雷达目标一维距离像的特征分析

针对一维距离像对姿态角敏感和回波时延的问题．对雷达目标一维距离像的特征进行了分析，结合散射点回波功率的特征提取与傅里叶变换．提出了一种雷达目标识别的方法。     

基于一维距离像的雷达目标识别方法研究

通过对光学区雷达目标一维距离像的介绍和分析,指出利用一维距离像进行雷达目标分类和识别的可行性,并针对一维距离像对姿态角度化敏感这一难点问题,提出两种比较实用的解决方案。     

离散贝叶斯分类算法雷达目标一维距离像识别

首先讨论了传统贝叶斯分类器设计方法的局限性,然后提出了离散贝叶斯分类算法,并推导了离散贝叶斯分类器的分类误差估算公武.用大量的实测高分辨雷达目标回波数据进行计算机模拟,离散贝叶斯分类算法获得了平均94.33%的正确识别率,分类误差估算公式估算的分类误差为5.23%.计算机模拟结果表明了该方法的有效性.     

基于直接辨别分析的雷达目标一维距离像识别

提出了基于零空间的线性直接辨别分析与非线性推广直接辨别分析方法,并将其用于雷达目标一维距离像识别.与传统子空间方法相比,上述两种方法保留并充分利用了类内散度矩阵最具分辨力的零空间信息,因而大大提高了目标的识别性能.对三种实测飞机数据的识别结果表明了所提方法的有效性.     

基于线性内插神经网络的雷达目标一维距离像识别

本文提出一种新颖的神经网络模型－－线性内插神经网络用于雷达目标一维距离像识别,它可避开提取不变特征的难点,利用目标一维距离像特征随姿态变化的信息来提高目标识别性能,实验结果表明,采用ＬＩＮＮ很好地解决了在大的廨范围内识别目标时所存在的计算量与识别率的矛盾,提高了雷达对任决任意姿态目标的识别性能。     

雷达目标一维距离像识别中的非训练目标判别

针对雷达目标一维距离像识别中的特征子空间法不能判别训练目标的缺点，提出一种非训练目标判别门限，在特征子空间法的分类阶段对非训练目标进行判别。仿真实验结果表明：在特征子空间法中引入该门限，既能有效地对非训练目标予以判别，同时对训练目标又能保持较高的正确识别率。     

基于一维距离像的目标识别方法

基于飞机目标高分辨一线距离像,给出了一种目标识别方法。首先,在研究了高分辨距离像的相关匹配算法后,给出了在单极化条件下的五种飞机目标回波的识别结果;而后,基于全极化高分辨雷达,提出了一种利用目标极化信息一维距离像的综合识别方法。实验结果表明,该方法具有高的识别率和强的抗干扰能力。     

基于改进方位弯折的一维距离像雷达目标识别

传统的基于方位弯折算法对一维距离像进行目标识别时,测试数据与参考距离像序列的动态弯折在端点对齐的情况下才能进行。针对传统动态方位弯折端点严格约束的局限性,提出一种端点松弛的算法,采用一种改进的基于方位弯折算法,实现雷达目标的识别。对三种飞机的实测数据进行了仿真实验,结果表明该方法的有效性。     

雷达高分辨距离像目标识别研究进展

雷达高分辨距离像(HRRP)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.该文详细讨论了基于HRRP的雷达自动目标识别的关键技术及研究现状,包括雷达HRRP的特性、预处理方法、特征提取方法及分类器设计方法等.最后讨论了雷达HRRP识别的研究方向.     

基于高分辨率一维距离像雷达目标识别研究

基于一维距离像的目标识别是雷达目标识别的一种重要方法。本文利用最大相关系数法（MCC）和主分量分析方法（PCA）对目标一维距离像进行目标识别。针对一维距离像的目标姿态敏感性,分析了最大相关系数法和PCA特征提取方法的原理,并通过3种目标的实测数据进行分类实验,表明该算法的有效性。     

基于KLLE和KNR的雷达目标一维像识别

局部线性嵌入(LLE)是一种有代表性的流形学习算法,利用核技术将LLE进行推广,得到核局部线性嵌入算法,并将其应用于雷达目标一维距离像的特征提取。然后采用一种基于核的非线性分类器,对所提取的特征进行分类。对3种飞机的实测数据进行识别实验,结果表明,该方法具有较优的识别性能。     

基于核支持向量最优变换矩阵的雷达目标一维距离像识别

提出了一种基于支持向量最优变换矩阵的雷达目标一维距离像识别方法。该方法利用支持向量构建类间散布矩阵和类内散布矩阵,结合零空间特性得到最优变换矩阵,该变换矩阵被用来从原始一维距离像中提取判别特征。对输入目标,利用欧式距离进行分类,以确定目标所属类别。对三类飞机的实测一维距离像数据进行了仿真实验,实验结果表明了该方法的有效性。     

子空间法雷达目标一维像识别研究

基于高分辨一维像,研究特征子空间法和正则子空间法在雷达目标识别中的应用。针对一维像敏感于目标姿态变化的特点,提出一种子空间串识别法,将所有姿态范围划分为一定数量的模区,在每模区建立各类目标的子空间。对未知目标,所处模区由雷达测定后,其一维像映射到该模区各类目标的特征子空间进行识别分类一单模区搜索准则。模拟和实测数据实验表明所提出方法是有效的。     

雷达目标一维距离像识别方法研究

提出了一种基于小波包分析和二叉树支持向量机相结合的雷达目标一维距离像识别方法.该方法充分利用了小波包对信号的时频分解和支持向量机在小样本分类中的优势,可以改善目标的特征稳定性,提高识别性能.通过采用聚类分析中的均值距离来生成二叉树,将分类器分布在各个节点上,构成了多类支持向量机,减少了分类器数量和重复训练样本的数量.对...     

基于多姿态角下一维距离像的雷达目标三维成像

本文根据目标散射中心在雷达视线上的几何投影关系,分析了由多姿态角下一维距离像对雷达目标进行三维成像的基本原理和散射中心关联等技术难点,提出了基于聚类分析的散射中心关联和三维成像算法.最后,本文采用GTD散射模型生成的回波数据和暗室测量数据进行成像实验,验证了该算法具有实现简单、成像效果稳定等优点.     

基于NMFs-LDA的雷达目标距离像识别

基于NMFs(非负矩阵稀疏分解)和LDA(线性辨别分析),提出了一种新的雷达目标一维距离像识别方法。该方法首先用非负矩阵稀疏分解提取原数据的局部特征,然后用线性辨别分析方法对提取的特征进行进一步的处理,最终实现降维和特征提取的目的,接着采用最邻近中心法对处理后的特征进行分类,最后用3种不同类型飞机实测回波数据进行识别实验,并与经典的PCA-LDA方法相比较,结果表明该方法具有更好的识别性能。     

基于样本紧密度的雷达高分辨距离像识别方法研究

模板库是基于高分辨距离像(HRRP)进行雷达自动目标识别的关键。由于真实目标复杂的电磁散射特性及背景杂波的存在,基于传统平均HRRP模板库的目标识别方法的实用性能有限。该文分析了雷达目标HRRP样本集在单位超球面上的空间分布特征,构建了类心+紧密度球特征模板库,定义了基于紧密度球的距离度量方法,最后提出基于样本紧密度的HRRP识别方法。基于公共MSTAR数据的实验结果表明该方法具有良好的工程实用性能。     

核不相关辨别子空间雷达目标一维像识别

针对不相关辨别分析方法在目标类别数较多时计算量大,且可能面临散度矩阵奇异的问题,提出了一种核不相关辨别子空间算法,并将其用于雷达目标一维距离像识别。新算法继承了原方法提取目标统计不相关辨别特征的优点,同时利用核机器学习理论与广义奇异值分解,有效解决了计算量与矩阵奇异的问题,并进一步改善了目标的类可分性。对ISAR实测飞机数据进行了分类,并与几种经典核非线性方法进行了比较,结果表明所提方法的识别性能得到了明显改善。     

基于BP网络的雷达目标距离像识别性能仿真

针对反向传播(BP)神经网络用于高分辨率雷达目标距离像分类的问题.讨论了对识别性能产生影响的主要因素:训练算法的选择、输入数据的预处理方法以及神经网络的参数设计。利用4种飞机模型的重点散射源二维分布测试数据和频率步进法得到目标的一维距离像,对于从不同方位角范围内获得的距离像,用BP神经网络对目标识别的性能进行了仿真测试,结果表明选择弹性传播算法或模拟退火弹性传播算法训练网络时具有更好的分类性能,而且对输入样本进行对数变换也有助于提高识别率。