共查询到16条相似文献,搜索用时 140 毫秒
1.
基于二维小波变换的激光成像雷达目标识别算法 总被引:1,自引:0,他引:1
提出了基于二维小波变换的激光成像雷达目标识别算法,首先对激光成像雷达目标的距离像进行二维小波变换;然后从近似分量和细节分量中提取奇异值特征,利用遗传算法对支持向量机参数进行智能优化;最后应用支持向量机对三种地面目标进行识别.仿真实验表明,该方法与直接应用距离像奇异值特征进行识别的方法相比,在高载噪比20dB时的平均识别... 相似文献
2.
基于组合矩的激光成像雷达目标识别算法 总被引:2,自引:0,他引:2
随着激光技术的发展,激光成像雷达在现代战争复杂战场环境中逐渐获得了广泛的应用,目前激光成像雷达自动目标识别技术已成为国内外研究的热点问题。提出了基于组合矩的激光成像雷达目标识别算法,从激光成像雷达目标的距离像中提取低阶的Zernike矩、Hu矩和中心矩构成组合矩特征,该特征对距离像噪声不敏感,应用径向基函数(RBF)神经网络对三种地面目标进行分类识别。实验结果表明,该算法与应用Zernike矩和Hu矩特征进行分类识别相比,对三种激光成像雷达地面目标的平均识别率在高载噪比(20dB)下分别提高了1.0%和3.7%;在低载噪比(10dB)下分别提高了11.8%和42.5%;当载噪比高于17dB时,该算法的平均识别率达到100%。因此该算法取得了比较好的识别效果。 相似文献
3.
穿墙雷达成像中,墙体反射杂波干扰严重,严重影响目标成像效果.子空间技术对回波信号矩阵进行奇异值分解后去除墙体子空间,可以有效的抑制墙体杂波干扰,在穿墙雷达成像中具有广泛的应用.该文针对子空间技术中墙体与目标子空间的划分这一难题,提出一种基于奇异向量平稳度分类的墙体子空间提取技术.该方法利用墙体回波信号的相关特征,根据奇异值分解后各个左奇异向量的平稳程度来精确划分墙体与目标子空间.实验结果表明,与现有技术相比,该方法对墙体子空间的确定更加精准有效,提高了穿墙雷达墙体杂波干扰抑制能力,改善了墙后目标的成像质量. 相似文献
4.
5.
6.
基于数字信号处理器的激光成像雷达目标识别算法实现 总被引:4,自引:1,他引:4
激光成像雷达的空间分辨率较高,能成四维像(强度像 三维距离像),适合作目标识别探测器.支持向量机(SVM)是一种能在小样本学习的情况下,仍有较高识别正确率的目标识别方法.通过优化支持向量机算法,将它嵌入到激光成像雷达系统的数字信号处理器(DSP)芯片内,实现目标识别的功能,有很高的现实意义.首先用真实激光成像雷达强度像做实验,测试56个样本,共耗时31.97μs,证明嵌入到数字信号处理器的支持向量机算法能满足实时性要求,识别正确率为98.2%;再用仿真激光成像雷达距离像验证支持向量机的推广能力,证明支持向量机在实时性和识别性能两方面都能满足激光成像雷达的识别要求. 相似文献
7.
8.
激光成像雷达能成清晰的目标三维距离像和一维强度像,可提高目标识别率,因而成为国际上的研究热点.当大视场高分辨率激光成像雷达垂直探测目标时,视场内目标增多,要求目标识别算法既能同时检测多目标,又要具有平面内旋转不变性.为了满足上述要求,提出将具有平面内旋转不变性的CHF-MACH相关滤波器和支持向量机(SVM)相结合,组成一种新的目标识别系统,其中相关滤波器能同时检测定位多个感兴趣目标,再用SVM分别对图像内的已定位的目标进行识别.以仿真激光成像雷达图像为实验数据,分别对4类目标进行识别.实验结果表明,CHF-MACH滤波器对本类目标有较好的检测率,对非本类目标有一定的抑制作用;SVM能以较高的精度分类已检测目标.所以,该方法能有效地对大视场内多目标进行识别,适用于激光成像雷达. 相似文献
9.
10.
固体激光雷达的发展现状 总被引:6,自引:0,他引:6
文中首先分析了半导体激光成像雷达和二极管泵浦固体激光成像雷达的发展现状,介绍了90年代初出现的一种商品化的微型DPL脉冲激光雷达和一种半导体成像激光雷达的特点,指出进一步发展固态激光成像雷达的关键是高功率、高波束质量的辐射源、高灵敏度的接收技术,高性能的二维扫描技术和图像处理及目标识别算法。 相似文献
11.
12.
13.
14.
新体制成像激光雷达发展评述 总被引:1,自引:1,他引:1
概述成像激光雷达的军事应用前景及其对成像激光雷达的性能要求,重点论述几种新体制成像激光雷达(包括基于光学相控阵的电扫描成像激光雷达、非扫描3D成像激光雷达和合成孔径成像激光雷达)研究工作的新进展。 相似文献
15.
概述成像激光雷达的军事应用前景及其对成像激光雷达的性能要求,重点论述几种新
体制成像激光雷达(包括基于光学相控阵的电扫描成像激光雷达、非扫描3D成像激光雷达和合成孔径成像激光雷达)研究工作的新进展。 相似文献
16.
为解决在雷达信号分类识别过程中训练样本较少的问题,本文提出了联合主动学习和半监督学习,并对其伪标记样本进行迭代验证改进的分类算法。针对复杂的电磁环境下雷达信号识别率低的问题,本文将径向高斯核时频分析应用于雷达信号,并对时频分布进行奇异值分解,提取出奇异向量作为雷达信号识别的特征参数。针对传统的半监督主动学习算法的不足,利用改进的半监督主动学习算法构建分类器,该算法通过对伪标记样本进行迭代验证来提高伪标记信息的准确性,从而改善了最终的分类性能,实现了在可获取的有标签样本数量较少的条件下对雷达信号的高概率识别。仿真结果表明,本文提出的特征识别方法可以获得较高的识别率。 相似文献