排序方式: 共有12条查询结果,搜索用时 234 毫秒
1.
2.
3.
4.
从含噪的目标波形中提取稳健的目标特征,是准确识别目标的关键.通过稀疏分解将高分辨雷达回波信号展开于一个超完备Gabor时频字典上,从具有局部化时频结构的信号中提取相关特征量,并采用改进的混合粒子群算法降低匹配追踪过大计算量的问题.实验表明,使用少数原子就可以表示原信号的主要特征信息,可作为目标识别的依据. 相似文献
5.
6.
7.
8.
基于改进权重模糊综合评判的目标识别方法 总被引:2,自引:0,他引:2
传统毫米波探测器目标识别方法都是基于模板匹配,虚警率高.采用模糊统计法确定特征分量对金属目标的隶属函数,建立模糊综合评判的评价矩阵.综合单个特征分量识别效果及专家评分权重两个因素,提出一种确定特征分量模糊综合评判权重的方法.根据模糊综合评判结果及最大隶属度原则,考虑工程应用中决策时的风险损失,利用训练样本集构造分类器,对于三组不同条件下的测试样本集,金属目标的识别率分别为80%、83%、81%.将分类器应用到实际系统中,经高塔及缩比实验,对金属目标总识别率为81%. 相似文献
9.
针对雷达目标样本缺乏以及高输入模式维数的分类问题,提出利用一种稀疏概率模型--相关向量机(RVM)对雷达目标的一维距离像进行识别.与支持向量机(SVM)相比,其训练是在贝叶斯框架下进行的,不仅解更稀疏,而且无需调整模型参数.使用RVM与SVM识别同样的雷达目标一维距离像,结果表明:RVM模型更为简单,减少了运算量,但能获得更精确的分类结果. 相似文献
10.
利用分数傅里叶变换(FrFT)在时频域对信号的混合表示的特点,将离散分数傅里叶变换(DFrFT)和相关向量机(RVM)应用于毫米波(MMV)高分辨雷达一维距离像识别。使用Fisher准则确定DFrFT的阶数α,将一维距离像进行α阶DFrFT变换,获得信号的特征量,然后利用RVM网络进行分类识别。实验结果表明,该方法是一种可行有效的特征选择方法,具有较高的识别率。 相似文献