雷达高分辨距离像目标识别方法研究

发布时间：2017-07-18 01:20

  本文关键词：雷达高分辨距离像目标识别方法研究

  更多相关文章： 雷达自动目标识别 高分辨距离像 散射点模型 方位敏感性 平移敏感性 强度敏感性 高阶谱特征 基于参数化模型的统计识别方法 模型选择 初相敏感性 多类目标识别

【摘要】： 高分辨距离像(HRRP)是用宽带雷达信号获取的目标散射点子回波在雷达射线上投影的向量和，它提供了目标散射点沿距离方向的分布情况，是目标重要的结构特征，对目标识别与分类十分有价值，因而成为雷达自动目标识别(RATR)领域研究的热点。本论文主要围绕着“十五”和“十一五”国防预研计划项目“目标识别技术”(项目编号：413070501和51307060601)及国家自然科学基金项目“基于高距离分辨回波序列的雷达目标识别技术”(项目编号：60302009)的研究任务，从高分辨距离像的物理特性分析、特征提取和特征选择以及分类器设计这三个基本层次展开对雷达高分辨距离像目标识别的相关理论与技术问题的研究。 论文内容可概括为如下五部分： ·第一部分，从目标的散射点模型出发，对高分辨距离像的物理特性进行了深入的研究，指出方位敏感性、平移敏感性和强度敏感性是雷达HRRP目标识别需要首先解决的三大问题。并针对最常用的模板匹配法，提出雷达高分辨距离像目标识别的基本思路，为后续的研究奠定基础。 ·第二部分，研究雷达HRRP目标识别的特征提取和特征选择方法，工作有以下三点。(1)针对高分辨距离像的平移敏感性问题，研究基于高阶谱特征的雷达高分辨距离像目标识别。类似于近年来在目标识别领域中常用的在低维空间实现高维映射空间欧氏距离计算的核方法，本论文通过分析高阶谱域欧氏距离和原始像域欧氏距离的关系，得出在原始像域计算高阶谱域欧氏距离的方法，使高阶谱特征在目标识别中的应用具有现实意义。(2)基于散射点模型理论，提出了一种利用距离像幅度起伏特性的特征提取新方法。新方法提取的加权距离像特征有效地融合了帧距离像的散射点强度分布像和方差像，反映了各个距离单元内目标散射点的分布情况，可以更好地描述目标散射特性。(3)基于Fisher可分性判据，提出了一种加权特征选择方法。该方法根据雷达HRRP目标识别的具体特点，对HRRP的平移不变特征——功率谱特征采用基于Fisher判决率的迭代算法搜索最优权向量。与直接使用原始特征及现有的特征选择方法相比，本论文提出的特征选择方法既可以降维，又提高了识别性能，而且运算简单。 ·第三部分，详细讨论雷达HRRP的统计建模问题，主要工作涉及以下三个大的方面。一、讨论在统计识别中解决HRRP样本方位、平移和强度敏感性的方法，为HRRP的统计建模工作奠定基础。二、在HRRP样本各距离单元回波相互独立的假设前提下，提出了一种基于Gamma和Gaussian Mixture两种分布形式的独立双分布复合模型。三、进一步的研究表明HRRP样本各距离单元回波相互独立的假设并不完全成立，因此，我们又研究了更精确的基于HRRP样本各距离单元回波相关统计特性的统计识别方法，具体工作包括以下两点。(1)考虑到用于识别的HRRP样本在2-范数强度归一化后都位于单位超球面上，针对于幂次变换后趋于Joint-Gaussian分布的HRRP数据，提出了一种改进的基于子空间近似的统计识别方法。(2)研究发现HRRP样本各距离单元回波的联合分布近似因子分析(FA)模型描述的Joint-Gaussian分布，这表明在雷达HRRP统计识别中并不需要使用复杂的Joint-Gaussian Mixture模型(如FA Mixture模型)，这大大降低了统计识别的难度。进而，针对基于FA模型的雷达HRRP统计识别，提出了一种自适应模型选择算法。该算法可以同时解决因子个数选择和方位帧划分这两个模型选择问题。 ·第四部分，研究基于复数HRRP样本的雷达目标识别方法。在分析复数HRRP样本特性的基础上，指出由于初相敏感性问题，原先适用于实数HRRP样本的方位模板、识别方法和特征提取方法一般都不能直接用于基于复数HRRP的RATR，我们必须重新寻找既与复数HRRP样本的初相无关又能利用其剩余相位信息的方法。进而，在识别方法方面，，分析指出基于主分量分析(PCA)子空间的最小重构误差法既可以回避复数HRRP样本的初相敏感性问题又可以利用复数HRRP样本的其余相位信息，因而，该识别方法适用于基于复数HRRP的RATR，并提出了该方法相应的平移匹配快速算法；此外，在特征提取方法方面，提出了一种用于复数HRRP样本的初相无关特征提取方法，对实数HRRP样本适用的识别方法、方位模板和预处理方法同样适用于该复特征向量。因此，本论文的研究使基于复数HRRP的RATR成为可能。而且，基于实测数据的识别实验表明，使用复数HRRP样本可以取得比实数HRRP样本更好的识别性能。 ·第五部分，研究如何用少量的简单分类器解决多类目标识别问题。由于HRRP样本的方位敏感性，雷达HRRP目标识别是典型的多类目标识别问题。本论文提出了一种基于超立方体和超网格自组织映射(SOM)编码的多类目标识别方法。该方法的优势体现在：一方面将基于二分类的多类目标识别方法扩展为基于k分类的K(kK)类目标识别方法；另一方面只需要少量的二分类或k分类分类器，因此，大大减小了多类目标识别对运算量和存储量的需求。4
【关键词】：雷达自动目标识别 高分辨距离像 散射点模型 方位敏感性 平移敏感性 强度敏感性 高阶谱特征 基于参数化模型的统计识别方法 模型选择 初相敏感性 多类目标识别
【学位授予单位】：西安电子科技大学
【学位级别】：博士
【学位授予年份】：2007
【分类号】：TN957.5
【目录】：

• 摘要5-7
• ABSTRACT7-14
• 第一章 绪论14-36
• §1.1 雷达自动目标识别的基本概念和研究意义14-18
• 1.1.1 自动目标识别的基本概念和原理14-16
• 1.1.2 雷达自动目标识别的基本概念和分类16-18
• 1.1.3 雷达自动目标识别的研究意义18
• §1.2 雷达自动目标识别的历史与现状18-22
• 1.2.1 雷达自动目标识别的发展历史18-19
• 1.2.2 雷达自动目标识别的研究背景19-21
• 1.2.3 雷达自动目标识别的国内外研究现状21-22
• §1.3 雷达高分辨距离像目标识别研究的关键问题22-27
• 1.3.1 HRRP的方位敏感性问题22-23
• 1.3.2 HRRP的平移敏感性问题23-24
• 1.3.3 HRRP的特征提取和特征选择问题24-25
• 1.3.4 HRRP的统计建模问题25-26
• 1.3.5 复数HRRP的初相敏感性问题26
• 1.3.6 多类目标识别问题26-27
• §1.4 论文的内容和安排27-32
• 1.4.1 数据介绍27-29
• 1.4.2 内容安排29-32
• 本章参考文献32-36
• 第二章 雷达高分辨距离像目标识别的基本原理36-60
• §2.1 雷达HRRP回波特性分析36-48
• 2.1.1 方位敏感性37-43
• 2.1.2 平移敏感性43-47
• 2.1.3 强度敏感性47-48
• §2.2 提高距离像的方位稳定性——散射点强度分布像48-51
• 2.2.1 散射点强度分布像的方位稳定性及特性分析48-50
• 2.2.2 散射点强度分布像与平均向量的比较50-51
• §2.3 模板匹配法51-54
• §2.4 利用目标方位信息改善识别性能54-58
• 2.4.1 方位约束对可分性的影响54-58
• 2.4.2 方位约束对识别性能的影响58
• §2.5 本章小结58
• 本章参考文献58-60
• 第三章 基于高阶谱特征的雷达高分辨距离像目标识别方法60-74
• §3.1 高阶谱特征空间与原始像域的关系60-63
• 3.1.1 高阶谱的定义及性质60-61
• 3.1.2 高阶谱特征空间欧氏距离61-63
• §3.2 特征模型选择问题63-65
• §3.3 高分辨距离像的高阶谱特征评价65-72
• 3.3.1 高分辨距离像高阶谱特征的可分性评价65-68
• 3.3.2 高分辨距离像高阶谱特征的识别性能68-72
• §3.4 本章小结72-73
• 本章参考文献73-74
• 第四章 高分辨距离像的特征提取和特征选择74-86
• §4.1 一种利用目标高分辨距离像幅度起伏特性的特征提取方法74-80
• 4.1.1 基于散射点模型的雷达HRRP特性分析及特征提取74-76
• 4.1.2 基于加权距离像特征的雷达自动目标识别76-78
• 4.1.3 实验结果78-79
• 4.1.4 结论79-80
• §4.2 一种用于雷达HRRP功率谱特征的加权特征选择方法80-85
• 4.2.1 现有的基于Fisher可分性判据的特征选择方法80-81
• 4.2.2 一种基于Fisher判决率的加权特征选择方法81-83
• 4.2.3 实验结果83-84
• 4.2.4 结论84-85
• §4.3 本章小结85
• 本章参考文献85-86
• 第五章 高分辨距离像的统计建模86-140
• §5.1 统计识别中高分辨距离像的方位、平移和强度敏感性问题87-88
• §5.2 "GAMMA-GAUSSIAN MIXTURE"独立双分布复合模型88-103
• 5.2.1 高分辨距离像的独立统计建模89-92
• 5.2.2 参数估计92-97
• 5.2.3 基于"Gamma-Gaussian Mixture"独立双分布复合模型的雷达HRRP统计识别的基本步骤97-99
• 5.2.4 实验结果99-102
• 5.2.5 结论102-103
• §5.3 高分辨距离像样本的统计相关特性103-104
• §5.4 基于超球面模型的雷达HRRP统计识别方法104-116
• 5.4.1 幂次变换和Box-Cox变换104-105
• 5.4.2 传统的基于主分量分析(PCA)的子空间近似模型105-107
• 5.4.3 新的基于超球面模型的统计识别方法107-114
• 5.4.4 三种统计识别方法用于基于幂次变换HRRP样本的统计识别的基本步骤114-115
• 5.4.5 实验结果115-116
• 5.4.6 结论116
• §5.5 雷达HRRP样本各距离单元回波的联合统计建模116-137
• 5.5.1 Joint-Gaussian模型116-121
• 5.5.2 三种Joint-Gaussian模型用于雷达HRRP统计识别的基本步骤121-122
• 5.5.3 三种Joint-Gaussian模型的实验分析122-130
• 5.5.4 雷达HRRP统计识别中FA模型的模型选择问题130-136
• 5.5.5 结论136-137
• §5.6 本章小结137
• 本章参考文献137-140
• 第六章 基于复数HRRP的雷达自动目标识别140-158
• §6.1 复数HRRP样本的特性分析140-142
• §6.2 基于PCA子空间的最小重构误差法142-149
• 6.2.1 复数HRRP样本的PCA子空间143-146
• 6.2.2 最小重构误差法146-148
• 6.2.3 实验结果148-149
• 6.2.4 结论149
• §6.3 一种用于复数HRRP样本的初相无关特征提取方法149-156
• 6.3.1 方法的提出149-153
• 6.3.2 应用中的两个问题153-155
• 6.3.3 实验结果155-156
• 6.3.4 结论156
• §6.4 本章小结156-157
• 本章参考文献157-158
• 第七章 基于超立方体和超网格自组织映射编码的多类目标识别方法158-182
• §7.1 基于超立方体和超网格结构的SOM方法简介159-161
• 7.1.1 自组织映射(SOM)方法159-160
• 7.1.2 超立方体和超网格结构的目标空间160-161
• §7.2 理想情况下基于超立方体和超网格SOM编码的多类目标识别方法161-167
• 7.2.1 理想情况下基于超立方体SOM编码的多类目标识别的训练方法162-163
• 7.2.2 理想情况下基于超网格SOM编码的多类目标识别的训练方法163-166
• 7.2.3 测试方法166-167
• §7.3 实际情况下基于超立方体和超网格SOM编码的多类目标识别方法167-175
• 7.3.1 实际中的一些问题167-168
• 7.3.2 调整SOM算法168-169
• 7.3.3 基于SOM编码的识别实验举例169-175
• §7.4 基于超立方体SOM编码的多类目标识别方法的具体步骤175-177
• 7.4.1 训练阶段175-176
• 7.4.2 测试阶段176-177
• §7.5 基于实测HRRP数据的实验结果177-179
• §7.6 本章小结179
• 本章参考文献179-182
• 第八章 结束语182-186
• §8.1 全文内容总结182-183
• §8.2 工作展望183-186
• 致谢186-188
• 作者在读期间的研究成果188-191

【引证文献】

中国期刊全文数据库 前10条

1 刘劲;戴奉周;刘宏伟;;基于过采样抽取子带处理的宽带雷达杂波抑制[J];电波科学学报;2011年01期

2 杨磊;王晓丹;张玉玺;;一种基于多特征提取的雷达目标识别方法研究[J];电光与控制;2011年12期

3 金宝龙;李辉;赵乃杰;何海峰;;一种新的小波阈值去噪算法[J];弹箭与制导学报;2011年01期

4 夏宇垠;冯大政;李涛;;一种基于Hough变换的宽带雷达目标检测器[J];电子与信息学报;2010年11期

5 冯博;杜兰;张学峰;刘宏伟;;基于字典学习的雷达高分辨距离像目标识别[J];电波科学学报;2012年05期

6 徐先峰;刘来君;彭聪;;雷达高分辨距离像子带融合识别算法[J];电子设计工程;2013年18期

7 夏宇垠;冯大政;李涛;;一种距离扩展目标的检测方法[J];哈尔滨工业大学学报;2010年07期

8 刘敬;赵峰;刘逸;;基于散度比例准则的高分辨距离像特征提取[J];计算机应用;2012年04期

9 李辉;金宝龙;翟海天;;高分辨雷达信号的平移不变KPCA特征提取算法[J];计算机仿真;2012年01期

10 朱莉;李兴国;娄国伟;;基于灰关联分析的双通道雷达目标距离像研究[J];科技导报;2008年24期

中国博士学位论文全文数据库 前10条

1 许述文;窄带、宽带雷达机动目标检测技术研究[D];西安电子科技大学;2011年

2 李涛;宽带雷达检测的若干问题研究[D];西安电子科技大学;2011年

3 夏宇垠;宽带雷达目标时域检测算法研究[D];西安电子科技大学;2011年

4 邓斌;多载频相位编码雷达信号设计与处理技术研究[D];国防科学技术大学;2011年

5 祝依龙;特征辅助的目标机动检测技术[D];国防科学技术大学;2011年

6 陈渤;基于核方法的雷达高分辨距离像目标识别技术研究[D];西安电子科技大学;2008年

7 侯庆禹;基于高分辨距离像的雷达自动目标识别方法研究[D];西安电子科技大学;2009年

8 戴奉周;宽带雷达信号处理[D];西安电子科技大学;2010年

9 柴晶;雷达高分辨距离像目标识别的拒判算法和特征提取技术研究[D];西安电子科技大学;2010年

10 郭雷;宽带雷达目标极化特征提取与核方法识别研究[D];国防科学技术大学;2009年

中国硕士学位论文全文数据库 前10条

1 周辉;基于神经网络的高分辨雷达目标检测研究[D];长沙理工大学;2010年

2 张奔;基于高分辨距离像的目标识别算法和演示系统设计研究[D];西安电子科技大学;2011年

3 苏四华;基于一维距离像的目标识别研究[D];电子科技大学;2011年

4 赵文;基于FPGA的雷达目标一维距离像识别实现研究[D];电子科技大学;2011年

5 邱伟;宽带雷达目标极化特征提取与识别研究[D];国防科学技术大学;2010年

6 杨镭;支持向量机算法设计及在高分辨雷达目标识别中的应用[D];国防科学技术大学;2010年

7 彭勃;中段目标一维距离像姿态敏感性分析与识别技术研究[D];国防科学技术大学;2010年

8 谢松阳;基于ADSP-TS101的雷达目标识别系统设计[D];西安电子科技大学;2010年

9 马育才;雷达自动目标识别系统分析与实现[D];西安电子科技大学;2010年

10 苏振江;基于高分辨一维距离像的雷达目标识别研究[D];电子科技大学;2010年

本文编号：555431