雷达目标一维距离象多分辨特征描述和快速匹配法研究

文中首先阐述了信号奇异性与小波变换模极大值的关系、含噪非平稳信号在小波变换下信号与噪声的不同特性;然后提出了可用于高距离分辨力雷达目标识别的一维距离象多分辨分解和目标结构特征的多分辨描述方法.根据目标结构特征的多分辨描述,定义了距离象的相异度概念,利用相异度可以实现目标的快速匹配识别.     

基于雷达距离象序列的循环神经网络飞机目标识别

本文应用雷达目标瞬态高分辨距离象序列来识别目标，提出了一种基于距离象序列的实时循环神经网络分类方法，并进行了三类飞机目标的分类实验研究，结果表明，该方法可以得到高的识别率。     

基于一维距离像的雷达目标识别方法研究

通过对光学区雷达目标一维距离像的介绍和分析,指出利用一维距离像进行雷达目标分类和识别的可行性,并针对一维距离像对姿态角度化敏感这一难点问题,提出两种比较实用的解决方案。     

雷达目标一维距离像的特征分析

针对一维距离像对姿态角敏感和回波时延的问题．对雷达目标一维距离像的特征进行了分析，结合散射点回波功率的特征提取与傅里叶变换．提出了一种雷达目标识别的方法。     

雷达目标一维距离像识别方法研究

提出了一种基于小波包分析和二叉树支持向量机相结合的雷达目标一维距离像识别方法.该方法充分利用了小波包对信号的时频分解和支持向量机在小样本分类中的优势,可以改善目标的特征稳定性,提高识别性能.通过采用聚类分析中的均值距离来生成二叉树,将分类器分布在各个节点上,构成了多类支持向量机,减少了分类器数量和重复训练样本的数量.对...     

基于雷达距离象序列的循环神经网络飞机目标识别

本文应用雷达目标瞬态高分辨距离象序列来识别目标,提出了一种基于距离象序列的实时循环神经网络分类方法,并进行了三类飞机目标的分类实验研究,结果表明,该方法可以得到高的识别率。     

基于小波变换和多神经网络融合的雷达一维距离像目标识别

针对低信噪比情况下目标的雷达一维距离像性能较差的问题,提出利用小波去噪以增强目标一维距离像的方法.对去噪后的目标一维距离像提取归一化中心矩,分别采用径向基函数网络和BP网络进行分类识别;在分析了两类网络用于分类识别特点基础上,指出具有不同拓扑结构和传递函数的神经网络对于各类训练样本分布状况的学习和描述能力不同,提出了一种综合利用两种网络做融合识别的新方法.通过对5类飞机暗室测量数据的实验,验证了上述方法的有效性.     

雷达目标一维高分辨距离像的特性分析及预处理方法研究

目标高分辨距离像已经广泛应用于雷达目标识别中。但高分辨距离像对目标的运动很敏感,而且易受到杂波的干扰。针对这一问题,为了克服目标高分辨距离像的姿态敏感性和平移敏感性,利用小波去噪、平均距离像等方法得到关于目标更为稳定的高分辨距离像。对高分辨距离像的仿真实验表明,该方法获得的结果比直接结果具有更高的精度和可靠性。     

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。     

高距离分辨率极化雷达目标匹配识别研究

本文提出一种基于高距离分辨率极化雷达体制的雷达目标相关匹配识别新方法。首先介绍了雷达目标多维极化距离像匹配识别的原理,然后介绍了多维相关匹配表达式的构造方法。最后利用雷达目标测量数据进行了目标识别的实验。理论分析和实验结果表明：极化信息的有效利用,可以提高雷达的目标识别性能。     

MUSIC超分辨距离像在雷达目标识别中的问题

基于Li和Wang提出的提高距离分辨率有利于提高距离像的姿态稳定性这一结论，不少研究者利用超分辨距离像进行目标识别。文中从高分辨雷达目标的简单散射点模型理论出发，分析了距离像的分辨率与目标姿态敏感性的关系，并且结合仿真实验，详细分析了MUSIC超分辨距离像用于目标识别时对目标姿态、散射点个数、信噪比的敏感性等问题。     

基于高分辨率一维距离像雷达目标识别研究

基于一维距离像的目标识别是雷达目标识别的一种重要方法。本文利用最大相关系数法（MCC）和主分量分析方法（PCA）对目标一维距离像进行目标识别。针对一维距离像的目标姿态敏感性,分析了最大相关系数法和PCA特征提取方法的原理,并通过3种目标的实测数据进行分类实验,表明该算法的有效性。     

基于线性内插神经网络的雷达目标一维距离像识别

本文提出一种新颖的神经网络模型－－线性内插神经网络用于雷达目标一维距离像识别,它可避开提取不变特征的难点,利用目标一维距离像特征随姿态变化的信息来提高目标识别性能,实验结果表明,采用ＬＩＮＮ很好地解决了在大的廨范围内识别目标时所存在的计算量与识别率的矛盾,提高了雷达对任决任意姿态目标的识别性能。     

雷达目标高分辨率距离—极化结构成像方法研究

在高频区（光学区），雷达目标回波可模型化为多个散射中心回波的合成，稳含着目标精密的几何形状信息；宽带高频雷达可以获得目标多散射中心在径向距离轴上的投影分布，即目标的一维距离像；对距离像上孤立的每个强散射中心进行极化描述，可获得其对应的单元散射体的几何结构特性；由多个单元散射体可构造出目标的结构图像，即距离－极化结构图像，文中主要给出了强杂背景下目标结构成像的原理，方法及其计算机仿真结果。     

宽带雷达一维高分辨距离像识别研究

对一维高分辨率距离像（HRRP）进行预处理,解决高分辨距离像姿态、平移和幅度敏感性问题。对HRRP进行了目标子空间提取,基于子空间使用最大相关系数法对目标进行识别。实验结果表明,基于子空间法的目标识别具有较好的识别结果和较快的处理速度。     

基于多重变换的一种雷达目标识别方法

利用多重变换，提出了一种雷达上述识别方法，将雷达回波信号与本振信号混频处理后采样，进行FFT，得到目标的一维距离像，计算其马氏距离，利用小波变换对马氏距离序列进行数据压缩，得到目标的特征向量，由相关识别法进行目标识别，由3类飞机模型测量数据的识别结果表明，该方法具有较高的识别率。     

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。     

基于双正交FDWT的雷达数据压缩和目标识别方法

本文由双正交共轭滤波器构造有限维内积空间的双正交多分辨分析和快速离散小波变换（ＦＤＷＴ），提出信号的对偶小波变换方法，并将其用于降低雷达数据存储量，提出双正交变换系数筛选方法以及基于压缩数据的小波域相关和最小距离分类方法，通过六 距离高分辩数据的分类实验，证明本文提出了的变换、压缩和识别方法是有效的。     

基于核支持向量最优变换矩阵的雷达目标一维距离像识别

提出了一种基于支持向量最优变换矩阵的雷达目标一维距离像识别方法。该方法利用支持向量构建类间散布矩阵和类内散布矩阵,结合零空间特性得到最优变换矩阵,该变换矩阵被用来从原始一维距离像中提取判别特征。对输入目标,利用欧式距离进行分类,以确定目标所属类别。对三类飞机的实测一维距离像数据进行了仿真实验,实验结果表明了该方法的有效性。