共查询到18条相似文献,搜索用时 781 毫秒
1.
2.
3.
4.
本文以5型常用火箭为研究对象,针对当前雷达散射截面(RCS)特征识别存在的问题,基于全空域RCS仿真库和连续RCS测量信息,开展了特征点和曲线相似度的识别方法研究。利用仿真数据和测量数据,对双频段特征点识别能力进行了评估,在4.5 dB阈值下的识别能力可达100%。研究了曲线相似度比较方法,采用动态时间规划实现了RCS曲线的相似性度量,取得较好的应用效果。提出了新的基于曲线相似度的RCS目标识别方法,该方法对于提高雷达目标识别能力具有借鉴意义。 相似文献
5.
6.
7.
8.
9.
针对隐马尔可夫模型(Hidden markov model,HMM) 识别低频隐身目标参数建模固有问题,本文提出基于雷达散射面积(Radar cross-section,RCS)序列改进HMM目标识别分类算法,构建RCS观测序列的全局概率函数,提取序列变化特征,使模型的状态数能自动适应待建模信号结构的复杂性,并采用隐马尔科夫模型表征雷达目标RCS变化特征,实现雷达目标的识别分类。仿真结果表明该算法可提高低频隐身目标识别的可靠性,信噪比和识别分类效果得到显著提升 相似文献
10.
空间目标宽带雷达特征信号包括其高分辨一维距离像和二维ISAR图像,空间目标宽带雷达特征信号仿真建模对空间目标探测、识别研究具有重要意义。在光学区复杂目标RCS特征信号计算基础上,重点研究了空间目标宽带雷达特征信号包括高分辨一维距离像和二维ISAR图像仿真建模方法。仿真目标和实际复杂空间目标宽带雷达特征信号仿真建模的实验结果验证了其有效性。 相似文献
11.
12.
一种基于卷积神经网络的雷达目标分类方法 总被引:1,自引:0,他引:1
雷达作为对低空和地面目标探测及监视预警的主要手段,在安全领域应用广泛。针对现阶段实际应用中雷达目标分类技术中过于依赖人工提取特征的问题,提出了一种基于卷积神经网络的分类方法,对雷达回波数据进行二维傅里叶变换得到距离-多普勒图像,再以距离-多普勒图集作为数据集,训练神经网络,得到能够完成雷达目标识别的网络模型。结果表明,相较于传统方法,基于卷积神经网络的目标识别模型在省去人工工作的同时提高了目标识别精度。 相似文献
13.
14.
传统的支持向量机分类算法对训练样本数目敏感且不具备增量学习的能力,而空间目标识别的工程应用需要积累样本进行大样本的增量学习。根据样本在特征空间分布,提取几何意义上边缘的样本点,成功约减了应用于支持向量机学习的基于雷达散射截面统计特征的训练样本集。利用中心距离比和特征空间多维高斯分布特性,分别提取两类边界样本集和单类边缘样本集;再采用直推式实验设计方法再采样,根据样本潜在结构分布信息选择最能代表样本集结构分布的高价值样本。实验结果表明:样本初选算法能够在有效约减样本集规模的同时保持支持向量机训练分类的精度。 相似文献
15.
16.
17.
针对低信噪比红外目标图像,分析了Zernike矩的基本原理、计算方法和旋转不变性,提出了基于Zernike正交矩的低信噪比红外目标检测方法,并比较了模板匹配、Hu矩、Zernike矩方法的目标识别效果.理论分析与实验验证了所提方法的有效性. 相似文献