排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
2.
传统雷达多次回波分类方法容易受到目标类型和幅度起伏特性等因素的影响,其泛化性和准确性难以满足雷达装备实际需求。针对该问题,提出了一种采用集成装袋树的雷达多次回波分类方法。该方法首先对雷达多脉冲回波数据进行幅度对数变换和相邻脉冲幅度补齐预处理操作,然后利用决策树算法从标注的训练数据中学习雷达多次回波在脉冲维的幅度起伏特征,最后通过多个分类器的集成实现对雷达多次回波的准确分类。实测雷达数据验证结果表明,所提方法分类准确率达到了95.9%,可有效提升雷达多次回波的分类性能,并且不依赖于经验门限的特性,增强了其泛化能力。 相似文献
3.
4.
针对雷达对海探测中海杂波抑制问题,研究了基于能量选择的改进可调Q小波变换(TQWT)海杂波抑制算法。根据目标和海杂波振荡属性差异,通过TQWT将回波信号分解到不同子带的小波系数中,并利用基追踪去噪(BPD)对小波系数稀疏优化后进行目标重构。为更好的重构目标信号,文中基于子带能量最优分布准则,提出了能量选择法,提取目标能量占优层级的小波系数进行重构,实现目标与海杂波的有效分离。论文分析了雷达观测时间对算法性能的影响,为该方法的工程应用提供指导。通过在CSIR公开数据集上进行实验,结果验证了该算法的性能,改善了输出信杂比。 相似文献
5.
传统雷达空中目标识别方法容易受到杂波和有效特征难挖掘等因素影响,其识别准确率难以满足实际雷达系统的目标识别需求。为了改善雷达对空中目标的识别性能,提出一种基于时频谱图和卷积神经网络(convolutional neural network, CNN)的空中目标识别方法。该方法首先提取雷达目标检测点迹所在距离单元的多脉冲回波数据,然后通过杂波抑制和基于CLEAN算法的雷达目标机身分量消除,得到以目标微多普勒分量为主的时域回波数据,接着通过短时傅里叶变换得到目标微多普勒时频谱图,最后利用时频谱图对设计的卷积神经网络进行训练和测试,实现喷气式飞机、直升机、螺旋桨飞机三类典型空中目标的识别。实测雷达数据测试结果表明,所提方法对三类飞机目标的识别准确率高于传统方法。所提方法避免了传统人工提取微动统计特征,消除了杂波与机身分量的影响,提高了雷达对空中目标识别的性能。 相似文献
1