基于核函数的雷达一维距离像目标识别

该文分析了基于核函数的三大模式识别方法(支持向量机、非线性主分量分析、非线性判别分析)的分类机理,并将其应用于雷达一维距离像目标识别中。用3种飞机实测雷达距离像数据样本进行识别研究,结果表明对于雷达目标距离像识别,支持向量机方法较其它两种方法更为有效,并对实验结果给出了合理的解释。     

随机运动误差对双基地SAR的分辨率影响

 根据双基地SAR(Synthetic Aperture Radar)的随机运动误差特性,分析了由随机运动误差引起的相位误差对双基地SAR系统的分辨率影响.推导了在零均值运动误差下的均方根分辨率解析表达式.结合此表达式,确定了存在随机运动误差的系统中,选择高斯函数可以作为系统的最优加权函数以获得最优均方根分辨率,并推导了最优均方根分辨率的闭式解表达式.仿真结果验证了闭式解的有效性.     

单次快摄的局部散射源中心波达方向估计方法

利用均匀线阵单次快摄数据矩阵的行列式空间不变性,提出了一种新的局部散射源中心波达方向估计方法.该方法给出了参数估计的闭式解,无需计算样本协方差矩阵或数据矩阵的特征分解,具有简单快速的优点.     

LOS/NLOS混合环境中的粒子滤波跟踪算法

扩展卡尔曼滤波算法在直达波(Line-Of-Sight,LOS)和非直达波(None-Line-Of-Sight,NLOS)混合环境中存在显著的误差。该文根据混合噪声概率密度函数的数值近似公式,提出了一种基于传播环境LOS/NLOS二元状态信息的粒子滤波算法。仿真结果表明,利用了二元环境信息和混合噪声密度的粒子滤波算法能明显改善对移动目标的跟踪估计精度。     

基于NMFs-LDA的雷达目标距离像识别

基于NMFs(非负矩阵稀疏分解)和LDA(线性辨别分析),提出了一种新的雷达目标一维距离像识别方法。该方法首先用非负矩阵稀疏分解提取原数据的局部特征,然后用线性辨别分析方法对提取的特征进行进一步的处理,最终实现降维和特征提取的目的,接着采用最邻近中心法对处理后的特征进行分类,最后用3种不同类型飞机实测回波数据进行识别实验,并与经典的PCA-LDA方法相比较,结果表明该方法具有更好的识别性能。     

基于最优变换和聚类中心的雷达目标成像识别

提出了一种基于最优变换和聚类中心的雷达目标成像识别方法。该方法利用一种最优变换减少同类之间差异以及通过在子像空间选定一组最优聚类中心来增大异类之间差异，提高雷达目标识别率。仿真实验结果表明了该方法的有效性。     

基于盲信号分离的分布式目标DOA估计方法

在分布函数未知或数学形式不同的分布式目标同时存在的情况下,研究了一种基于盲信号分离的相干分布式目标一维搜索DOA估计方法。仿真实验结果表明,这种分布式目标DOA估计方法具有分布参数门限现象,DOA估计性能对其他信号源的分布参数不敏感。     

抑制非直达波误差的高阶矩方法

加权线性最小二乘定位算法在直达波传播条件下具有良好的定位性能,但是,在测量误差是非直达波传播导致的非对称分布时,常规的处理方法因为未考虑测量误差的高阶矩信息,仍存在进一步改善的余地.本文提出了一种抑制非直达波测量误差的高阶矩算法,目前常用的测距定位算法仅是该算法在直达波传播环境中的特例.仿真实验表明,该方法能够较明显的抑制恶劣的非直达波传播环境对测距定位性能的不良影响.     

一种相干式分布源DOA估计的ESPRIT算法

本文研究了相干分布式信号源条件下的波达方向(DOA)估计问题.现有的分布式信号源模型的DOA估计方法一般需要假设描述分布式目标信号源模型的角信号分布函数具体的数学形式已知,并需求解2维或高维非线性参数估计问题.在角信号分布函数具体的数学形式未知的条件下,本文利用角信号分布函数的共轭对称性,提出了一种相干式分布源DOA估计的ESPRIT算法.该方法估计性能优于常规ESPRIT算法,与相干分布式目标特征值搜索方法相比,运算量较小,且避免了估计结果的模糊性问题.     

改进的ReliefF算法用于雷达距离像目标识别

提出了一种改进的ReliefF算法,并将其用于雷达高分辨距离像(high resolution range profile,HRRP)目标识别。与传统ReliefF算法相比,新算法通过在每类目标中等距离间隔抽取相同数量样本的方式进行权值累积,降低了样本数量及分布差异等因素对特征权值的影响,得到了更稳定有效的特征权值。利用此权值不但可降低特征向量维数,并可对最小距离分类器加权,提高目标识别率。最后,对5种不同飞机实测数据的识别结果表明本算法可达到83%的平均识别率。