学位论文 > 优秀研究生学位论文题录展示
基于流形学习的毫米波探测器目标识别方法研究
作 者: 罗磊
导 师: 李跃华
学 校: 南京理工大学
专 业: 信息与通信工程
关键词: 毫米波 特征提取 目标识别 流形学习 邻域保持投影 局部线性嵌入
分类号: TP391.41
类 型: 博士论文
年 份: 2010年
下 载: 290次
引 用: 0次
阅 读: 论文下载
内容摘要
鉴于毫米波探测系统相对微波探测系统和光学探测系统的独特优势,近年来在军事民用等领域得到了广泛应用和发展。随着探测精度的提高,系统对信号处理方法的要求也越来越高。流形学习是2000年出现的一种新的机器学习理论,旨在发现高维数据分布的内在规律,并从中恢复低维流形结构,实现维数约简。本文将流形学习方法应用于毫米波探测器目标识别,并对现有流形学习算法进行了改进和推广。论文的主要研究工作如下:为了减少噪声对目标识别的影响,研究了基于提升9-7小波的信号去噪及其实时实现。对去噪算法中所有相关参数作了近似处理,使其分母皆为2的整数次幂,算法只涉及整数的加法、乘法和移位运算。分析了算法实时实现对硬件平台的要求,在DSP构建的硬件处理平台上,实现了被动毫米波探测器信号的实时去噪。在特征提取方面,将典型的非线性流形学习算法应用于被动毫米波探测器及毫米波高分辨率雷达信号特征提取中,实验结果证明了流形学习算法的有效性。综合线性判别分析算法的优点,在邻域保持投影算法基础上引入了类间散布矩阵,得到了改进算法,邻域保持判别投影。通过在邻域保持投影算法中引入非相关约束,使提取的特征向量具有非相关性,减少冗余信息,得到了改进算法,非相关邻域保持投影。融合邻域保持判别投影及非相关邻域保持投影算法的优点,得到了非相关判别邻域保持投影算法。为了更好的应对非线性问题,通过加核的方法对非相关邻域保持投影和非相关判别邻域保持投影算法进行了非性线扩展,得到了改进算法,核非相关邻域保持投影和核非相关判别邻域保持投影。将本文所改进的算法应用于毫米波探测器目标识别,实验结果证明了算法的优越性能。基于非线性流形学习中局部线性嵌入算法的思想,提出了一种单类分类算法。此分类算法首先计算未知类别样本的重构系数,定义一种误差作为判别标准,根据此误差的大小判断样本的类别归属。将算法应用于被动毫米波探测器目标识别中,实验结果表明,相对目前流行的单类分类算法,具有更好的性能。相似地,基于局部线性嵌入算法的思想提出了一种多类分类算法。此算法考虑的是样本的重构误差及其近邻中非同类样本产生的误差,此误差反映的是样本与其所在低维流形之间的关系。将算法应用于毫米波高分辨率雷达一维距离像的目标识别,实验结果表明,算法能够有效地进行分类识别,与目前流行的多分类算法相比,分类效果较好,且参数估计简单,分类结果受参数影响较小,有效地提高了毫米波高分辨率雷达的探测精确度。
|
全文目录
摘要 5-7 Abstract 7-13 1 绪论 13-23 1.1 研究背景及意义 13-14 1.2 毫米波探测系统研究现状 14-17 1.2.1 毫米波雷达发展及研究现状 14-16 1.2.2 毫米波辐射计发展及研究现状 16 1.2.3 毫米波主被动复合探测系统研究现状 16-17 1.3 毫米波探测系统相关信号处理技术 17-20 1.3.1 信号去噪技术 17-18 1.3.2 特征提取技术 18-19 1.3.3 目标识别技术 19-20 1.4 本文内容安排及创新点 20-23 1.4.1 本文主要工作及内容安排 20-21 1.4.2 本文创新点 21-23 2 毫米波探测系统原理 23-35 2.1 被动毫米波探测系统原理及应用 23-27 2.1.1 毫米波辐射计目标探测原理 23-24 2.1.2 全功率毫米波辐射计 24-26 2.1.3 被动毫米波成像技术 26-27 2.2 毫米波高分辨率雷达 27-33 2.2.1 毫米波脉间频率步进雷达工作原理 28-29 2.2.2 频率步进信号分析 29-31 2.2.3 高分辨率一维距离像的特性 31-32 2.2.4 毫米波脉间频率步进雷达实例 32-33 2.3 毫米波主被动复合探测系统 33-34 2.4 本章小结 34-35 3 基于小波变换的毫米波探测器信号实时去噪 35-46 3.1 引言 35-36 3.2 提升小波变换 36-38 3.3 基于提升9-7小波的被动毫米波探测器信号实时去噪 38-45 3.3.1 引言 38-39 3.3.2 提升9-7小波变换 39-41 3.3.3 信号去噪效果分析 41-42 3.3.4 算法计算量分析及信号实时去噪 42-44 3.3.5 小结 44-45 3.4 本章小结 45-46 4 基于流形学习的信号特征提取方法研究 46-89 4.1 引言 46-47 4.2 流形学习的发展及研究现状 47-49 4.3 典型流形学习算法简介 49-59 4.3.1 流形学习中的一些数学定义 49-51 4.3.2 等距映射(Isomap) 51-53 4.3.3 局部线性嵌入(LLE) 53-54 4.3.4 拉普拉斯特征映射(LE) 54-56 4.3.5 局部切空间排列(LTSA) 56-57 4.3.6 局部保持映射(LPP) 57-58 4.3.7 邻域保持投影(NPP) 58-59 4.4 基于LE算法的毫米波探测器信号特征提取 59-68 4.4.1 引言 59-60 4.4.2 被动毫米波探测器信号特征提取 60-63 4.4.3 被动毫米波探测器目标识别实验 63-65 4.4.4 毫米波高分辨率一维距离像特征提取 65-67 4.4.5 毫米波高分辨率一维距离像目标识别实验 67-68 4.4.6 小结 68 4.5 邻域保持判别投影(NPDP) 68-74 4.5.1 引言 68-69 4.5.2 算法步骤及推导 69-70 4.5.3 毫米波高分辨率一维距离像目标识别实验 70-74 4.5.4 小结 74 4.6 非相关邻域保持投影(UNPP) 74-78 4.6.1 引言 74 4.6.2 算法步骤及推导 74-76 4.6.3 毫米波高分辨率一维距离像目标识别实验 76-78 4.6.4 小结 78 4.7 核非相关邻域保持投影(KUNPP) 78-82 4.7.1 引言 78 4.7.2 算法步骤及推导 78-80 4.7.3 毫米波高分辨率一维距离像目标识别实验 80-82 4.7.4 小结 82 4.8 非相关判别邻域保持投影(UDNPP) 82-87 4.8.1 引言 82 4.8.2 算法步骤及推导 82-83 4.8.3 核非相关判别邻域保持投影(Kernel UDNPP,KUDNPP) 83-84 4.8.4 毫米波高分辨率一维距离像目标识别实验 84-87 4.8.5 小结 87 4.9 本章小结 87-89 5 目标识别技术中的分类算法研究 89-108 5.1 引言 89-90 5.2 基于改进权重模糊综合评判方法的目标识别 90-97 5.2.1 引言 90 5.2.2 模糊综合评判模型 90-92 5.2.3 改进的权向量确定方法 92 5.2.4 实验及结果分析 92-97 5.2.5 小结 97 5.3 基于LLE的单类分类算法及其在目标识别中的应用 97-102 5.3.1 引言 97 5.3.2 基于LLE的单类分类算法 97-99 5.3.3 实验及结果分析 99-102 5.3.4 小结 102 5.4 基于LLE的多类分类算法及其在目标识别中的应用 102-106 5.4.1 引言 102 5.4.2 基于LLE的多类分类算法 102-104 5.4.3 实验及结果分析 104-106 5.4.4 引结 106 5.5 本章小结 106-108 6 总结与展望 108-111 6.1 全文总结 108-109 6.2 作展望 109-111 致谢 111-112 参考文献 112-124 攻读博士期间发表的学术论文 124
|
相似论文
- 基于流形学习的高维流场数据分类研究,V231.3
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 8毫米波直接检波式辐射计研究,TN850.7
- 基于智能学习的多传感器目标识别与跟踪系统研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 红外超光谱图像的虚拟探测器研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 阵列扫描毫米波成像方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 空中目标抗干扰识别跟踪系统,TN215
- 基于随机森林的植物抗性基因识别方法研究,Q943
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|