基于决策树的雷达RCS目标识别系统设计与实现

发布时间：2021-01-06 04:28

　　伴随着雷达、计算机、数据处理等科学技术的飞速发展,尤其是大型宽带相控阵雷达投入航天测控应用,为雷达目标识别提供了丰富的测量信息和研究的基础条件,新的目标识别模型和计算机处理能力的提高为快速识别提供了技术支撑。在航天测控活动中,获取了大量的雷达空间目标跟踪数据,为基于RCS序列动态特性的目标特征提取方法和基于决策树算法的目标识别方法提供了有力的数据支持。本文结合多目标环境下雷达目标识别系统的设计与实现,在深入研究雷达数据特点的基础上,结合RCS序列动态特性的目标特征提取方法和决策树算法构建了一个适用于多目标环境的雷达目标识别系统,其将目标识别作为主要目的,并根据项目需求,对系统功能模块进行划分,集成了目标运动特征提取、RCS特征提取、决策树构建、决策树训练、实时目标识别等功能模块,完成了实际部署和应用,在实际应用中获取了良好效果。在系统研发过程中,重点解决了以下关键技术:1、雷达目标运动特征提取。结合雷达数据实时处理方法,通过改进雷达数据电波折射修正方法和卡尔曼滤波算法,提高数据处理精度,使雷达目标运动特征提取更加准确,提高了目标初识别的准确率。2、雷达RCS特征提取。深入研究RCS特征... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：81 页

【学位级别】：硕士

【部分图文】：

卡尔曼滤波器工作原理图

多目标RCS时间序列图

非二叉决策树训练生成过程实例分类和回归树（classificationandregressiontree,CART）是一种通用树生成算法，可以实例化各种决策树

【参考文献】：
期刊论文
[1]基于深度神经网络模型的雷达目标识别[J]. 詹武平,郑永煌,王金霞.  现代雷达. 2018(01)
[2]弹道导弹再入段动态RCS特性分析[J]. 盛川,张永顺,张小宽.  火力与指挥控制. 2017(06)
[3]C5.0算法的改进及应用[J]. 罗丽娟,段隆振,段文影,刘萍.  南昌大学学报(工科版). 2017(01)
[4]软件工程技术发展趋势研究[J]. 战锴.  电子技术与软件工程. 2013(14)
[5]全国大气折射率剖面预测方法[J]. 张瑜,张洁寒.  电光与控制. 2011(07)
[6]雷达目标识别技术研究进展及发展趋势分析[J]. 李明.  现代雷达. 2010(10)
[7]基于RCS的空间目标识别技术[J]. 金胜,高梅国,王洋.  现代雷达. 2010(06)
[8]高分辨雷达目标识别系统技术研究[J]. 马林.  电子学报. 2009(12)
[9]雷达目标识别及发展趋势预测[J]. 倪迎红,陈玲.  电讯技术. 2009(11)
[10]美国导弹防御系统地基雷达目标测量与识别[J]. 黄莉茹.  红外与激光工程. 2006(S1)

博士论文
[1]空间雷达目标特征提取与识别方法研究[D]. 马君国.国防科学技术大学 2006

硕士论文
[1]基于点迹数据分类的雷达目标数据关联方法研究[D]. 刘硕.哈尔滨工业大学 2018
[2]四川化工职业技术学院科研管理系统的设计与实现[D]. 罗琼.电子科技大学 2018
[3]数据挖掘技术在移动商务客户价值识别中的应用研究[D]. 陈春茶.云南大学 2012



本文编号：2959929