雷达目标一维距离像识别中的非训练目标判别

针对雷达目标一维距离像识别中的特征子空间法不能判别训练目标的缺点，提出一种非训练目标判别门限，在特征子空间法的分类阶段对非训练目标进行判别。仿真实验结果表明：在特征子空间法中引入该门限，既能有效地对非训练目标予以判别，同时对训练目标又能保持较高的正确识别率。     

小波变换和神经网络在毫米波辐射计目标识别中的应用

本文采用小波变换把毫米波辐射计的目标信号分解为一系列正交子空间上的投影,利用重构矩法分析信号特征在各子空间的分布,依次提取各子空间上的特征,然后融合这些特征,组成特征矢量,采用神经网络对目标信号特征矢量进行建模．用此方法对低信噪比的毫米波辐射计的信号进行仿真试验,结果表明该方法克服了传统方法对噪声和目标信号散布的敏感,取消了对目标和辐射计天线之间距离的限制,与最近邻法相比,该方法大大提高了识别率．     

动态时间规正与差别子空间相结合变异语音识别的在线训练方法

应力影响下的变异语音(由于说话人受到重力加速度变化而产生)可以用动态时间规正与差别子空间相结合的方法进行识别,但是该方法空间开销很大,而且训练算法极为复杂。针对该方法提出特征矢量替换法和特征矢量求平均法两种基于聚类思想的简单在线训练方法,取一个较小的初始训练集,然后用在线训练的方法使系统识别率达到最大。实验结果表明,其中特征矢量求平均的在线训练方法非常有效,保证系统整体识别率的同时,大大减小了系统的空间开销,适合于训练数据有限的变异语音识别。     

一种利用相位信息的雷达目标成像识别方法

高距离分辨雷达(HRR)的回波中蕴含丰富的目标信息,充分利用目标回波并采用恰当的特征抽取方法,可以有效地识别目标。本文提出一种利用相位信息和正则变换的目标识别方法。该方法基于雷达目标距离剖面像的幅度和相位矢量(幅相矢量),首先由各训练目标在不同方位姿态角时的幅相矢量构成综合矩阵并对之作正则变换建立正则子空间,然后将每类训练目标各方位姿态的幅相矢量向该子空间投影形成子像,取其平均结果作为该目标的库特征矢量。对未知目标,以其子像对库矢量的欧氏距离最小为分类准则,进行了识别模拟实验。     

说话人语音特征子空间分离及识别应用

本文依据主元分析原理从语音特征观察空间分离说话人语音特征子空间,对输入语音特征矢量与子空间的距离测度进行了定义,并对基于特征子空间的说话人识别性能进行了分析.说话人语音训练样本提取特征后在语音特征观察空间形成具有一定散度的分布,根据主元分析原理和分布散度提取主要散度本征向量作为基底构成说话人语音特征子空间,并通过测试语音特征矢量与子空间的距离测度进行模式匹配.实验结果表明,特征子空间方法对说话人识别是有效的,特别是在小于3秒的短时测试语音下能够得到较高的识别率.     

一种利用相位信息的雷达目标成像识别方法

高距离分辨雷达（ＨＲＲ）的回波中蕴含丰富的目标信息,充分利用目标回波并采用恰当的特征抽取方法,可以有交地识别目标。本文提出一种利用相位信息和正则变换的目标识别方法。该方法基于雷达目标距离剖面像的幅度和相位矢量（幅相矢量）,首先由各训练目标在不同方位瓷态角时的幅相衡量构成综合矩阵并对之作正则变换建立正则子空间,然后奖每类训练目标各方位姿态的幅相矢量向该子空间投影形成子像,取其平均结果作为该目标的库特     

基于融合子空间的人脸识别方法

针对PCA、LDA、Bayesian 3种子空间方法,介绍了这3种子空间判别人脸的原理,用一种新颖的思想分析了3种子空间的判别依据,在此基础上来提出了一种改进的子空间识别方法--融合子空间.实验结果证明,该方法跟传统的PCA、LDA和Bayesian子空间识别方法相比,有效的增加了对表情和光照的鲁棒性,并提高了识别率.     

基于特征子空间的强主瓣干扰抑制方法

当空间中存在大功率主瓣干扰时,传统特征投影类干扰抑制方法存在主瓣峰值偏移、 旁瓣内干扰零陷变浅等问题.针对上述问题,本文提出一种新的基于特征子空间的主瓣干扰抑制方法.首先根据赤池信息准则(AIC)与相关性判别分离主、旁瓣干扰的特征矢量;其次利用特征投影预处理抑制主瓣干扰分量;最后定义新的权矢量赋形方式,在主瓣子空间约束...     

一种适用于小样本的迭代多重信号分类算法

当样本数不足时,由采样协方差矩阵特征分解得到的噪声子空间偏离其真实值,使得多重信号分类(MUSIC)算法目标角度(DOA)估计性能下降。为了解决这个问题,该文提出了一种迭代算法通过校正信号子空间来提高MUSIC算法性能。该方法首先利用采样协方差矩阵特征分解得到的噪声子空间粗略估计目标角度;其次基于信源的稀疏性和导向矢量的低秩特性,由上一步得到的目标角度以及其邻域角度对应的导向矢量构造一个新的信号子空间;最后通过解一个优化问题来校正信号子空间。仿真结果表明,该算法有效地提高了子空间估计精度。基于新的信号子空间实现MUSIC DOA估计可以使得性能得到改善,且在低样本数下改善尤为明显。     

基于凸优化的Khatri-Rao子空间宽带DOA估计

该文基于凸优化工具,提出一种新的Khatri-Rao子空间宽带到达角(DOA)估计方法。首先,利用Khatri-Rao子空间的概念,构造各频点的虚拟阵列导向矢量。再利用凸优化方法针对虚拟阵列导向矢量构造聚焦矩阵,从而利用虚拟阵列所增加的维数,在尽量减少聚焦对噪声影响的同时,获得良好的聚焦效果。仿真结果表明,相对于已有的Khatri-Rao子空间宽带DOA估计方法 FKR-RSS,该方法具有更好的估计精度和目标分辨力。对于信号源数大于阵元数的情形,该文方法优势更加明显。     

子空间法雷达目标一维像识别研究

基于高分辨一维像,研究特征子空间法和正则子空间法在雷达目标识别中的应用。针对一维像敏感于目标姿态变化的特点,提出一种子空间串识别法,将所有姿态范围划分为一定数量的模区,在每模区建立各类目标的子空间。对未知目标,所处模区由雷达测定后,其一维像映射到该模区各类目标的特征子空间进行识别分类一单模区搜索准则。模拟和实测数据实验表明所提出方法是有效的。     

雷达目标一维距离像识别中的最优子空间法

提出一种基于最优子空间进行特征提取的雷达目标识别方法.最优子空间中各座标轴在目标分离意义上是最佳的,它同时能满足最小错误分类率原则;利用最优子空间能够提取到更优的特征,改善目标识别性能.对四类目标的仿真实验结果表明了方法的有效性.     

雷达目标一维距离像识别中的最优因式分析子空间法

该文提出一种基于因式分析子空间进行特征提取的雷达目标识别方法。通过对目标训练样本集进行因式分析,在最大似然估计准则和最小错误分类率准则下建立最优因式分析子空间,利用因式分析子空间能够增强同类目标特征之间的相关性,提高同类目标特征的聚集度,从而改善目标识别性能。对三类飞机目标的仿真实验结果表明了方法的有效性。     

认知雷达子空间信号迭代闭环检测方法

闭环迭代过程是认知雷达信号处理的重要特征。在雷达与探测环境构成的闭环中,雷达逐渐理解环境,选择适合当前环境的信号处理方式。本文考虑杂波和噪声中,认知雷达的子空间信号检测问题。基于认知雷达闭环迭代架构,提出了一种认知雷达检测方法。在每次迭代开始时,利用获得的数据计算目标在子空间内坐标的最大似然估计,然后依据目标参数设计下一次迭代所需的发射波形。计算机仿真分析表明,利用闭环迭代检测算法,认知雷达能够更高效获得探测环境信息,其检测性能优于常规雷达。      

基于空域稀疏性的嵌套MIMO雷达DOA估计算法

针对传统MIMO雷达可分辨目标数受限于虚拟阵元数的问题,该文提出一种基于嵌套阵的MIMO雷达阵形设计新方法并改进了相应的稀疏DOA估计算法。首先分析对传统MIMO雷达的虚拟阵元进行嵌套采样给DOA估计性能带来的影响;然后提出嵌套MIMO雷达阵形设计方法,在虚拟阵元数相同的情况下,该阵形比传统阵形分辨更多的目标;最后提出一种基于空域稀疏性的嵌套MIMO雷达改进DOA估计算法,该算法使用噪声子空间加权,在提高分辨率的同时可以有效消除伪峰。仿真结果验证了该文算法的有效性和优越性。     

机载雷达自适应杂波抑制的联合通道变换方法

本文介绍一种机载相控阵雷达地杂波抑制的新方法，它属于数据换类，变换矩阵由主通道和辅助通组成的联合通道子空间决定。通过设计主通道，变换维数由ＭＫ降至Ｍ＋Ｋ－１（Ｍ为阵元个数，Ｋ为脉冲数）。该变换由空域束形成和时域多普勒滤波实现。变换后的数据将在Ｍ＋Ｋ－１维信号空间内进行最优滤小。方法即使在阵元误差和杂波起伏时也可很好地逼近二维最优阵列性能，但所需的运算量要小得多。     

基于子空间模型的高分辨距离像分帧方法

主分量分析子空间模型和概率主分量分析模型已成功应用于雷达高分辨距离像(HRRP)统计目标识别中。传统的统计建模分帧方法都是等间隔角域分帧建模。提出了一种基于子空间模型分帧方法,首先将距离像分成若干子帧,然后将子空间夹角与均值欧式距离的融合作为度量准则,依次合并度量值最小的相邻子帧来完成分帧。基于实测数据的实验表明该方法得到的分帧结果数量比等间隔分帧的数量少,识别过程中计算量减小,同时识别率也有明显提高。     

有色噪声背景下自适应雷达波形优化设计

仅以提高雷达检测性能为目标所设计的发射波形通常具有较高距离旁瓣和峰均比,不利于微弱信号检测和实际工程应用。针对上述问题,提出目标信号子空间加权的自适应波形优化方法。给出利用环境中有色噪声的统计特性改善目标检测性能的系统模型,选取目标-有色噪声矩阵的大特征向量构成目标信号子空间,建立在该子空间上优化加权系数使发射波形满足自相关性能和峰均比约束的目标函数,并采用序列二次规划算法进行求解。该方法所优化发射波形能有效抑制有色噪声,同时获得较好的自相关特性和峰均比,改善雷达综合性能。仿真结果表明了该方法的有效性和灵活性。     

双基地MIMO雷达目标快速定位算法

基于多级维纳滤波器（MSWF）的双基地多输入多输出（MIMO）雷达定位算法,能够有效的降低计算复杂度,但是会带来信号子空间的扩展问题,降低算法性能。因此本文提出了一种新的目标快速定位算法。首先根据MSWF的自相关模值的特点确定需要的MSWF级数,得到扩展子空间;其次利用ESPRIT方法得到目标的初始发射角（DOD）和接收角（DOA）,最后利用判别准则从初始目标角度得到真实目标角度,并完成目标收发角度的配对。算法不需要特征值分解,计算复杂度较低,并且充分利用了扩展子空间,具有更高的角度估计性能。