基于一維距離像的雷達目標識別.pdf

1、雷達目標識別是現代雷達技術的一個十分重要的發(fā)展方向；高分辯雷達技術的日趨成熟為雷達目標識別走向實用成為可能。本文主要基于一維距離像研究了模式識別新技術在雷達目標識別中的應用，具體內容如下： 第一章綜述了雷達目標識別的基本概念和各種識別方法的優(yōu)缺點，對本文所作的主要工作進行了概述。 第二章介紹了-維距離像的基本概念和獲得一維距離像的方法；深入分析了—維距離像的基本特性，主要是討論了方位角的變化對距離像的影響，如何進行距離對

2、準；討論了不變模式變換的問題，最后介紹了K—L變換以減少計算量的降維方式。 第三章對樣本進行了統(tǒng)計分析及討論了如何選取訓練樣本與測試樣本。從眾多的參考文獻來看幾乎所有參考文獻都對此沒做過具體分析。本章就樣本的統(tǒng)計特性作了詳細的分析，對訓練樣本和測試樣本的選擇也作了詳細的討論。確保了測試樣本和訓練樣本具有同等的統(tǒng)計特性。保證了后面章節(jié)中分類器識別率的可信度。 第四章利用模糊極小極大神經網絡對雷達目標識別。 在本章我

3、們采用模糊極小極大神經網絡來對雷達目標-維像進行識別。我們用模糊極小極大神經網絡中的超方匣的并來近似以目標特征軌跡線。通過對三類飛機的—維距離像用模糊極小極大神經網絡來進行試驗，取得了較高的識別率。 第五章首次提出了基于開放集情況下雷達目標識別問題。相對于封閉集目標識別來說，開放集目標識別更具現實意義，當然其難度也更大。 本章考慮了兩種情況下開放集的雷達目標識別。一種是進行識別時事先知道n個樣本屬于同一類目標(可能是未知

4、類別目標也可能是已知類別目標)這一先驗條件。另-種是識別時事先并不知道n個樣本是否屬于同-類目標。在兩種情況下我們考慮了目標的拒絕識別問題，同時也考慮了對拒絕識別的樣本的利用問題，即從被拒絕的樣本中判別是否有一類新目標，當有新目標時利用新目標對分類器重新訓練使其成為一類已知類別的目標。我們可以利用重新訓練好的分類器再來識別目標和發(fā)現新目標。 第六章利用支持向量機對雷達目標進行識別，并提出了基于樣本的支持向量機的核的改進方法。指出

5、支持向量機在雷達目標識別中應用時存在的問題。 本章比較了三種常用核函數在雷達—維距離像識別時的差異。因為常用核函數沒有考慮到樣本數據的利用，本文通過利用已知數據來改進核函數，其結果顯示改進后的核函數能使訓練時間大幅減少，同時也能減少支持向量的個數，并具有較高的識別率。較好的解決了支持向量機在識別大樣本高維數情況下訓練時間過長識別率較低的問題。 第七章討論了模式識別時分類器組合中的兩個問題，其一是分類器組合時用于組合的分類