基于宽角域散射中心聚类的典型体结构特性研究
发布时间：2021-11-03 01:29
在现代战争中,新型武器的使用往往能达到出其不意的效果,及时准确快速的处理雷达数据,判断空中目标就显得尤为重要。散射中心模型是用来描述雷达目标的电磁散射特性的重要工具,是目标特性分析的研究基础,宽角域的目标散射中心分布能反映目标的精确几何信息。通过对目标散射中心数据的聚类分析处理,可以更直观地分析未知目标的结构特征,从而快速识别判断未知空中目标。然而,传统的聚类方法在处理雷达数据时往往效果不理想,流形学习方法是最近十几年来逐渐发展起来的一种降维算法,在高维非线性数据处理方面具有独特的优势。深度学习算法在处理数据的速度上相对较快,采用深度学习算法自动学习数据特征也能够提高聚类精度。本文通过将流形学习方法与传统聚类算法融合,完成宽角域散射中心数据的降维与聚类,以及提出了两种基于深度学习的散射中心数据聚类算法,并将其应用在典型体的结构特性研究中,旨在实现具有高性能的散射中心宽角域关联算法,为目标散射特性宽角域参数化建模提供技术支撑。主要研究内容如下:（1）为了研究典型体散射中心的散射特性,本课题首先分析了几种现有的散射中心模型的理论框架,对典型体散射中心参数化模型理论的发展过程进行了梳理,分析...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
SLICY模型结构示意图
哈尔滨工业大学工程硕士学位论文-12-幅三维图像所需要的数据量大大减校设定中心频率f为10GHz，在方位角0°~360°下提取散射中心数据，方位角的采样间隔为1°。上述过程中产生的散射中心数据非常大，共2105915*7组数据。不同行对应着不同的散射中心，每一行的7个数据分别对应着每个散射中心的7个参数，分别为：入射角（°）、方位角（°）、散射中心三维位置x（m）、散射中心三维位置y（m）、散射中心三维位置z（m）、散射中心幅度（m）、弹射次数。得到如图2-3所示的三维散射中心分布。图2-3SLICY模型三维散射中心分布图SLICY模型的三维散射中心的每组数据都包含了方位俯仰角度、三维坐标位置以及反射次数等信息。根据SLICY模型散射的特点，为了更好地对散射中心进行分类，首先应将数据按照反射次数进行分类，分为一次反射、二次反射以及三次反射，如图2-4所示。
哈尔滨工业大学工程硕士学位论文-14-（c）三次反射点图2-4按不同反射次数分类的三维散射中心示意图图2-4（a）中为一次反射点，一次反射点多分布在两圆柱底端及二面角和三面角的顶点部位；图2-4（b）中为二次反射点，二次反射点多分布在SLICY模型的各条棱上；图2-4（c）中为三次反射点，三次反射点多分布在两圆柱之间及角反射器的底部位置。2.3散射中心的典型角散射现象对于复杂的目标来说，大多数散射中心特征只在有限的跨度内可见。而且与不同散射机制相关的散射中心的角散射现象也不同。如图2-5给出了角反射器、顶帽结构和平板等几种典型散射结构的不同角散射现象。为了便于说明，本研究仅在XY投影平面上绘制了散射中心的三维空间位置。a）三面体散射中心的角散射现象
【参考文献】：
期刊论文
[1]基于深度信念网络的K-means聚类算法研究[J]. 杨慧婷,杨文忠,殷亚博,许超英. 现代电子技术. 2019(08)
[2]基于模糊综合评判的车辆目标SAR仿真图像评估方法[J]. 胡利平,刘锦帆,王洪叶,闫华,殷红成. 系统工程与电子技术. 2019(03)
[3]大规模数据集聚类算法的研究进展[J]. 何玉林,黄哲学. 深圳大学学报(理工版). 2019(01)
[4]基于目标属性散射中心模型的正向参数化建模[J]. 谢若晗,何思远,朱国强,张云华. 激光与光电子学进展. 2019(12)
[5]一种宽角域散射增强超表面的研究[J]. 丰茂昌,李勇峰,张介秋,王甲富,王超,马华,屈绍波. 物理学报. 2018(19)
[6]一种基于HRRP的三维散射中心提取方法[J]. 崔闪,李胜,闫华. 系统仿真学报. 2018(02)
[7]基于PCA和PSO-SVM的手写数字识别应用研究[J]. 张校非,白艳萍,郝岩. 重庆理工大学学报(自然科学). 2017(07)
[8]基于三维电磁散射参数化模型的SAR目标识别方法[J]. 文贡坚,朱国强,殷红成,邢孟道,杨虎,马聪慧,闫华,丁柏圆,钟金荣. 雷达学报. 2017(02)
[9]基于SAR数据的三维散射中心模型位置重构方法[J]. 刘晓明,文贡坚,钟金荣. 雷达学报. 2013(02)
[10]基于非线性流形学习的ISAR目标识别研究[J]. 何强,蔡洪,韩壮志,尚朝轩. 电子学报. 2010(03)
博士论文
[1]光学区雷达目标三维散射中心重构理论与技术[D]. 周剑雄.国防科学技术大学 2006
[2]光学区雷达目标结构成像的理论及其在雷达目标识别中的应用[D]. 姜卫东.中国人民解放军国防科学技术大学 2000
硕士论文
[1]基于模型的高维数据聚类方法综述[D]. 秦川.云南财经大学 2019
[2]Kmeans算法与群体智能算法（PSO）融合的研究与应用[D]. 徐艳.内蒙古农业大学 2019
[3]雷达目标散射中心成像及其应用研究[D]. 赵敏.电子科技大学 2019
[4]基于并行SBR的电大尺寸目标近场电磁散射研究[D]. 刘祥.西安电子科技大学 2018
[5]高维数据的降维及聚类方法研究[D]. 孙喜利.兰州大学 2016
[6]基于降维的聚类分析算法设计与实现[D]. 陈永胜.北京邮电大学 2016
[7]基于流形学习的数据降维的研究[D]. 唐文俊.广东工业大学 2012
[8]基于散射中心模型的高分辨雷达目标识别方法研究[D]. 秦敬喜.国防科学技术大学 2008
本文编号：3472772
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
SLICY模型结构示意图
哈尔滨工业大学工程硕士学位论文-12-幅三维图像所需要的数据量大大减校设定中心频率f为10GHz，在方位角0°~360°下提取散射中心数据，方位角的采样间隔为1°。上述过程中产生的散射中心数据非常大，共2105915*7组数据。不同行对应着不同的散射中心，每一行的7个数据分别对应着每个散射中心的7个参数，分别为：入射角（°）、方位角（°）、散射中心三维位置x（m）、散射中心三维位置y（m）、散射中心三维位置z（m）、散射中心幅度（m）、弹射次数。得到如图2-3所示的三维散射中心分布。图2-3SLICY模型三维散射中心分布图SLICY模型的三维散射中心的每组数据都包含了方位俯仰角度、三维坐标位置以及反射次数等信息。根据SLICY模型散射的特点，为了更好地对散射中心进行分类，首先应将数据按照反射次数进行分类，分为一次反射、二次反射以及三次反射，如图2-4所示。
哈尔滨工业大学工程硕士学位论文-14-（c）三次反射点图2-4按不同反射次数分类的三维散射中心示意图图2-4（a）中为一次反射点，一次反射点多分布在两圆柱底端及二面角和三面角的顶点部位；图2-4（b）中为二次反射点，二次反射点多分布在SLICY模型的各条棱上；图2-4（c）中为三次反射点，三次反射点多分布在两圆柱之间及角反射器的底部位置。2.3散射中心的典型角散射现象对于复杂的目标来说，大多数散射中心特征只在有限的跨度内可见。而且与不同散射机制相关的散射中心的角散射现象也不同。如图2-5给出了角反射器、顶帽结构和平板等几种典型散射结构的不同角散射现象。为了便于说明，本研究仅在XY投影平面上绘制了散射中心的三维空间位置。a）三面体散射中心的角散射现象
【参考文献】：
期刊论文
[1]基于深度信念网络的K-means聚类算法研究[J]. 杨慧婷,杨文忠,殷亚博,许超英. 现代电子技术. 2019(08)
[2]基于模糊综合评判的车辆目标SAR仿真图像评估方法[J]. 胡利平,刘锦帆,王洪叶,闫华,殷红成. 系统工程与电子技术. 2019(03)
[3]大规模数据集聚类算法的研究进展[J]. 何玉林,黄哲学. 深圳大学学报(理工版). 2019(01)
[4]基于目标属性散射中心模型的正向参数化建模[J]. 谢若晗,何思远,朱国强,张云华. 激光与光电子学进展. 2019(12)
[5]一种宽角域散射增强超表面的研究[J]. 丰茂昌,李勇峰,张介秋,王甲富,王超,马华,屈绍波. 物理学报. 2018(19)
[6]一种基于HRRP的三维散射中心提取方法[J]. 崔闪,李胜,闫华. 系统仿真学报. 2018(02)
[7]基于PCA和PSO-SVM的手写数字识别应用研究[J]. 张校非,白艳萍,郝岩. 重庆理工大学学报(自然科学). 2017(07)
[8]基于三维电磁散射参数化模型的SAR目标识别方法[J]. 文贡坚,朱国强,殷红成,邢孟道,杨虎,马聪慧,闫华,丁柏圆,钟金荣. 雷达学报. 2017(02)
[9]基于SAR数据的三维散射中心模型位置重构方法[J]. 刘晓明,文贡坚,钟金荣. 雷达学报. 2013(02)
[10]基于非线性流形学习的ISAR目标识别研究[J]. 何强,蔡洪,韩壮志,尚朝轩. 电子学报. 2010(03)
博士论文
[1]光学区雷达目标三维散射中心重构理论与技术[D]. 周剑雄.国防科学技术大学 2006
[2]光学区雷达目标结构成像的理论及其在雷达目标识别中的应用[D]. 姜卫东.中国人民解放军国防科学技术大学 2000
硕士论文
[1]基于模型的高维数据聚类方法综述[D]. 秦川.云南财经大学 2019
[2]Kmeans算法与群体智能算法（PSO）融合的研究与应用[D]. 徐艳.内蒙古农业大学 2019
[3]雷达目标散射中心成像及其应用研究[D]. 赵敏.电子科技大学 2019
[4]基于并行SBR的电大尺寸目标近场电磁散射研究[D]. 刘祥.西安电子科技大学 2018
[5]高维数据的降维及聚类方法研究[D]. 孙喜利.兰州大学 2016
[6]基于降维的聚类分析算法设计与实现[D]. 陈永胜.北京邮电大学 2016
[7]基于流形学习的数据降维的研究[D]. 唐文俊.广东工业大学 2012
[8]基于散射中心模型的高分辨雷达目标识别方法研究[D]. 秦敬喜.国防科学技术大学 2008
本文编号：3472772
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3472772.html
