低分辨雷达地面运动目标特征提取与分类方法研究

发布时间：2022-08-09 16:23

　　随着现代信息化技术的发展,雷达自动目标识别已经成为现代雷达系统重要的发展方向之一。雷达目标识别系统在目标威胁度分级、跟踪、干扰和拦截等领域发挥着重要作用。从雷达的发展历程来看,低分辨雷达主要用于前期探测和预警。目前,由于高分辨雷达造价昂贵且技术复杂,国内装备的雷达还是以低分辨雷达为主,因此研究低分辨雷达目标的初步分类识别具有重要意义。论文围绕低分辨雷达地面目标分类识别这一主题,沿着目标特征提取和分类器设计两条技术路线开展研究。主要工作和创新点如下:1.针对目标回波单个相参处理间隔（Coherent Processing Interval,CPI）特征的不稳定性,提出了一种基于特征概率分布曲线的目标特征提取方法。首先利用目标回波的单个CPI提取出两个基本目标特征量:相对的雷达散射截面积（Radar Cross Section,RCS）和多普勒频谱熵值;然后通过滑窗法对多个CPI联合处理,计算特征序列概率密度分布曲线;最后利用特征概率密度分布曲线提取出概率最大的目标特征。通过雷达实测数据实验表明,提出的算法可以提高目标特征的稳定性,且算法运算量小、实时性高,便于工程实现。2.根据卡车、摩托... 

【文章页数】：141 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
缩写与中英文对照
通用符号说明
1 绪论
    1.1 研究背景及意义
    1.2 发展历史与研究现状
        1.2.1 雷达自动目标识别的发展历史与研究现状
        1.2.2 低分辨雷达地面目标识别的关键问题
    1.3 论文的主要工作及内容安排
2 雷达目标识别的回波预处理
    2.1 引言
    2.2 雷达信号模型分析
        2.2.1 LFMCW雷达的基本特点
        2.2.2 LFMCW雷达系统
    2.3 杂波抑制
    2.4 动目标检测
    2.5 恒虚警处理
    2.6 本章小结
3 基于特征概率分布的特征提取
    3.1 引言
    3.2 目标基本特征
        3.2.1 相对的雷达散射截面积
        3.2.2 频谱熵值
    3.3 基于特征概率分布的特征提取
        3.3.1 目标特征概率分布
        3.3.2 特征提取
    3.4 目标特征向量
    3.5 基于特征概率分布的分类算法
    3.6 实测数据仿真及结果分析
    3.7 本章小结
4 基于目标微动的特征提取
    4.1 引言
    4.2 典型微动模型分析
        4.2.1 加速模型
        4.2.2 振动模型
        4.2.3 旋转模型
    4.3 微动特征提取
        4.3.1 时频分析
        4.3.2 微动特征提取
    4.4 目标特征评价
    4.5 实测数据仿真及结果分析
    4.6 本章小结
5 基于时频分布的图像特征提取
    5.1 引言
    5.2 时频图灰度化
    5.3 时频灰度图的特征提取
        5.3.1 图像熵
        5.3.2 GLCM特征
    5.4 时频分布图像特征提取算法
    5.5 实测数据仿真
    5.6 本章小结
6 雷达目标分类器改进算法
    6.1 引言
    6.2 改进的支持向量机目标分类算法
        6.2.1 置信度拒识算法
        6.2.2 基于PSO的特征加权算法
        6.2.3 改进的支持向量机分类算法
        6.2.4 实测数据仿真及结果分析
    6.3 基于最小代价拒判的近邻分类算法
        6.3.1 近邻分类算法
        6.3.2 遗传算法的特征加权方法
        6.3.3 基于近邻拒判的目标拒判算法
        6.3.4 基于最小代价的Fisher拒判门限
        6.3.5 最小代价分类算法实验分析
    6.4 本章小结
7 基于注水原理的雷达目标多分类器集成方法
    7.1 引言
    7.2 雷达目标分类系统
    7.3 多分类器集成融合方法
        7.3.1 投票法
        7.3.2 加权投票法
        7.3.3 行为知识空间法
        7.3.4 局部精度估计分类器选择法
    7.4 基于注水原理的多分类器集成方法
        7.4.1 注水原理
        7.4.2 多分类器融合系数
    7.5 多分类器集成实验
        7.5.1 雷达地面目标识别系统
        7.5.2 仿真及结果分析
    7.6 本章小结
8 总结与展望
致谢
参考文献
附录


【参考文献】：
期刊论文
[1]水声信号熵特征提取与分类研究[J]. 付君宇,陈越超,权恒恒.  声学与电子工程. 2018(01)
[2]基于深度学习神经网络的SAR星上目标识别系统研究[J]. 袁秋壮,魏松杰,罗娜.  上海航天. 2017(05)
[3]空间目标红外特征提取与识别技术[J]. 李瑞东,孙协昌,李勐.  红外技术. 2017(05)
[4]深度学习在SAR目标识别与地物分类中的应用[J]. 徐丰,王海鹏,金亚秋.  雷达学报. 2017(02)
[5]基于动态字典的卡车目标微动参数估计方法[J]. 李开明,张群,雷磊,罗迎.  电子学报. 2016(11)
[6]基于广义模糊函数的低分辨雷达目标识别[J]. 陈辉,丁宇,焦小辉,徐小川.  舰船电子对抗. 2016(05)
[7]基于稀疏学习的kNN分类[J]. 宗鸣,龚永红,文国秋,程德波,朱永华.  广西师范大学学报(自然科学版). 2016(03)
[8]微多普勒特征提取方法研究[J]. 林新党,肖龙.  雷达与对抗. 2016(03)
[9]混合核特征加权SVM遥感湿地空间分类[J]. 刘冰,吴超,林怡.  测绘工程. 2016(07)
[10]合成孔径雷达的微多普勒特征提取[J]. 张柳,雷曙光,李文攀.  舰船科学技术. 2016(14)

博士论文
[1]雷达高分辨距离像目标识别技术研究[D]. 潘勉.西安电子科技大学 2013
[2]弹道中段目标极化域特征提取与识别[D]. 王涛.国防科学技术大学 2006
[3]基于高分辨距离像的雷达目标识别[D]. 廖学军.西安电子科技大学 1999

硕士论文
[1]基于多特征融合的雷达目标识别[D]. 陈娟.西安电子科技大学 2010
[2]宽带极化雷达目标识别研究[D]. 孟庆宇.电子科技大学 2007
[3]基于高分辨距离像的雷达目标识别方法研究[D]. 白向辉.西安电子科技大学 2006



本文编号：3672888