学位论文 > 优秀研究生学位论文题录展示

基于高分辨距离像的雷达自动目标识别研究

作　者: 廖阔
导　师: 杨万麟
学　校: 电子科技大学
专　业: 信息获取与探测技术
关键词: 雷达目标识别高分辨距离像特征提取特征选择分类器设计
分类号: TN957.52
类　型: 博士论文
年　份: 2012年
下　载: 489次
引　用: 1次
阅　读: 论文下载

内容摘要

由宽带雷达获取的高分辨距离像（HRRP）反映了目标散射中心沿雷达视线的分布情况，包含了更多有关目标的结构和形状信息，相比雷达二维像和三维像而言易于获取，并且可实现实时识别。因此，基于HRRP的目标识别方法是当前识别飞机等高速运动目标的有效手段。本论文围绕国家十一五总装预研项目，针对空中飞机目标，对高分辨距离像雷达目标识别系统中的特征提取和选择、分类器设计及非库属目标拒识等相关问题展开研究。论文主要工作如下：1.为了充分利用HRRP中包含的目标结构和形状信息，提出了自适应差分算法，有效地提取了目标在雷达视线上的投影长度特征，实现了对目标的预分类。2.针对经典子空间方法中多目标分类边界模糊的问题，研究了加权的一对一分类（WOAO）策略，通过为每个分类器设置分类效果权值，解决了常规一对一（OAO）分类方法中多个目标因得票相同而出现的分类模糊问题。3.从信息融合的角度出发，提出融合长度特征和子空间特征的多级组合分类器识别方案，利用长度特征进行预分类，缩小WOAO分类算法的搜索范围，提高识别率。4.在利用经典Relief算法对距离像进行特征选择时，若目标在某维特征上分布不均匀，则会出现对该维特征的分类有效性评估不准确的问题，为此提出了改进的MRe特征选择算法，通过加大每对成功分类的样本对在权值累积时所占的比重，解决了目标分布不均匀对特征权值的影响，使得选择出的特征更有利于目标分类。5.针对目标识别系统中非库属目标的拒识问题，研究了一种改进的广义置信度函数，通过为每类目标设置拒识门限，实现对非库属目标的可靠判别。6.以仿生模式识别理论为基础，提出一种链条覆盖模型拒识算法。该算法为目标样本在特征空间的分布构建紧凑的封闭几何边界，以此边界来代表目标样本分布形状，通过判断测试样本是否位于目标覆盖边界内来实现对样本的拒识。上述所有算法的性能均在仿真及实测飞机目标数据上得到了验证。

全文目录

摘要  5-6
ABSTRACT  6-11
第一章绪论  11-24
  1.1 研究背景  11-12
  1.2 雷达自动目标识别概述  12-18
    1.2.1 雷达自动目标识别系统框架  12-13
    1.2.2 雷达自动目标识别的发展及现状  13-15
    1.2.3 雷达自动目标识别技术回顾  15-18
  1.3 基于 HRRP 雷达目标识别技术概述  18-22
  1.4 论文内容和安排  22-24
第二章散射中心模型及实验数据  24-33
  2.1 引言  24
  2.2 散射中心模型  24-25
  2.3 基于散射中心模型的目标高分辨距离像  25
  2.4 一维距离像特点  25-27
  2.5 高分辨距离像实验数据  27-32
    2.5.1 仿真目标数据描述  27-28
    2.5.2 军机实测数据描述  28-30
    2.5.3 民航机实测数据描述  30-32
    2.5.4 实验数据预处理  32
  2.6 本章小结  32-33
第三章目标长度特征提取及识别  33-45
  3.1 引言  33
  3.2 高分辨距离像的目标长度特征  33-34
  3.3 基于自适应差分算子的目标长度特征提取  34-37
    3.3.1 差分算子的定义  34-36
    3.3.2 自适应差分算子及长度特征提取步骤  36-37
  3.4 长度特征提取实验  37-42
    3.4.1 实验方法  37-38
    3.4.2 仿真目标实验  38-41
    3.4.3 实测军机目标实验  41
    3.4.4 实测民航机目标实验  41-42
  3.5 基于目标长度特征的预分类  42-44
  3.6 本章小结  44-45
第四章基于信息融合的距离像识别  45-67
  4.1 引言  45
  4.2 基于 WOAO 分类器的子空间法目标识别  45-57
    4.2.1 基于 PCA 的目标特征提取  46-47
    4.2.2 基于 LDA 的目标特征提取  47-48
    4.2.3 最近中心邻（NC）分类器  48-49
    4.2.4 加权一对一（WOAO）分类器设计  49-51
    4.2.5 实验结果与分析  51-57
  4.3 基于信息融合的目标识别  57-65
    4.3.1 分类器组合  57-59
    4.3.2 基于长度和子空间特征的多级组合分类器  59-61
    4.3.3 实验结果与分析  61-65
  4.4 本章小结  65-67
第五章特征选择及 HRRP 识别  67-88
  5.1 引言  67-68
  5.2 基于 MRe 算法的特征选择与识别  68-75
    5.2.1 Relief 特征选择算法  68-70
    5.2.2 MRe 特征选择算法  70-74
    5.2.3 基于 MRe 的 HRRP 识别  74-75
  5.3 基于 PCA-MRe 算法的 HRRP 目标识别  75-76
  5.4 基于 PM-SFS 算法的 HRRP 目标识别  76-79
  5.5 实验结果与分析  79-87
    5.5.1 基于 MRe 算法的距离像识别实验  79-84
    5.5.2 基于 PCA-MRe 和 PM-SFS 算法的距离像识别实验  84-87
  5.6 本章小结  87-88
第六章 HRRP 库外目标拒识算法研究  88-105
  6.1 引言  88-89
  6.2 系统性能评估指标  89
  6.3 基于广义置信度的目标拒识算法  89-93
    6.3.1 广义置信度函数  90-91
    6.3.2 拒识算法设计  91-93
  6.4 基于链条覆盖模型的目标可拒识分类算法  93-97
    6.4.1 构建链条覆盖模型  93-95
    6.4.2 样本归属的判断  95-96
    6.4.3 拒识与分类算法  96-97
  6.5 实验与分析  97-104
    6.5.1 仿真数据实验  97-101
    6.5.2 五类民航机目标实测数据实验  101-104
  6.6 本章小结  104-105
第七章总结与展望  105-108
  7.1 全文内容总结  105-106
  7.2 未来工作展望  106-108
致谢  108-109
参考文献  109-121
攻博期间取得的研究成果  121-123

基于高分辨距离像的雷达自动目标识别研究

内容摘要

全文目录

相似论文