雷达高分辨距离像特征提取与识别方法研究

发布时间：2017-06-09 13:15

  本文关键词：雷达高分辨距离像特征提取与识别方法研究，，由笔耕文化传播整理发布。

【摘要】：雷达高分辨距离像(HRRP)是目标散射点子回波沿雷达视线(LOS)方向的投影向量和。HRRP易于获取、存储和处理,同时提供了目标尺寸、散射点分布等重要的结构特征,如今已成为雷达自动目标识别(RATR)领域的研究重点之一。本论文依托国防预研项目以及国家自然科学基金等项目,从特征提取和目标识别的角度研究了雷达HRRP自动目标识别的相关理论和技术问题。论文概括如下：1.介绍雷达HRRP的基本概念,讨论雷达目标识别的应用背景以及近年来的研究状况,并概述本文的主要工作。2.传统降维子空间方法的数据描述能力有限,为此提出一种基于超完备字典学习的雷达HRRP目标识别算法。依据对测试样本的信噪比估计,自适应地确定测试阶段稀疏分解的稀疏度系数。相比于传统识别算法,该算法对目标的识别性能更好,且对噪声的鲁棒性更强。另外,算法在只训练部分角域数据(不完备训练集)的条件下较好地识别全角域数据,可实现数据库扩展。基于实测雷达数据的实验结果验证了算法的有效性。3.基于字典学习的信号稀疏表示被广泛应用于信号处理领域,但由于字典原子间存在冗余性,求解信号的稀疏表示会受到观测信号中扰动分量的影响,从而带来表示的不确定性,不利于HRRP目标识别任务。针对这一问题的主要工作有以下两点。(1)提出了一种基于信号丢失的稳健字典学习(Drop-SDL)算法,通过边缘化信号丢失,构建稳健损失函数用于学习自适应字典。该算法利用距离像在散射点不发生越距离单元走动(MTRC)的方位帧内具有结构相似性,约束邻近训练样本间稀疏表示的非零元素位置相同,并通过结构化稀疏约束选择最优子字典用于测试样本的分类。(2)结合雷达HRRP目标特性,给出了HRRP存在幅度扰动时稀疏表示的稳健性条件。考虑到固定字典情况下稀疏分解的稳健条件是过分严苛且受限的,利用松弛后条件提出种稳健字典学习(SDL)算法。构建的稳健目标函数在约束邻近HRRP样本稀疏表示的非零元素位置相同的同时,限制其稀疏系数的方差变化要小。训练阶段生成的结构化稀疏约束被用于最优子字典选择,实现对测试样本的稳健稀疏表示。最后基于实测HRRP数据的实验结果验证了算法的有效性。4.传统字典学习算法仅刻画了观测样本与稀疏表示间的线性关系。然而实际应用中,信号本身通常存在复杂的非线性关系,简单地采用线性字典框架无法保证算法性能。针对这一问题,主要对非线性字典学习算法展开研究：(1)提出一种基于联合非负稀疏约束的字典学习算法,在约束稀疏度为1时得到自适应聚类算法,避免了K均值聚类需要人为指定类簇数先验和对初始值敏感的两个缺陷。并利用核技巧将算法推广为基于核字典学习的自适应聚类算法。(2)提出一种基于联合非负稀疏约束的核字典学习算法,利用该算法实现核基向量抽取,在剔除训练集中冗余样本和奇异样本的同时,获取少数具有较好数据描述能力的原始数据作为核基向量。获得自适应核基矩阵后,利用K-PCA算法提取样本的特征向量。基于UCI公共数据集以及实测雷达HRRP数据集的实验结果验证了所提算法的有效性。5.特征提取是HRRP目标识别的核心技术。传统特征提取算法多采用浅层的模型结构,容易忽视样本的内在结构,不利于学习有效的分类特征。针对这一问题,利用多层非线性网络实现特征学习,主要工作包含两部分：(1)构建基于联合稳健深层网络的雷达HRRP目标特征提取算法。利用平均像在散射点不发生越距离单元走动的方位帧内具有稳健物理特性的性质,提出了堆栈联合稳健自编码器(SRAEs)。该网络由一系列联合稳健自编码器(RAE)堆栈化实现,在匹配原始HRRP样本的同时,约束同帧样本趋近于平均像,并将网络的最终输出作为分类器的特征输入。基于实测HRRP数据的实验结果验证了所提算法的有效性。(2)为了从大量无标号数据中获取稳健结构和高阶相关性,提出一种堆栈校正自编码器(SCAEs)算法。该算法是传统堆栈降噪自编码器(SDAEs)的一种推广,由一系列预学习的校正自编码器(CAE)堆栈化实现。算法利用帧协方差矩阵构建基于马氏距离准则的目标函数。每帧HRRP中的平均像被作为校正项引入CAE,以消除方位敏感性、幅度扰动和奇异样本对特征稳健性的影响。该算法可以有效降低HRRP特征维度,利于数据的存储、可视化以及识别任务。通过合适的优化框架设计以及模型参数选择,算法在不完备的小训练集下仍然稳健有效。
【关键词】：雷达自动目标识别 高分辨距离像 稀疏表示 字典学习 深层网络
【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】：2015
【分类号】：TN957.52
【目录】：

• 摘要5-7
• ABSTRACT7-13
• 符号对照表13-14
• 缩略语对照表14-19
• 第一章 绪论19-31
• 1.1 雷达自动目标识别综述19-21
• 1.2 雷达自动目标识别的发展21-23
• 1.3 基于雷达高分辨距离像的目标识别研究方法23-28
• 1.3.1 高分辨距离像概念24
• 1.3.2 高分辨距离像敏感性问题24-25
• 1.3.3 目标特征提取及分类25-27
• 1.3.4 小训练样本集下的稳健识别27-28
• 1.4 论文的内容与安排28-31
• 1.4.1 实验数据介绍28
• 1.4.2 本文内容安排28-31
• 第二章 基于字典学习的雷达高分辨距离像目标识别31-47
• 2.1 引言31-32
• 2.2 字典学习理论32-34
• 2.2.1 稀疏编码32-33
• 2.2.2 字典更新33
• 2.2.3 K-SVD算法33-34
• 2.3 基于K-SVD的雷达HRRP目标识别算法34-39
• 2.3.1 实测雷达HRRP数据的预处理34-35
• 2.3.2 基于K-SVD的雷达HRRP目标识别算法的训练阶段35-37
• 2.3.3 基于K-SVD的雷达HRRP目标识别算法的测试阶段37-38
• 2.3.4 算法复杂度分析38-39
• 2.4 实验结果分析39-46
• 2.4.1 完备训练条件下的算法性能40-43
• 2.4.2 非完备训练条件下的算法性能43-45
• 2.4.3 自适应字典性能分析45-46
• 2.5 本章小结46-47
• 第三章 基于稳健字典学习的雷达高分辨距离像目标识别47-73
• 3.1 引言47-48
• 3.2 雷达HRRP目标特性分析48-50
• 3.3 一种基于信号丢失的稳健字典学习算法50-59
• 3.3.1 Drop-SDL训练阶段50-52
• 3.3.2 Drop-SDL测试阶段52-53
• 3.3.3 模型解释53-55
• 3.3.4 实验结果与分析55-59
• 3.3.5 小结59
• 3.4 一种基于稳健字典学习的雷达HRRP目标识别算法59-72
• 3.4.1 超完备稀疏表示的稳健恢复59-60
• 3.4.2 幅度扰动情况下的稳健性条件60-61
• 3.4.3 模型建立61-63
• 3.4.4 SDL训练和测试算法63-66
• 3.4.5 仿真数据实验结果66-68
• 3.4.6 雷达HRRP数据集实验结果68-72
• 3.4.7 小结72
• 3.5 本章小结72-73
• 第四章 基于非线性字典学习方法的学习框架73-91
• 4.1 引言73-74
• 4.2 基于字典学习方法的聚类框架74-83
• 4.2.1 经典K均值聚类的字典学习解释74-75
• 4.2.2 基于字典学习的自适应聚类算法75-77
• 4.2.3 基于核字典学习的自适应聚类算法77-79
• 4.2.4 实验结果分析79-82
• 4.2.5 小结82-83
• 4.3 基于自适应核基向量抽取的特征提取算法83-88
• 4.3.1 自适应核基向量抽取83-84
• 4.3.2 K-PCA特征提取84-85
• 4.3.3 UCI公共数据集实验结果85-86
• 4.3.4 雷达HRRP数据集实验结果86-88
• 4.3.5 小结88
• 4.4 本章小结88-91
• 第五章 基于深层网络的雷达目标特征提取与识别91-119
• 5.1 引言91-93
• 5.2 深层网络理论93-96
• 5.2.1 限制波尔兹曼机(RBM)93-94
• 5.2.2 自编码器(AE)94-96
• 5.3 一种基于联合稳健深层网络的雷达HRRP目标特征提取算法96-105
• 5.3.1 HRRP敏感性预处理与平均像96-98
• 5.3.2 联合稳健自编码器(RAE)98-100
• 5.3.3 堆栈联合稳健自编码器(SRAEs)100-101
• 5.3.4 实验结果分析101-104
• 5.3.5 小结104-105
• 5.4 一种基于深层网络的雷达HRRP目标识别算法105-117
• 5.4.1 校正自编码器(CAE)105-107
• 5.4.2 堆栈校正自编码器(SCAEs)107-109
• 5.4.3 深层网络识别框架109-110
• 5.4.4 实验结果分析110-115
• 5.4.5 参数分析115-117
• 5.4.6 小结117
• 5.5 本章小结117-119
• 第六章 总结与展望119-123
• 6.1 论文工作总结119-120
• 6.2 工作展望120-123
• 附录A 高斯伯努利限制波尔兹曼机条件概率分布推导123-127
• 参考文献127-139
• 致谢139-141
• 作者简介141-142

【参考文献】

中国博士学位论文全文数据库 前1条

1 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

  本文关键词：雷达高分辨距离像特征提取与识别方法研究，由笔耕文化传播整理发布。

本文编号：435570