排序方式: 共有47条查询结果,搜索用时 31 毫秒
21.
目标一维距离像在雷达目标识别领域中具有很高的研究价值,神经网络有很强的自适应能力,被广泛应用于目标识别领域中。通过研究分析,将学习向量量化(Learning Vector Quantization, LVQ)神经网络应用于雷达目标一维距离像识别。针对LVQ神经网络对初始连接权值敏感的问题和如何增强网络的分类识别性能,提出利用粒子群优化(Particle Swarm Optimization, PSO)算法对其进行优化。在此基础上提出了基于PSO-LVQ神经网络的雷达目标一维距离像识别新方法。通过3类飞机实测数据实验,验证了PSO算法优化LVQ神经网络初始连接权值的可行性和PSO-LVQ识别算法的有效性。 相似文献
22.
在球不变随机向量(SIRV,Spherically Invariant Random Vector)的非高斯杂波背景下,提出了一种新的距离扩展目标检测器.给出了检测参数的简易确定方法,推导了虚警概率与检测阈值的解析表达式,证明了所提检测器的恒虚警率特性.仿真实验表明,在参数设置合理情况下,所提出的检测器性能远好于已有的两种距离扩展目标检测器.另外,随着阵元数、目标散射点个数及杂波尖峰的增加,检测器的性能得到提高;且该检测器对第三门限的选取和不同的杂波相关性均具有很好的鲁棒性. 相似文献
23.
24.
在辅助数据缺失的非高斯杂波背景下,采用两步法设计策略研究了距离扩展目标检测方法.首先,在杂波纹理分量已知的条件下,对待检测数据进行高斯化,利用高斯背景下杂波协方差矩阵和目标散射点幅度的合适估计,建立检验统计量.其次,利用待检测数据在信号子空间正交补上的正交投影,估计杂波纹理分量,提出了基于子空间的距离扩展目标自适应检测器,并证明了其对杂波纹理分量的恒虚警率(CFAR,Constant False Alarm Rate)特性.仿真结果表明,在典型非高斯背景下,所提检测器的CFAR特性和检测性能均优于对比检测器;另外,阵元数、目标距离单元数或杂波尖峰的增加,能不同程度改善检测性能. 相似文献
25.
本文研究了球不变随机向量杂波背景下的距离扩展目标检测问题.给出了修正的距离扩展目标检测器MSDD,推导了相应的虚警概率与检测阈值的解析表达式.MSDD需要事先估计目标散射点个数,而散射点个数估计失配时会出现严重的信杂比损失,针对这一问题,利用有序数据方差估计散射点个数,提出了ODV-MSDD检测器.仿真结果表明,ODV-MSDD对目标所占距离窗的大小具有很好的鲁棒性,并且其检测性能随着目标散射点个数、阵元数以及杂波尖峰的增加而提高.与MSDD相比,ODV-MSDD能根据实际观测数据自适应地估计散射点个数,有效提高检测器性能,增强系统的鲁棒性. 相似文献
26.
研究了复合高斯杂波下的距离扩展目标自适应检测问题.基于辅助数据,利用采样协方差矩阵(SCM)和迭代(RE)估计矩阵,建立了自适应检测器AMSDD和基于动态阈值的ADT检测器,并分析了检测器的恒虚警率(CFAR)特性.理论分析表明,基于SCM的检测器只能保持对杂波协方差矩阵结构的自适应特性;而基于RE的检测器能同时获得对杂波协方差矩阵结构和纹理分量的CFAR特性.性能分析表明,对于AMSDD和ADT来说,与采用SCM估计器相比,采用RE估计器能使检测器获得更好的CFAR特性和检测性能.另外,基于RE的ADT检测器在目标散射点个数失配时具有很好的鲁棒性. 相似文献
27.
28.
研究了分布式目标在球不变随机变量杂波中的检测问题,提出了一种具有恒虚警特性的双门限广义似然比检测器。分布式目标建模为子空间信号,在距离维和多普勒频率维同时扩展.第一门限的作用是筛选信杂比高的待检测距离单元.将选出的距离单元进行能量积累并与第二门限进行比较做出判决.假设杂波协方差矩阵已知,构造了双门限检测器,并通过推导检测器虚警概率说明其具有恒虚警特性.将基于辅助通道数据的杂波协方差矩阵的估计值替换假设已知的杂波协方差矩阵,得到一个自适应检测器.通过Monte Carlo仿真进行性能分析,说明检测器的有效性和鲁棒性. 相似文献
29.
30.