复杂环境下激光雷达信号的模式识别研究

发布时间：2021-01-22 20:03

　　为了解决当前激光雷达信号出现错误识别结果概率高的难题,设计了一种复杂环境下激光雷达信号的模式识别技术。首先将激光雷达信号识别看作为是模式识别中的一个多分类问题,然后从信号提取分类特征,最后引入模式识别技术对激光雷达信号进行建模与识别,并在Matlab 2017平台上进行了激光雷达信号识别仿真实验,结果表明,激光雷达信号正确识别率超过92%,激光雷达信号识别的时间缩短为11. 87 ms,识别整体效果明显好于传统方法,具有十分广泛的应用前景。 

【文章来源】：激光杂志. 2020,41(11)北大核心

【文章页数】：4 页

【部分图文】：

复杂环境下的激光雷达信号模式识别原理

由于激光雷达信号与特征向量之间关系非常复杂，采用支持向量机或者神经网络等传统方法均无法准确对该种关系进行描述，为此引入了模式识别技术中最流行的深度学习网络进行激光雷达信号识别。深度学习网络与其它神经网络一样，最基本的单元为神经元，各层均包括了不同规模的神经元，深度学习网络的神经元结构示意图如图2所示。设一个深度学习网络的神经元输入为xi，其权值重为wi，偏置值为b，神经元输出y，那么可以建立如下表达式:

(3)激光雷达信号识别效果最佳，激光雷达信号识别正确率平均值为92.80%，相对于对比技术，激光雷达信号出现错误识别概率最低，大幅度提升了激光雷达信号识别正确率，这是因为技术解决了当前激光雷达信号识别过程中存在的难题，建立了更好的激光雷达信号识别分类器。3.3 激光雷达信号的识别速度

【参考文献】：
期刊论文
[1]基于多尺度残差网络和小波变换的LPI雷达信号识别[J]. 刘赢,田润澜,董会旭.  电讯技术. 2019(12)
[2]基于激光雷达的无人机违规航行轨迹数据自动捕获方法[J]. 彭福先,罗明,董峰,张玮.  科学技术与工程. 2019(25)
[3]基于深层卷积神经网络和双谱特征的雷达信号识别方法[J]. 刘赢,田润澜,王晓峰.  系统工程与电子技术. 2019(09)
[4]基于深度学习与支持向量机的低截获概率雷达信号识别[J]. 张穆清,王华力,倪雪.  科技导报. 2019(04)
[5]基于改进的半监督主动学习的雷达信号识别[J]. 吴莹,罗明.  信号处理. 2018(06)
[6]基于最大似然估计的相干多普勒雷达信号处理[J]. 邢晓晴,陆威,庄子波.  中国民航大学学报. 2018(02)
[7]基于激光雷达技术的粉尘污染源监测[J]. 吕阳,李正强,谢剑锋,张丰,刘小强,刘诏,谢一凇,许华,陈兴峰.  中国环境监测. 2018(02)
[8]基于改进半监督朴素贝叶斯的LPI雷达信号识别[J]. 符颖,王星,周一鹏,范翔宇.  系统工程与电子技术. 2017(11)
[9]小波去噪在成像激光雷达仿真信号中的应用[J]. 孙国栋,秦来安,程知,侯再红.  激光与光电子学进展. 2017(09)
[10]结合激光雷达评估常规探空资料反演青藏高原混合层高度的适用性[J]. 王存贵,李成才,贺千山,檀望舒,初奕琦,李建.  北京大学学报(自然科学版). 2017(03)



本文编号：2993829