)容為距離像平移不變特征的提取、多極化多特征信息的融合利用，以及(核)主分量分析、線性鑒

2、別分析算法的在線擴展。 論文的主要工作如下： 1)針對距離像在識別中的平移敏感性及維數(shù)縮減問題，首先利用零相位表示法對距離像進行自對齊，消除其平移敏感性，然后利用離散余(正)弦變換進行特征壓縮，得到了易于擴展且維數(shù)低的識別特征；由于單個距離單元中往往包含著多個散射點，閃爍效應通常會導致距離像的幅度隨方位變化而劇烈起伏，因此通常認為幅度包含較少的鑒別信息，而我們通過將距離單元按照幅度大小排序獲得了只包含幅度信息的平移不變特

3、征，實驗表明距離像的幅度也是一種重要的鑒別信息。 2)雙譜在距離像的識別中是一種得到廣泛應用的平移不變特征，但雙譜過大的特征維數(shù)限制了它的應用。本文給出了兩種雙譜降維方法，一是直接截取其低頻成分作為識別特征，因為基于Fisher判別率的實驗發(fā)現(xiàn)具有最優(yōu)判別率的頻點主要集中在雙譜的低頻區(qū)域；另一種則是利用奇異值分解對雙譜矩陣進行分解，將奇異值以及大奇異值對應的奇異向量作為識別特征。 3)多極化距離像能提供更多的目標信息，而

4、距離像不同的特征同樣包含著不同的鑒別信息，本文將這些信息利用D-S證據(jù)理論有效結合起來，使距離像的識別性能有了很大提升；最近鄰特征線分類器能有效解決距離像的識別性能與模板數(shù)量之間的矛盾，但其運算量過大，因此提出在距離像的局部方位區(qū)域進行模板擴充，有效減少了分類器的運算量，并利用數(shù)據(jù)加長技術進一步提高了距離像的識別性能。 4)詳細分析了CCIPCA算法，指出它實際上是冪法的在線擴展形式，在此基礎上給出了一種增量的BDPCA算法；并

5、對子空間投影算法進行了簡化，首先利用特征向量的特性減小了該算法的運算量，然后利用大特征值及對應的特征向量對協(xié)方差矩陣進行近似，使得算法運算量進一步降低；而基于冪迭代的增量線性鑒別分析算法則具有運算小、估計精度高的特點。 5)核主分量分析能夠利用核函數(shù)將低維特征轉換到高維特征空間，從而提高目標的可分性，但它的運算量隨著樣本數(shù)量的增大而急劇增加，因此本文首先給出了一種比經(jīng)典算法具有更簡練形式的核主分量算法，然后在該算法的基礎上基于近