|
|||||
|
|
| 基于多模态平稳序列建模的雷达高分辨距离像有限样本目标识别方法 | |
| 引用本文： | 王鹏辉,夏双志,潘勉,张学峰,杜兰,刘宏伟.基于多模态平稳序列建模的雷达高分辨距离像有限样本目标识别方法[J].光学学报,2012,32(5):528004-293. |
| 作者姓名： | 王鹏辉 夏双志 潘勉 张学峰 杜兰 刘宏伟 |
| 作者单位： | 王鹏辉:西安电子科技大学雷达信号处理国家重点实验室, 陕西 西安 710071 夏双志:西安电子科技大学雷达信号处理国家重点实验室, 陕西 西安 710071 潘勉:西安电子科技大学雷达信号处理国家重点实验室, 陕西 西安 710071 张学峰:西安电子科技大学雷达信号处理国家重点实验室, 陕西 西安 710071 杜兰:西安电子科技大学雷达信号处理国家重点实验室, 陕西 西安 710071 刘宏伟:西安电子科技大学雷达信号处理国家重点实验室, 陕西 西安 710071 |
| 基金项目： | 国家自然科学基金(60901067,61001212)、新世纪优秀人才支持计划(NCET-09-0630)、长江学者和创新团队发展计划(IRT0954)、国防预研基金和中央高校基本科研业务费专项资金联合资助课题。 |
| 摘 要： | 为了解决雷达高分辨距离像识别系统对训练样本需求量过大的问题,提出了一种有限样本条件下的目标识别新方法。分析了距离像频谱幅度的统计特性,从其广义平稳性和多模态分布特性出发,定义一种线性混合高斯状态空间模型对其统计建模,利用期望最大化算法进行了模型参数估计。实验结果表明:即使在很少的训练样本条件下,该方法仍能获得较高的正确识别率和良好的拒判性能。 |
| 关 键 词： | 遥感 模式识别 雷达目标识别 线性混合高斯状态空间模型 高分辨距离像 期望最大化 |
| 收稿时间： | 2012/1/11 |
A New Method Based on Multimodal Stationary Sequence Modeling for Radar HRRP Target Recognition under Small Training Set Conditions |
|
| Wang Penghui Xia Shuangzhi Pan Mian Zhang Xuefeng Du Lan Liu Hongwei.A New Method Based on Multimodal Stationary Sequence Modeling for Radar HRRP Target Recognition under Small Training Set Conditions[J].Acta Optica Sinica,2012,32(5):528004-293. | |
| Authors: | Wang Penghui Xia Shuangzhi Pan Mian Zhang Xuefeng Du Lan Liu Hongwei |
| Institution: | Wang Penghui Xia Shuangzhi Pan Mian Zhang Xuefeng Du Lan Liu Hongwei(National Key Laboratory of Radar Signal Processing,Xidian University,Xi′an,Shaanxi 710071,China) |
| Abstract: | A new recognition method is developed to relax the heavy requirement of training sample size in the radar high resolution range profile (HRRP) target recognition. The statistical characteristics of HRRP′s frequency spectrum amplitude (FSA) are analyzed. Then a linear Gaussian mixture state space model (LGMSSM) is proposed to describe the stationarity and multimodality of the FSA. Afterwards, an expectation maximization (EM) algorithm is derived for model parameter estimation. Finally, experimental results based on measured data show that the proposed method can obtain satisfactory recognition accuracy and rejection performance even with a very few training samples. |
| Keywords: | remote sensing pattern recognition radar target recognition linear Gaussian mixture state space model high resolution range profile expectation maximization |
| 本文献已被 CNKI 等数据库收录！ | |