雷達(dá)高分辨距離像目標(biāo)識別算法研究.pdf

1、通過雷達(dá)的高分辨距離像來識別未知目標(biāo)的屬性,已經(jīng)成為研究目標(biāo)識別的一個重點(diǎn)領(lǐng)域,是將來在電子戰(zhàn)場上一個重要技術(shù)支撐力量,能夠提供更多準(zhǔn)確的情報支援和更加重要的預(yù)判信息。在學(xué)術(shù)研究中主要通過微分和幾何的基本理論,研究距離像的特征提取與分類識別。本文對特征線和特征空間的兩類方法進(jìn)行分析研究,針對高分辨距離像的自身特點(diǎn),給出了三種改進(jìn)算法,具體概括起來,主要內(nèi)容如下:
　　1.介紹了一維距離像的基本原理,了解目標(biāo)散射中心概念,分析了一維

2、距離像特性,闡述了一維距離像自身存在的幾個問題以及相對應(yīng)的解決辦法。采用兩個實(shí)測高分辨距離像數(shù)據(jù)庫對本文的算法進(jìn)行仿真實(shí)驗(yàn),并做了兩項(xiàng)數(shù)據(jù)預(yù)處理工作,克服了幅度敏感性和平移敏感性。
　　2.把特征線的方法用在雷達(dá)目標(biāo)識別上。分析了基于特征線的特征提取方法對目標(biāo)數(shù)據(jù)類內(nèi)和類間信息的提取能力。對比特征線分類器與其它傳統(tǒng)分類器相比的性能優(yōu)勢,對特征線方法的復(fù)雜程度進(jìn)行了分析,對特征線的計算代價進(jìn)行了評估?；诜窍嚓P(guān)判別最近鄰特征線分析(

3、Uncorrelated Discriminant Nearest Feature Line Analysis, UDNFLA)算法,推導(dǎo)出改進(jìn)型的核非相關(guān)判別最近鄰特征線分析(EKUDNFLA),引入核函數(shù)和權(quán)重系數(shù),采用兩個實(shí)測距離像數(shù)據(jù)庫,與其它提取方法相比較,驗(yàn)證了本算法的性能優(yōu)勢,進(jìn)一步分析了引入的核技術(shù)與權(quán)重系數(shù)二者在該算法中的影響力。
　　3.研究基于最近鄰特征空間的特征提取方法。針對最近特征線算法運(yùn)算復(fù)雜度高、求取

4、結(jié)果不穩(wěn)定等缺點(diǎn),介紹了最近鄰特征空間分析(nearest feature space analysis, NFSA)和判別最近鄰特征空間分析(discriminant nearest feature space analysis, DNFSA)。把NFSA算法引入到一維距離像的目標(biāo)識別領(lǐng)域,同時運(yùn)用核函數(shù)思想將一維距離像原始樣本映射到高維空間,給出KNFSA特征提取算法,分別采用兩個雷達(dá)數(shù)據(jù)庫,與多種算法對比,該算法均表現(xiàn)出卓越的特征