共查询到18条相似文献,搜索用时 78 毫秒
1.
基于SVM的雷达目标高分辨距离像识别研究 总被引:1,自引:0,他引:1
本文从模式分类角度讨论基于高分辨距离像(HRRP-high resolution range profile)的雷达目标识别问题,对基于支持向量机(SVM-Support Vector Machine)的高分辨距离像识别方法进行了研究.使用SVM对3类目标的HRRP进行了分类识别,并在同样条件下与基于模板匹配的识别方法进行了比较.结果表明,使用SVM具有更高的分类正确率和更好的泛化性能. 相似文献
2.
3.
雷达高分辨距离像包含了目标的结构信息,在雷达目标识别领域有良好的应用前景.应用核函数的分类方法有很强的泛化能力,本文将核函数的思想引入正则变换,提出核函数正则变换,该变换能在考虑各类样本整体和个别特性的同时提取非线性特征,将其与线性支持向量机结合实现目标分类.用实测数据仿真实验,验证了所提方法的有效性. 相似文献
4.
雷达高分辨距离像包含了目标的结构信息,在雷达目标识别领域有良好的应用前景.应用核函数的分类方法有很强的泛化能力,本文将核函数的思想引入正则变换,提出核函数正则变换,该变换能在考虑各类样本整体和个别特性的同时提取非线性特征,将其与线性支持向量机结合实现目标分类.用实测数据仿真实验,验证了所提方法的有效性. 相似文献
5.
6.
7.
8.
卷积神经网络通过卷积和池化操作提取图像在各个层次上的特征进而对目标进行有效识别,是深度学习网络中应用最广泛的一种。文中围绕一维距离像雷达导引头自动目标识别,开展基于卷积神经网络的目标高分辨距离像分类识别方法研究。首先,基于空中目标一维距离像姿态敏感性仿真生成近似平行交会条件下不同类型目标的高分辨距离像数据集;其次,构建一种一维卷积神经网络结构对目标高分辨距离像进行分类识别;作为比较,针对同类高分辨距离像数据集,分析了主成分分析-支持向量机方法的目标分类识别效果。结果表明:基于卷积神经网络的目标分类识别算法有更好的识别能力,对高分辨距离像的姿态敏感性具有较强的适应性。 相似文献
9.
为了改善基于卷积神经网络(CNN)的雷达目标识别模型的泛化能力,本文将深度适配网络(DAN)方法引入到高分辨一维距离像(HRRP)目标识别中。为了进一步提高DAN方法的性能,创新性地提出了混合核函数MMD代替传统DAN中的多核MMD,设计了基于混合核函数的MMD损失函数。本文使用服从瑞利分布的海杂波来干扰目标域数据。网络模型中使用一维CNN提取特征,使用混合核函数DAN来减少源域和目标域间特征分布的差异。实验表明,相对常规迁移学习方法和DAN方法, 在海杂波影响下该方法可将目标域数据识别率提高15%左右,显著提高了模型的泛化性能和鲁棒性。 相似文献
10.
11.
12.
13.
针对基于多散射中心模型回波的一维距离像(High Resolution Range Profile, HRRP)难以真实反映复杂目标散射特性的问题,研究了基于电磁散射模型回波的生成方法和HRRP 宽带特征提取方法。首先应用等效电磁流法(Method of Equivalent Currents, MEC)棱边修正的物理光学(Physical Optics, PO)算法解算飞机目标动静态电磁散射特性;其次基于目标散射场数据,生成目标回波、仿真HRRP 序列,提取目标宽带特征信息;最后求解了目标在设定航迹下的平均识别率,量化分析了信噪比对目标识别率的影响。理论分析与仿真结果表明:当信噪比(Signal to Noise Ratio, SNR)大于5 dB 时,基于电磁散射建模的平均识别率相对基于传统的多散射中心模型提升了20%。 相似文献
14.
该文考虑利用连续获取的多视全极化高分辨距离像(High Range Resolution Profile, HRRP)进行目标识别的问题。多视全极化HRRP样本包含了3个层次的先验信息:样本内各分量来自同一目标;单视内4种极化组合方式下的HRRP均对应相同的目标姿态;相同极化方式下的多视观测是相关的。为有效利用上述信息进行目标识别,该文提出一种基于联合稀疏表示的多视全极化HRRP目标识别方法。该方法约束各分量对应的稀疏表示系数共享原子级的稀疏模式。原子级稀疏约束使得从各极化字典中选择来自相同姿态的字典原子对样本中各分量进行稀疏表示,可以有效利用上述3个层次的先验信息进行目标识别。利用目标电磁散射数据对所提方法进行了验证,结果表明,该方法具有较好的识别性能,并且对噪声具有良好的鲁棒性。 相似文献
15.
16.
基于相对平均误差的高分辨距离像目标识别算法 总被引:1,自引:0,他引:1
相似度计算是基于模板匹配的高分辨距离像自动目标识别研究中的核心问题之一。该文从误差计算方法和相似度测量准则两方面对相似度计算方法的选取进行了深入的讨论,提出一种基于相对平均误差的相似度计算方法。实验结果证明,与目前普遍使用的基于绝对均方误差的模板匹配方法相比,基于相对平均误差的模板匹配方法具有更强的目标识别能力、更好的识别鲁棒性,以及在模板角域增大、模板数量明显降低的情况下,仍具备较高的识别能力,为工程上处理高识别率与低模板数量之间的矛盾问题提供了一种有效的解决方法。 相似文献
17.