排序方式: 共有32条查询结果,搜索用时 15 毫秒
1.
针对多极化雷达高分辨距离像(HRRP)识别中数据量大、分布复杂和识别算法复杂的问题,提出了基于核函数的识别方法.该方法首先定义了两种基于多极化HRRP的核函数,然后将其分别应用到核主分量分析(KPCA)中降维和提取特征,最后采用最近邻(1NN)分类器和支持矢量机(SVM)分类器对目标进行分类.该方法可以在不丢失极化信息的情况下,将多极化HRRP作为一个整体进行识别,降低了识别算法的复杂度.多极化HRRP数据的仿真实验结果显示,该方法的识别率比单极化HRRP提高7%~10%;与其他多极化HRRP识别方法相比,该方法不仅降低了提取特征的维数,而且还提高了识别性能. 相似文献
2.
基于贝叶斯理论的一种接力跟踪方法 总被引:2,自引:0,他引:2
为了能够利用目标运动信息的先验知识以提高系统的检测和跟踪性能,该文将基于贝叶斯理论的检测跟踪联合处理方法应用于接力跟踪系统中。该方法在贝叶斯理论框架下能够利用系统已经获得的目标运动信息的先验知识,从而提高系统的性能。另外,考虑到计算复杂度,该文给出了一种简化的实现方法多点贝叶斯检测跟踪联合处理方法。该简化方法能够利用基于贝叶斯理论的检测跟踪联合处理方法的优点,同时可以按照系统的计算能力确定并行搜索的点数,以控制系统的计算复杂度。计算机仿真实验表明,在接力跟踪系统中应用基于贝叶斯理论的检测跟踪联合处理方法能够改善系统的检测和跟踪性能。 相似文献
3.
有源干扰条件下机载MIMO雷达STAP协方差矩阵秩的分析 总被引:1,自引:0,他引:1
该文分析了正侧阵机载MIMO雷达杂波加有源干扰协方差矩阵的结构,得到杂波加有源干扰协方差矩阵秩的上界为杂波的秩与有源干扰的秩之和减去有源干扰个数。并由此得到MIMO雷达杂波加有源干扰协方差矩阵非满秩而SIMO雷达杂波加有源干扰协方差矩阵满秩时有源干扰个数的范围。当有源干扰的数目在此范围时,SIMO雷达的理论性能严重下降,而MIMO雷达在理论上仍然有足够的自由度来抑制杂波和有源干扰,从而保证有较好的性能。通过仿真实验验证了上述结论。 相似文献
4.
5.
针对散射中心重叠的情况,利用散射中心空域及其散射机理的稀疏特性,提出一种基于全极化属性散射中心模型的合成孔径雷达目标属性特征提取算法.根据散射中心空域与散射机理的稀疏特性,对目标的极化分解系数矩阵分别施加行稀疏约束与矩阵稀疏约束.由于极化散射机理字典包含未知参数,在此采用坐标轮回下降法分别估计极化分解系数矩阵与极化散射机理字典,同时提取属性散射中心及其极化特征等属性特征.基于电磁计算数据的实验结果,验证了该算法能够利用极化信息提取散射中心的属性特征. 相似文献
6.
7.
8.
Within an adaptive interacting multiple model (IMM) framework, an approach to selecting the transmitted waveform of radar is proposed. The adaptive IMM algorithm is attained when the constant-velocity (CV) model and the current statistical model are applied to the IMM filter. Firstly, the error ellipse orthogonal method is derived from information theory, and an equivalent form is given in terms of control theory. According to the equivalent form, the range and velocity tracking error can not be adjusted effectively using the error ellipse orthogonal method. To solve this problem, an adaptive transmitted waveform selection approach is proposed based on the minimum mean-squared error, combining with the adaptive IMM algorithm. Simulations show that the proposed algorithm is feasible and effective. 相似文献
9.
10.
针对机动目标跟踪的雷达发射波形选择 总被引:1,自引:0,他引:1
该文首先在交互多模型(Interacting Multiple Model, IMM)算法的框架下,选择常速模型和自适应加速度模型作为状态模型,以应对实际中非合作目标的非机动与机动状态,并将此算法称为自适应IMM算法。然后针对机动目标跟踪时,雷达发射波形的选择需要兼顾测距测速性能与多普勒容忍性的问题,提出将V型调频(V-Linear Frequency Modulated, V-LFM)信号作为发射波形。通过分析多脉冲线性调频信号,V-LFM信号和M序列3种信号对目标距离和速度估计性能的克拉美罗下界(Cramer-Rao Lower Bound, CRLB)与多普勒容忍性表明,V-LFM信号可以在较少多普勒容忍性损失的情况下,有效提升对目标距离和速度的估计精度。仿真结果表明:发射多脉冲V-LFM信号并采用自适应IMM算法,可以明显提高雷达系统的跟踪性能。 相似文献