学位论文 > 优秀研究生学位论文题录展示
宽带雷达目标距离像识别研究
作 者: 付建胜
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 多智能体技术 辨别信息
分类号: TN957.52
类 型: 博士论文
年 份: 2012年
下 载: 330次
引 用: 0次
阅 读: 论文下载
内容摘要
现代雷达技术的兴起为雷达目标识别提供了强有力的技术支撑。通过宽带雷达获取的高分辨距离像反映了目标散射点沿雷达视线的径向距离分布细节,不仅提供了比低分辨雷达目标回波更多的特征信息,而且还避免了二维或三维成像过程中复杂的运动补偿和过多的成像耗时,具有易于获取和处理的独特优势。因此,近年来基于高分辨距离像的目标识别受到了雷达科技工作者的广泛关注。本文主要集中于特征提取和分类识别这两个环节,层层深入地展开对雷达多目标距离像识别理论及技术的相关研究。主要工作和创新概括如下:(1)针对经典核方法中大散布矩阵特征分解的运算压力问题,提出了两种基于扩展二分类辨别单元的核方法。这两种核方法均采用了“一对一”策略,通过拆分和重组,将大散布矩阵划分成若干小散布矩阵,并分别按串联和并联方式进行组合。实验结果表明,这两种核方法均能有效降低训练耗时,并能改善识别性能,非常适用于多目标识别。(2)针对多目标识别中辨别信息的质量和数量孰重孰轻问题,设计出三种辨别信息提取模型,即:被动识别和总体挑选类中绝对辨别信息(Passive recognitionand General selection for Among-class absolute discriminant information, PGA)模型、被动识别和个体挑选类间相对辨别信息(Passive recognition and Individual selectionfor Between-class relative discriminant information, PIB)模型以及主动识别和个体挑选类间相对辨别信息(Active recognition and Individual selection for Between-classdiscriminant information, AIB)模型。理论分析表明:PGA模型侧重于辨别信息的质量,而PIB和AIB模型侧重于辨别信息的数量。(3)将广义辨别分析(Generlized DiscriminantAnalysis, GDA)应用于PIB和AIB模型中,由此产生了两种针对辨别信息数量的核方法,即:基于PIB模型的GDA(PIB-based GDA, PIB-GDA)和基于AIB模型的GDA(AIB-based GDA,AIB-GDA)。与GDA比较,这两种核方法不仅能大幅降低训练耗时,还能提取更多辨别信息,具有良好的识别性能。(4)对多智能技术进行了归纳和总结,并设计出一种多智能体识别模型。将GDA用于模型实现,由此产生了一种PIB-GDA与GDA并联组合的新方法,即综合GDA(Synthetic-GDA, S-GDA)算法。实验结果表明,S-GDA能实现PIB-GDA与GDA在识别性能上的优势互补。(5)依据三种基本组合结构,本文提出了四种组合核方法。它们是,1.并联结构:基于核Fisher辨别(Kernel Fisher Discriminant, KFD)的多类综合辨别分析(KFD-based Multiclass Synthetical DiscriminantAnalysis, KFD-MSDA)和全局分布式KFD(Global Distributed KFD, G-DKFD);2.串联结构:基于多KFD的LDA(Multi KFD-based LDA, MKFD-LDA);3.混合结构:核混合辨别分析(KernelMixed Discriminant Analysis, KMDA)。实验结果表明,这四种组合核方法的识别性能从高到低依次为KFD-MSDA、G-DKFD、KMDA、MKFD-LDA,其中KMDA与GDA的识别性能相当。
|
全文目录
摘要 5-7 ABSTRACT 7-15 第一章 绪论 15-37 1.1 研究背景 15-16 1.2 雷达目标识别概述 16-23 1.2.1 雷达目标回波信号简析 16-17 1.2.2 雷达目标识别系统的基本框架 17-20 1.2.3 雷达目标识别技术回顾 20-23 1.3 宽带雷达目标距离像识别研究评述 23-29 1.3.1 HRRP 的特征 23-25 1.3.2 特征提取方法概述 25-27 1.3.3 目标分类技术概述 27-29 1.4 实验数据、方法和目的说明 29-35 1.4.1 仿真飞机目标数据及实验方法 29-32 1.4.2 实测飞机目标数据及实验方法 32-34 1.4.3 实验数据的预处理 34-35 1.5 本文的主要内容和创新之处 35-37 第二章 基于两类扩展方式的雷达目标距离像识别方法 37-62 2.1 引言 37-38 2.2 核方法的基本思想、Fisher 准则及核散布矩阵 38-43 2.2.1 基本思想 38-40 2.2.2 Fisher 准则 40-41 2.2.3 核散布矩阵 41-43 2.3 基于扩展散布矩阵的核方法 43-48 2.3.1 KPCA 44-45 2.3.2 KDA 和 GDA 45-47 2.3.3 KDDA 和 GDDA 47-48 2.4 基于扩展辨别单元的核方法 48-53 2.4.1 SVM 49-50 2.4.2 D-GDA 50-52 2.4.3 A-DKFD 52-53 2.5 实验和分析 53-61 2.5.1 针对目标类别数的实验性能检验和分析 53-56 2.5.2 针对噪声的实验性能检验和分析 56-58 2.5.3 针对训练样本统计特征的实验性能检验和分析 58-61 2.6 本章小结 61-62 第三章 基于辨别信息分析的雷达目标距离像识别方法 62-89 3.1 引言 62-63 3.2 辨别信息分析 63-67 3.2.1 辨别信息的构成 64-65 3.2.2 辨别信息的类型 65-66 3.2.3 辨别信息的提取 66-67 3.3 辨别信息提取模型 67-74 3.3.1 PGA 模型 69 3.3.2 PIB 模型 69-71 3.3.3 AIB 模型 71-72 3.3.4 模型的辨别信息分析 72-74 3.4 模型实现方法 74-78 3.4.1 GDA 在 PGA 模型中的应用 74 3.4.2 GDA 在 PIB 模型中的应用 74-75 3.4.3 GDA 在 AIB 模型中的应用 75-78 3.5 实验和分析 78-87 3.5.1 针对目标类别数的实验性能检验和分析 79-81 3.5.2 针对噪声的实验性能检验和分析 81-83 3.5.3 针对训练样本统计特征的实验性能检验和分析 83-86 3.5.4 针对高斯核参数的实验性能检验和分析 86-87 3.6 本章小结 87-89 第四章 基于多智能体技术的雷达目标距离像识别方法 89-120 4.1 引言 89-90 4.2 多智能体技术概述 90-100 4.2.1 Agent 理论基础 91-95 4.2.2 MAS 理论简介 95-100 4.2.3 多 Agent 技术的特点及优势 100 4.3 MAS 识别模型 100-104 4.3.1 可行性分析 100-101 4.3.2 Agent 识别模型 101-102 4.3.3 MAS 识别模型 102-104 4.4 模型实现方法 104-112 4.4.1 ITA Agent 的运行细节 105-108 4.4.2 PRA Agent 的运行细节 108-111 4.4.3 算法和模型分析 111-112 4.5 实验和分析 112-119 4.5.1 针对目标类别数的实验性能检验和分析 113-115 4.5.2 针对噪声的实验性能检验和分析 115-117 4.5.3 针对训练样本统计特征的实验性能检验和分析 117-119 4.6 本章小结 119-120 第五章 基于算法模块组合的雷达目标距离像识别方法 120-131 5.1 引言 120-121 5.2 算法模块组合 121-125 5.2.1 并联型 121-122 5.2.2 串联型 122-124 5.2.3 混合型 124-125 5.3 实验和分析 125-130 5.3.1 针对目标类别数的实验性能检验和分析 125-127 5.3.2 针对噪声的实验性能检验和分析 127-129 5.3.3 针对训练样本统计特征的实验性能检验和分析 129-130 5.4 本章小结 130-131 第六章 总结和展望 131-134 6.1 全文内容总结 131-132 6.2 未来工作展望 132-134 致谢 134-135 参考文献 135-152 攻博期间取得的研究成果 152-154
|
相似论文
- 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
- 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
- 空间交会接近视觉测量方法研究,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
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 水下目标特征的压缩与融合技术研究,TN911.7
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
- 基于模糊聚类的图像检索方法研究及其系统实现,TP391.41
- 基于特征描述的图像匹配方法研究,TP391.41
- 基于内容的数码照片检索系统的设计与实现,TP391.3
- 基于完全二叉树SVM烧结工况多类识别的研究与实现,TP391.41
中图分类: > 工业技术 > 无线电电子学、电信技术 > 雷达 > 雷达设备、雷达站 > 雷达接收设备 > 数据、图像处理及录取
© 2012 www.xueweilunwen.com
|