认知MIMO雷达目标分类波形自适应方法

发布时间：2018-03-28 22:31

  本文选题：认知MIMO雷达　切入点：互信息　出处：《现代雷达》2014年10期

【摘要】：针对认知多输入多输出(MIMO)雷达系统,研究了基于序贯假设检验的扩展目标分类波形自适应方法。采用基于信息论的波形设计方法,通过最大化雷达回波与扩展目标冲激响应之间的互信息获得每一类目标的最优雷达波形,进而根据多类目标的当前概率加权合成最优MIMO雷达信号。在多次雷达观测中,根据贝叶斯准则不断更新每一类目标可能出现的概率,最优波形自适应变化,最终趋于真实目标类别的最优波形。仿真结果表明,相比较于传统的固定波形,采用自适应最优波形的认知MIMO雷达系统进行目标分类的平均观测次数显著降低。
[Abstract]:In this paper, an adaptive method of extended target classification waveform based on sequential hypothesis test is studied for cognitive multi-input and multi-output MIMO-radar systems. The waveform design method based on information theory is adopted. By maximizing the mutual information between the radar echo and the impulse response of the extended target, the optimal radar waveform of each target is obtained, and then the optimal MIMO radar signal is synthesized according to the current probability of the multi-class target. According to Bayesian criterion, the probability of each target is updated constantly, the optimal waveform adaptively changes, and finally tends to the optimal waveform of the real target category. The simulation results show that, compared with the traditional fixed waveform, The average number of observations for target classification in a cognitive MIMO radar system with adaptive optimal waveforms is significantly reduced.
【作者单位】： 国防科学技术大学电子科学与工程学院;
【基金】：国家自然科学基金资助项目(60702015)
【分类号】：TN958

【相似文献】

相关期刊论文 前10条

1 D.Giuli;M.Gherardelli;M.Fossi;王德纯;;用极化判别进行目标分类和识别[J];现代雷达;1987年02期

2 A. Farina;A. Visconti;陈振邦;;利用多重假设测试法对雷达目标分类[J];国外舰船技术.雷达与对抗;1988年Z1期

3 杜思伟;林家骏;苏永明;;基于条件证据更新的机动目标分类[J];华东理工大学学报(自然科学版);2012年04期

4 J.S.陈;E.K.沃尔顿;陈振邦;;两种目标分类技术的比较[J];国外舰船技术.雷达与对抗;1987年04期

5 郭雷,肖怀铁,付强;基于支持矢量机特征空间距离的多目标分类方法[J];计算机仿真;2005年09期

6 张汉华,王伟,姜卫东,陈曾平,庄钊文;基于时间谱信息的低分辨雷达飞机目标分类[J];系统工程与电子技术;2004年04期

7 寇英信;王琳;全勇;;自组织特征映射网络在目标分类识别中的应用[J];火力与指挥控制;2009年01期

8 王强光;伍铁军;;智能监控系统中的运动目标分类方法研究[J];工业控制计算机;2011年01期

9 林幼权;;球载雷达目标分类与识别技术研究[J];现代雷达;2011年07期

10 刘佶鑫;孙权森;曹国;;压缩感知稀疏识别用于多视角图像目标分类[J];应用科学学报;2013年02期

相关会议论文 前7条

1 朱靖;王晓博;王国宏;;一种基于高度信息的目标分类方法[A];全国第二届信号处理与应用学术会议专刊[C];2008年

2 周维;庄连生;俞能海;;小规模和非平衡数据下的目标分类[A];第十四届全国图象图形学学术会议论文集[C];2008年

3 卢家楣;刘伟;贺雯;;课堂教学的情感目标分类与测评[A];第十一届全国心理学学术会议论文摘要集[C];2007年

4 计科峰;高贵;贾承丽;匡纲要;粟毅;;一种利用方位角信息基于峰值匹配的SAR图像目标分类方法[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

5 任皓;计科峰;张爱兵;周石琳;;一种利用方位角信息的SAR目标分类方法[A];第七届全国信息获取与处理学术会议论文集[C];2009年

6 王晓静;原达;李道凯;;应用Krawtchouk矩和SVM的运动目标分类技术[A];第五届全国几何设计与计算学术会议论文集[C];2011年

7 丘昌镇;任皓;邹焕新;周石琳;;基于PCA和2D-PCA特征的SAR图像目标分类性能比较[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

相关博士学位论文 前2条

1 梁鹏;基于内容的目标分类识别关键技术研究[D];华南理工大学;2011年

2 王世f^;面向SAR图像目标分类的关键技术研究[D];国防科学技术大学;2008年

相关硕士学位论文 前10条

1 田彬;视频监控中运动目标分类方法研究[D];山东轻工业学院;2010年

2 包日快;视频中多运动目标分类的研究[D];浙江工业大学;2011年

3 屈璐;基于特征模型相似性的运动目标分类[D];吉林大学;2011年

4 冯柯;交通视频中视点无关目标分类与检索方法研究[D];杭州电子科技大学;2009年

5 刘丽丽;基于形状特征的运动目标分类方法研究[D];湖南大学;2006年

6 陈大海;智能视频监控系统中目标分类技术研究与应用[D];广西大学;2011年

7 李永辉;智能视频监控的运动目标分类技术研究[D];华南理工大学;2014年

8 董刚;视觉监控中的运动目标分类方法[D];吉林大学;2008年

9 杨自豪;基于微多普勒的窄带飞机目标分类方法研究[D];西安电子科技大学;2013年

10 任皓;SAR图像目标分类方法研究[D];国防科学技术大学;2009年

，

本文编号：1678387