雷達(dá)高分辨距離像特征提取及識(shí)別算法研究.pdf

1、雷達(dá)高分辨距離像是目標(biāo)沿雷達(dá)視線方向上的投影，包含目標(biāo)豐富的結(jié)構(gòu)信息，且具有易于獲取的特點(diǎn)，因此基于距離像的識(shí)別有著實(shí)際的意義。有效的識(shí)別特征能夠以較小的代價(jià)獲得較高的識(shí)別率；而多種信息的利用能夠提高距離像識(shí)別性能；并且在實(shí)際應(yīng)用中訓(xùn)練樣本通常不是一次性獲得的，而是在應(yīng)用的過程中逐步獲取的，因此研究快速有效的增量學(xué)習(xí)算法也是很有必要的。本論文主要研究?jī)?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(kuò)展。 論文的主要工作如下： 1)針對(duì)距離像在識(shí)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(duì)距離像進(jìn)行自對(duì)齊，消除其平移敏感性，然后利用離散余(正)弦變換進(jìn)行特征壓縮，得到了易于擴(kuò)展且維數(shù)低的識(shí)別特征；由于單個(gè)距離單元中往往包含著多個(gè)散射點(diǎn)，閃爍效應(yīng)通常會(huì)導(dǎo)致距離像的幅度隨方位變化而劇烈起伏，因此通常認(rèn)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(shí)驗(yàn)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(shí)別中是一種得到廣泛應(yīng)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(yīng)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(shí)別特征，因?yàn)榛贔isher判別率的實(shí)驗(yàn)發(fā)現(xiàn)具有最優(yōu)判別率的頻點(diǎn)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(duì)雙譜矩陣進(jìn)行分解，將奇異值以及大奇異值對(duì)應(yīng)的奇異向量作為識(shí)別特征。 3)多極化距離像能提供更多的目標(biāo)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(jié)合起來，使距離像的識(shí)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(shí)別性能與模板數(shù)量之間的矛盾，但其運(yùn)算量過大，因此提出在距離像的局部方位區(qū)域進(jìn)行模板擴(kuò)充，有效減少了分類器的運(yùn)算量，并利用數(shù)據(jù)加長(zhǎng)技術(shù)進(jìn)一步提高了距離像的識(shí)別性能。 4)詳細(xì)分析了CCIPCA算法，指出它實(shí)際上是冪法的在線擴(kuò)展形式，在此基礎(chǔ)上給出了一種增量的BDPCA算法；并

5、對(duì)子空間投影算法進(jìn)行了簡(jiǎn)化，首先利用特征向量的特性減小了該算法的運(yùn)算量，然后利用大特征值及對(duì)應(yīng)的特征向量對(duì)協(xié)方差矩陣進(jìn)行近似，使得算法運(yùn)算量進(jìn)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(yùn)算小、估計(jì)精度高的特點(diǎn)。 5)核主分量分析能夠利用核函數(shù)將低維特征轉(zhuǎn)換到高維特征空間，從而提高目標(biāo)的可分性，但它的運(yùn)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(jiǎn)練形式的核主分量算法，然后在該算法的基礎(chǔ)上基于近