基于机器学习的雷达信号分选和目标识别
发布时间：2021-10-24 11:36
随着机器学习和雷达技术的进步,机器学习在雷达领域的应用越来越广,也越来越深入。雷达扫描、信号采集处理、一维距离像、雷达SAR、ISAR图像识别、雷达跟踪和制导等等步骤都融入了机器学习技术。机器学习在雷达信号分选技术上的应用包括信号分离、确定脉冲参数、形成单部雷达脉冲序列,然后针对雷达目标识别进行分类并划分威胁程度等。在一维距离像识别过程中包括去噪和雷达目标型号识别。在雷达工作模式中也可用当前火热的深度学习方法进行识别,以作相应的防御和干扰措施。本文重点研究了机器学习中的聚类技术以及目标识别技术,以满足我国的电子对抗等领域的需求。针对雷达信号分选中脉冲序列呈非线性问题和异常点干扰问题本文提出了一种新的基于非线性流形聚类算法。该算法基于非线性流形的拓扑结构,将信号从时域转换到频域,根据数据间的几何信息进行聚类。首先由局部密度和交叉点距离这两个特征属性判断出为交叉点的样本点集;然后利用样本点和交叉点构成的样本向量进行向量间余弦角度信息计算,从而利用余弦值对交叉点附近的样本点进行线性聚类;对远离交叉点样本点采用最小距离法进行聚类并与交叉点附近的点按类别进行合并,最终完成雷达信号的分选。针对一维...
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
具有交叠点的非线性流形数据
西安电子科技大学硕士学位论文22图3.4 原始雷达混叠信号（左）、分选后的雷达信号（右）图 3.4 左边图为实验所仿真的雷达数据，由图可以看出雷达混叠信号在它的三维属性上都是交叉分布的，用肉眼很难辨别样本的分选情况。本次实验首先将雷达信号转换到频域上，发现雷达样本的频率变化有的是固定值，有的按照不同的频率进行正弦或余弦变化。本次实验用了 4 种流形算法和提出的新算法进行比较，并做了十次实验来选取他们的平均值作为本次实验的精确率。GPCA 通过齐次坐标将仿射子空间转换成线性子空间来解决非线性问题，虽然处理时间快但在实验中这个处理策略的效果并不好；K-flats 主要是基于线性模型的一种迭代算法，容易依赖于初始子空间的基向量和法向量，优点是最少能得到一个局部最优解然而这也是令准确率降低的原因；LSA 是根据样本点之间的局部结构相似性进行聚类的，存在的问题是样本点周围的 k 个点所构成的局部子空间不能保证是整个子空间这样容易将一类数据分成两类
精确率 0.50 0.74 0.52 0.67 0.91运行时间 0.05s 0.03s 9.12s 3.89s 2.60s图3.5 加噪雷达混叠信号（左）、分选后的雷达信号（右）图 3.5 左边是仿真的有干扰点的混叠雷达信号，右边是本文算法分类结果。五种算法聚类准确率如表 3.2 所示。比较表 3.1 和表 3.2 发现 GPCA 对离群点和噪声点敏感程度不高，但因其是线性子空间拟合，所以针对非线性数据聚类效果特别差；K-flats的优化目标公式项是向量的 2 范数，容易受噪声点和离异点影响，导致算法性能降低；LSA 不受离群点的影响，但因为自身的一些缺点导致算法性能降低；K-manifolds 是用所有数据点对类别概率进行迭代估计，因此，噪声点也会被分类到某一雷达信号分量中导致分类精度降低，K-manifolds 最高精确率可达 91%，但算法极其不稳定；本文算法是基于最近距离法
【参考文献】：
期刊论文
[1]基于多目标跟踪的相控阵雷达波束和驻留时间联合分配方法[J]. 王祥丽,易伟,孔令讲. 雷达学报. 2017(06)
[2]近距离水声模拟测量舰船目标雷达一维距离像[J]. 张明敏,卢建斌,程广利. 哈尔滨工程大学学报. 2016(06)
[3]基于数据场与云模型的多模雷达信号分选算法[J]. 国强,宋文明,南普龙,万建. 哈尔滨工业大学学报. 2015(11)
[4]复杂电磁环境下战术电子侦察机作战研究[J]. 吴志强,王岩,才迎光. 电子信息对抗技术. 2013(04)
[5]机载电子战设备的发展趋势[J]. 胡威,陶东香. 科技信息. 2012(29)
[6]基于SA-BFSN算法的多模地面雷达信号预分选方法[J]. 靳升,孙永维,陈昊. 现代电子技术. 2012(13)
[7]机载雷达工作模式识别[J]. 贾朝文,周水楼. 电子信息对抗技术. 2011(01)
[8]雷达信号的盲分离[J]. 肖文书,张兴敢,都思丹. 南京大学学报(自然科学版). 2006(01)
[9]雷达高分辨距离像目标识别研究进展[J]. 刘宏伟,杜兰,袁莉,保铮. 电子与信息学报. 2005(08)
[10]用于一维图像识别的支撑矢量机方法[J]. 张莉,周伟达,焦李成. 红外与毫米波学报. 2002(02)
博士论文
[1]基于高分辨距离像的雷达自动目标识别技术研究[D]. 吴杰.南京航空航天大学 2012
[2]雷达辐射源识别技术研究[D]. 张国柱.国防科学技术大学 2005
硕士论文
[1]相控阵雷达多目标跟踪模式波束资源管理与优化研究[D]. 牛俊翔.西安电子科技大学 2015
[2]基于Kronecker积的压缩感知雷达成像方法研究[D]. 左功玉.西安电子科技大学 2015
[3]基于压缩感知的雷达一维距离像目标识别[D]. 谭敏洁.电子科技大学 2015
[4]基于运动捕捉系统的四旋翼飞行器导航控制技术研究[D]. 赵继.南京航空航天大学 2015
[5]辐射源指纹识别与细微特征提取方法研究[D]. 任黎丽.哈尔滨工程大学 2012
[6]基于时变特征和核方法的雷达目标距离像识别研究[D]. 姚宏达.电子科技大学 2007
本文编号：3455214
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
具有交叠点的非线性流形数据
西安电子科技大学硕士学位论文22图3.4 原始雷达混叠信号（左）、分选后的雷达信号（右）图 3.4 左边图为实验所仿真的雷达数据，由图可以看出雷达混叠信号在它的三维属性上都是交叉分布的，用肉眼很难辨别样本的分选情况。本次实验首先将雷达信号转换到频域上，发现雷达样本的频率变化有的是固定值，有的按照不同的频率进行正弦或余弦变化。本次实验用了 4 种流形算法和提出的新算法进行比较，并做了十次实验来选取他们的平均值作为本次实验的精确率。GPCA 通过齐次坐标将仿射子空间转换成线性子空间来解决非线性问题，虽然处理时间快但在实验中这个处理策略的效果并不好；K-flats 主要是基于线性模型的一种迭代算法，容易依赖于初始子空间的基向量和法向量，优点是最少能得到一个局部最优解然而这也是令准确率降低的原因；LSA 是根据样本点之间的局部结构相似性进行聚类的，存在的问题是样本点周围的 k 个点所构成的局部子空间不能保证是整个子空间这样容易将一类数据分成两类
精确率 0.50 0.74 0.52 0.67 0.91运行时间 0.05s 0.03s 9.12s 3.89s 2.60s图3.5 加噪雷达混叠信号（左）、分选后的雷达信号（右）图 3.5 左边是仿真的有干扰点的混叠雷达信号，右边是本文算法分类结果。五种算法聚类准确率如表 3.2 所示。比较表 3.1 和表 3.2 发现 GPCA 对离群点和噪声点敏感程度不高，但因其是线性子空间拟合，所以针对非线性数据聚类效果特别差；K-flats的优化目标公式项是向量的 2 范数，容易受噪声点和离异点影响，导致算法性能降低；LSA 不受离群点的影响，但因为自身的一些缺点导致算法性能降低；K-manifolds 是用所有数据点对类别概率进行迭代估计，因此，噪声点也会被分类到某一雷达信号分量中导致分类精度降低，K-manifolds 最高精确率可达 91%，但算法极其不稳定；本文算法是基于最近距离法
【参考文献】：
期刊论文
[1]基于多目标跟踪的相控阵雷达波束和驻留时间联合分配方法[J]. 王祥丽,易伟,孔令讲. 雷达学报. 2017(06)
[2]近距离水声模拟测量舰船目标雷达一维距离像[J]. 张明敏,卢建斌,程广利. 哈尔滨工程大学学报. 2016(06)
[3]基于数据场与云模型的多模雷达信号分选算法[J]. 国强,宋文明,南普龙,万建. 哈尔滨工业大学学报. 2015(11)
[4]复杂电磁环境下战术电子侦察机作战研究[J]. 吴志强,王岩,才迎光. 电子信息对抗技术. 2013(04)
[5]机载电子战设备的发展趋势[J]. 胡威,陶东香. 科技信息. 2012(29)
[6]基于SA-BFSN算法的多模地面雷达信号预分选方法[J]. 靳升,孙永维,陈昊. 现代电子技术. 2012(13)
[7]机载雷达工作模式识别[J]. 贾朝文,周水楼. 电子信息对抗技术. 2011(01)
[8]雷达信号的盲分离[J]. 肖文书,张兴敢,都思丹. 南京大学学报(自然科学版). 2006(01)
[9]雷达高分辨距离像目标识别研究进展[J]. 刘宏伟,杜兰,袁莉,保铮. 电子与信息学报. 2005(08)
[10]用于一维图像识别的支撑矢量机方法[J]. 张莉,周伟达,焦李成. 红外与毫米波学报. 2002(02)
博士论文
[1]基于高分辨距离像的雷达自动目标识别技术研究[D]. 吴杰.南京航空航天大学 2012
[2]雷达辐射源识别技术研究[D]. 张国柱.国防科学技术大学 2005
硕士论文
[1]相控阵雷达多目标跟踪模式波束资源管理与优化研究[D]. 牛俊翔.西安电子科技大学 2015
[2]基于Kronecker积的压缩感知雷达成像方法研究[D]. 左功玉.西安电子科技大学 2015
[3]基于压缩感知的雷达一维距离像目标识别[D]. 谭敏洁.电子科技大学 2015
[4]基于运动捕捉系统的四旋翼飞行器导航控制技术研究[D]. 赵继.南京航空航天大学 2015
[5]辐射源指纹识别与细微特征提取方法研究[D]. 任黎丽.哈尔滨工程大学 2012
[6]基于时变特征和核方法的雷达目标距离像识别研究[D]. 姚宏达.电子科技大学 2007
本文编号：3455214
本文链接：https://www.wllwen.com/kejilunwen/wltx/3455214.html
