基于混合概率主成分分析的HRRP特征提取

发布时间：2018-10-11 09:38

【摘要】：针对主成分分析(principal component analysis,PCA)等数据压缩方法用于雷达高分辨距离像(high resolution range profile,HRRP)的特征提取,只能反映固定方位帧内HRRP线性结构,而无法准确描述目标,导致识别性能下降的问题,提出了一种基于混合概率PCA的HRRP特征提取方法。该方法利用期望最大值(Expectation maximization,EM)算法求解HRRP的一、二阶统计参数,能够真实反映数据分布,以分布趋同的原则实现不同方位帧的聚类,减少模板数量。最后通过自适应高斯分类器和Kullback-Leibler距离分类器识别获取的统计特征,可进一步改善识别性能。仿真实验验证了该方法能够在降低数据维数的同时,实现HRRP统计特征的提取,能一定程度上削弱方位敏感性的影响。
[Abstract]:For the feature extraction of radar high resolution range profile (high resolution range profile,HRRP) using principal component analysis (principal component analysis,PCA) and other data compression methods, it can only reflect the linear structure of HRRP in the fixed azimuth frame, but it can not accurately describe the target, which leads to the problem of poor recognition performance. A HRRP feature extraction method based on mixed probability PCA is proposed. In this method, the expected maximum (Expectation maximization,EM) algorithm is used to solve the first and second order statistical parameters of HRRP, which can truly reflect the distribution of data, realize the clustering of different azimuth frames by the principle of convergence of distribution, and reduce the number of templates. Finally, the recognition performance can be further improved by adaptive Gao Si classifier and Kullback-Leibler distance classifier. The simulation results show that this method can reduce the dimension of data and achieve the extraction of HRRP statistical features, which can weaken the influence of azimuth sensitivity to some extent.
【作者单位】： 西北工业大学电子信息学院;
【基金】：国家自然科学基金(61571364) 西北工业大学研究生创新创意种子基金(Z2016022)资助课题
【分类号】：TN957.52

【相似文献】

相关期刊论文 前10条

1 王菲;白洁;;一种基于非线性特征提取的被动声纳目标识别方法研究[J];软件导刊;2010年05期

2 刘守生,丁勇,胡寿松;一种特征提取新方法[J];信号处理;1999年S1期

3 屈微,刘贺平;拓扑独立分量分析在方言特征提取中的应用研究[J];电声技术;2005年05期

4 李晋徽;杨俊安;王一;;一种新的基于瓶颈深度信念网络的特征提取方法及其在语种识别中的应用[J];计算机科学;2014年03期

5 柳革命;孙超;陈建莉;;基于局域判别基空间能量的特征提取[J];空军工程大学学报(自然科学版);2008年01期

6 菅云峰,胡勇,李介谷,孙再龙;基于相位叠合的不变特征提取[J];红外与激光工程;2000年01期

7 向阳,史习智;冲击回波信号的波形结构特征提取及分类研究[J];振动工程学报;2000年03期

8 楼天良;蒋惠忠;;一种适于高维时间序列的特征提取方法(英文)[J];浙江科技学院学报;2007年02期

9 杨日杰,李钢虎,赵俊渭,姚蓝;一种辐射噪声的特征提取新方法[J];西北工业大学学报;2000年02期

10 潘继飞;姜秋喜;;一种脉间滑变雷达信号特征提取新方法[J];电子信息对抗技术;2011年01期

相关会议论文 前3条

1 刘直芳;张继平;游志胜;;有限制的MFA-ICA的算法及其在特征提取中的应用[A];信号与信息处理技术第三届信号与信息处理全国联合学术会议论文集[C];2004年

2 李丽君;黄思娟;吴效明;熊冬生;;基于ECOG的运动想象特征提取和分类[A];中国生物医学工程学会成立30周年纪念大会暨2010中国生物医学工程学会学术大会壁报展示论文[C];2010年

3 刁彦华;;基于小波变换模极大值的分析方法及其应用综述[A];全面建设小康社会：中国科技工作者的历史责任——中国科协2003年学术年会论文集（上）[C];2003年

相关博士学位论文 前5条

1 段佳;SAR/ISAR目标电磁特征提取及应用研究[D];西安电子科技大学;2015年

2 冯博;雷达高分辨距离像特征提取与识别方法研究[D];西安电子科技大学;2015年

3 陈斌;连续语音识别特征提取与声学模型训练区分性技术研究[D];解放军信息工程大学;2015年

4 王玉静;滚动轴承振动信号特征提取与状态评估方法研究[D];哈尔滨工业大学;2015年

5 秦建华;经络电阻抗特性的特征提取及模式分类方法研究[D];北京邮电大学;2013年

相关硕士学位论文 前10条

1 江海;心音信号特征提取及分类研究[D];昆明理工大学;2015年

2 梁致汉;基于EEG的脑机接口技术研究与实现[D];天津理工大学;2015年

3 刘雪勇;次声信号特征提取与分类识别研究[D];中国地质大学(北京);2015年

4 赵利民;基于运动想象的脑电信号特征提取与分类方法研究[D];太原理工大学;2016年

5 谢清新;基于小波分解和Teager能量算子的P300特征提取及分类算法研究[D];广东工业大学;2016年

6 唐增;基于运动想象的脑—机接口特征提取和分类算法研究[D];广东工业大学;2016年

7 张文启;基于特征提取的通信信号识别研究[D];兰州理工大学;2016年

8 潘悦;无线网络中基于压缩感知的环境特征提取方法[D];内蒙古大学;2016年

9 冯秀丽;基于非线性特征提取的心电节拍分类算法研究[D];天津工业大学;2016年

10 尹咪咪;心电信号分析处理及心肌梗塞疾病模型的建立[D];郑州大学;2016年

，

本文编号：2263726