检索结果-内蒙古大学图书馆

作者：杨浩蔚西安电子科技大学

学位级别：硕士

高分辨距离像(HRRP)是由雷达发射宽带信号获取的目标散射点子回波在雷达视线上投影的矢量和,包含了丰富的目标结构信息,对雷达自动目标识别(RATR)具有重要意义。近年来,随着高分辨率雷达技术的发展,HRRP数据的获取更加容易,这为RATR技... 详细信息

高分辨距离像(HRRP)是由雷达发射宽带信号获取的目标散射点子回波在雷达视线上投影的矢量和,包含了丰富的目标结构信息,对雷达自动目标识别(RATR)具有重要意义。近年来,随着高分辨率雷达技术的发展,HRRP数据的获取更加容易,这为RATR技术的发展带来了机遇和挑战。一方面,积累的大量HRRP数据使得深度学习等先进方法的应用成为可能,有望大幅提升识别性能;另一方面,“大数据、小样本”问题也逐渐凸显出来,即HRRP数据在规模上的扩张未必能带来信息量的显著增加,数据集中可能包含大量冗余、无效甚至错误的样本。如果直接使用全部数据构建识别数据库训练识别模型,可能会引起模型结构冗余和训练过程低效,甚至可能导致识别性能下降。为此,必须对HRRP数据集进行必要的清洗、筛选等简约处理,并选取或生成具有代表性的高质量样本构建数据库。本文研究了基于原型学习的数据集压缩方法,使用原型集取代原始数据集构建识别数据库,在增强数据可用性的同时,提升了模型的识别效率和精度。本文主要内容概括如下: (1)提出了一种基于采样概率与二阶优化器的原型选择模型。该模型为原始数据集中的每个样本学习一个采样概率,据此对原始数据集采样构建初始原型集,然后使用该原型集训练模型进而更新采样概率,重复以上过程逐步提高原型集的质量。在上述优化过程中,原型集内样本规模较小容易导致模型训练陷入局部最优,因此使用了一种基于空间平滑和时间平滑的高效二阶优化器,在加快模型收敛的同时能够获得更优的模型参数;此外,更新采样概率涉及复杂隐式梯度计算,因此提出了一种基于策略梯度思想的采样概率梯度估计器,节省了计算资源。实验结果表明使用所提模型选取的原型集训练的网络模型均具有较好的识别性能。 (2)提出了一种基于高效参数匹配与模型增强的原型生成模型。该模型通过参数匹配策略匹配两者在网络模型训练过程中模型参数的更新轨迹来优化原型集。一方面,针对传统参数匹配策略有效性不足的问题,提出了一种高效参数匹配模块,该模块使用包含类内与类间梯度信息的多级梯度匹配以及包含梯度间大小与角度关系的改进型距离函数来优化原型集;另一方面,为生成适用于多种初始化网络模型的原型集,提出了一种模型增强模块,该模块使用早期模型和权重扰动技术措施生成具有丰富信息且多样化的特征空间,从而在优化开始时刻便可捕获信息丰富的目标特征。实验结果表明使用所提模型生成的原型集能够从原始数据集中捕捉到准确的数据分布,训练的网络模型也都具有较好的识别性能。

关键词：高分辨距离像雷达自动目标识别识别数据库原型学习原型选择原型生成

来源：评论

学校读者我要写书评

暂无评论

基于稀疏表示的雷达高分辨距离像目标识别算法研究

基于稀疏表示的雷达高分辨距离像目标识别算法研究

引用

作者：段沛沛西北工业大学

学位级别：博士

雷达高分辨距离像蕴含了目标沿距离方向呈现出的物理结构信息,相比于其他同样具备高分辨特性的高维像,它不仅易于获取,还相对易于处理,为高效、准确地识别目标提供了一种可靠依据。近年来,依其开展的识别策略研究,已成为该领域的一类探... 详细信息

雷达高分辨距离像蕴含了目标沿距离方向呈现出的物理结构信息,相比于其他同样具备高分辨特性的高维像,它不仅易于获取,还相对易于处理,为高效、准确地识别目标提供了一种可靠依据。近年来,依其开展的识别策略研究,已成为该领域的一类探索热点。但是,由于实际识别应用往往发生在复杂的环境当中,且大多针对非合作目标开展,因此面临低信噪比、小样本、难以稳健提取特征或分析繁琐等识别难题。为了能依据这类数据准确、高效地完成识别,本文尝试基于稀疏表示理论,深入、细致地对高分辨距离像目标识别系统的架构、核心技术开展理论研究及实验分析。本研究的主要内容及创新有:1.分析了高分辨距离像成像机理及其数据特性,回顾稀疏表示相关基本理论,并提出了一类将稀疏理论用于雷达目标识别的技术方案,明确了这类识别策略的整体设计框架、核心问题及技术难点。2.提出了一类基于结构字典稀疏表示实现目标识别的算法。文中从三个方面展开了研究:在将原始Gabor字典依结构参数分割为若干子库的基础上,探讨了一类可用部分原子简化子库表达,借由子库组合保持表达能力的结构字典;探讨了一类借助寻优及快速运算提升迭代分析收敛性能及分解速度的改进的快速匹配追踪算法;提出了一种目标识别策略,确定了稀疏表示在雷达目标识别中的具体应用模式,并进行了仿真验证。实验证明,依据稀疏理论开展的目标识别研究,切实可行且准确有效。相比常规的降维识别策略,利用此类方法可缓解目标识别所面临的数据处理压力,并取得更好的识别效果。3.提出了一类依据联合字典稀疏表示实现目标识别的算法。算法实现涉及三部分内容:探讨了一类由多个表达属性各异的正交子字典组合构造的联合字典,这类字典既具备冗余原子集的表述优势,还为快速达成样本的稀疏表示提供了可能;探讨了一种通过逐批筛选表达原子而改良的分组匹配追踪策略,以提升对样本的稀疏逼近分析速度;结合前两者提出了一种对距离像样本开展稀疏逼近分析,筛选其内特征,进而识别目标的方法。为了提升识别策略的实用性,算法还尝试依信噪比调控其内稀疏分解参数,以改善算法抗噪性能。实验测评表明:相较同类识别策略,该算法求取更为便捷,适用范围有所拓展;相比不同类型的常规识别策略,该算法抵御噪声的能力有所提升,识别效果更优。4.提出了一种基于双稀疏字典学习理论开展自适应目标识别分析的算法。文中借助自适应分析策略达成目标识别,并从两个方面展开研究:探讨了一类双重稀疏策略,用以对学习字典及距离像样本二者分别执行稀疏逼近分析;探讨了一类逐段快速分解方法,用以达成对样本的快速稀疏编码。训练阶段中,通过对训练样本进行动态分析,将能自适应地求取与之更契合的类别表述字典;测试阶段中,则将使用所得类别字典表达测试样本,并依据表述准确率完成目标类别判定。实验表明,相比其他同类算法,该算法能自适应地对样本开展快速稀疏逼近分析,可取得更为精准的类别表达字典,因而具备更好地识别性能,且适用范围更广;相比其他类型的常规识别算法,该算法因稀疏表示理论的引入,缓解了数据分析压力,在保证识别效果的同时,实时可操作性更强,更具实用性。

关键词：雷达自动目标识别高分辨距离像特征选择稀疏表示字典学习双重稀疏

来源：评论

学校读者我要写书评

暂无评论

基于微多普勒效应特征的空中目标识别

引用

舰船电子对抗 2023年第4期46卷 60-65页

作者：孟凡君杨学岭吴鑫管志强中国船舶集团有限公司第八研究院江苏南京211153 南京航空航天大学江苏南京211153

特征提取是基于微动特征雷达目标识别的关键一环。传统方法提取的特征为线性、浅层的,导致表征微多普勒效应的能力有限。针对这些问题,采用非线性网络进行特征学习,建立了基于微多普勒效应的飞机目标识别深度网络。通过构建处理微多普... 详细信息

特征提取是基于微动特征雷达目标识别的关键一环。传统方法提取的特征为线性、浅层的,导致表征微多普勒效应的能力有限。针对这些问题,采用非线性网络进行特征学习,建立了基于微多普勒效应的飞机目标识别深度网络。通过构建处理微多普勒效应的卷积神经网络(CNN)模型,从微多普勒频域数据中自动提取非线性深层次属性特征,实现空中目标分类识别。在实际测量的微多普勒频域数据上的大量实验结果表明,所提方法具有良好的目标识别性能和泛化性能。

关键词：微多普勒效应特征提取雷达自动目标识别卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于复数网络的雷达高分辨距离像目标识别方法研究

基于复数网络的雷达高分辨距离像目标识别方法研究

引用

作者：李婉萍西安电子科技大学

学位级别：硕士

原始高分辨距离像数据为复数,不仅可以体现非常多的目标结构信息,还有可高速处理、容易获取等优势,让它在自动目标识别领域有着很高的关注度,并出现在各种研究方向的实验中。本文的主要研究基于神经网络对雷达HRRP的目标识别算法研究。... 详细信息

原始高分辨距离像数据为复数,不仅可以体现非常多的目标结构信息,还有可高速处理、容易获取等优势,让它在自动目标识别领域有着很高的关注度,并出现在各种研究方向的实验中。本文的主要研究基于神经网络对雷达HRRP的目标识别算法研究。目前的大部分雷达HRRP目标识别方法,为了处理复HRRP的初相敏感性,都只使用了他们的包络信息而去除了相位部分。如何有效利用原始复数样本中的全部信息是本文的核心研究内容。本文对复HRRP特性与如何将深层神经网络用于HRRP目标识别任务深入研究,提出利用复数网络对复HRRP进行目标识别并进行实验说明,具体内容概括如下:1.研究了高分辨距离像目标识别的基本原理。讨论了HRRP的敏感性问题、传统的分类器设计,并以AGC分类器为例做对比实验验证不同预处理方法的作用,结果也显示出预处理对识别结果有显著影响。2.研究了复数高分辨距离像的统计特性。从数学角度对复HRRP的特性进行了详细地介绍,分析了初相对目标识别的影响,解释了不同距离单元的复数高分辨距离像的实部与虚部相互独立的合理性,并且根据复HRRP的分布特性有针对性的设计了预处理步骤,为后续研究复数网络提供了一定的理论基础。3.研究了基于实数网络的雷达目标识别方法。大部分传统目标识别方法的结构都是浅层线性的,一般无法学习到可以利用于识别的深层特征。随着神经网络的发展,出现了许多基于深层神经网络的雷达目标识别方法。相比浅层线性方法,深层神经网络因为其结构特性可以学习到目标层次的有效特征,会有更好的识别性能。我们从基本神经网络入手,介绍了经典的卷积神经网络与残差神经网络,详细分析了它们的结构和工作原理,并将它们利用到对实HRRP的目标识别任务当中,实验表明深层神经网络的性能优于传统目标识别方法。4.研究了基于复数网络的雷达目标识别方法。针对常见目标识别方法去除相位信息,从而造成识别率受限的问题,提出使用复数网络和复数残差网络对复HRRP进行目标识别。介绍了复数网络模型中重要组成部分:复数卷积、复数激励函数、复数批归一化、复数参数初始化,和基于卷积网络的复数残差网络。在对复HRRP进行预处理后的基础上,使用双层复数卷积网络、三层复数卷积网络和双层复数残差网络进行目标识别实验,由于利用了复HRRP的相位信息,因此复数网络得到了高于基于实数网络的HRRP目标识别实验的识别率。

关键词：雷达自动目标识别深层神经网络复数网络雷达高分辨距离像

来源：评论

学校读者我要写书评

暂无评论

基于特征提取的雷达HRRP目标识别技术研究

基于特征提取的雷达HRRP目标识别技术研究

引用

作者：陈旺才南京航空航天大学

学位级别：硕士

由于雷达高分辨距离像(High Resolution Range Profile,HRRP)易于获取、数据量小和处理简单等特点,基于HRRP的雷达自动目标识别技术成为雷达信号处理的一个热点研究领域。利用高分辨距离像实现有效的雷达自动目标识别,对于维护国家领土... 详细信息

由于雷达高分辨距离像(High Resolution Range Profile,HRRP)易于获取、数据量小和处理简单等特点,基于HRRP的雷达自动目标识别技术成为雷达信号处理的一个热点研究领域。利用高分辨距离像实现有效的雷达自动目标识别,对于维护国家领土主权完整、推进雷达系统的认知化和智能化具有重要的理论意义和实际工程应用价值。本文重点针对基于HRRP的雷达目标识别技术中的特征提取问题展开具体研究,主要内容如下所述:(1)研究了高分辨距离像的敏感性消除方法,提出了基于帧内最大相似像的帧中心提取方法,该方法选取每个方位帧内与其他HRRP信号具有最大相似性的原始HRRP信号作为该方位帧的帧中心。相比于常用的平均向量帧中心,帧内最大相似像最大程度地保留了高分辨距离像的原始细节信息。(2)针对结构尺寸差别较大的不同目标,在提取等效目标长度、等效强散射点个数等几何结构特征的基础上,利用帧内最大相似像作为帧中心模板有效实现了雷达目标识别。实验表明,帧内最大相似像相比于平均向量的帧中心在基于几何结构特征的雷达目标识别中具有更好的识别效果。同时,提出了一种基于多支持向量机自适应加权融合决策的雷达HRRP目标识别方法,有效实现了多几何结构特征的决策级融合识别。(3)提出了一种基于选择主成分分析的雷达HRRP目标识别方法。该算法从提高重构信号可分性的思路出发,在基于主成分分析的雷达HRRP目标识别方法的基础上,利用Fisher准则选择不同目标间具有最大可分性的主分量对测试HRRP信号进行重构识别。实验表明,相比于基于核主成分分析的雷达HRRP目标识别方法,该方法在降低算法复杂度、提升算法实时性的情况下具有同样良好的识别效果。(4)提出了一种基于堆叠帧内最大相似像-轨迹相似性自编码器的雷达HRRP目标识别方法。该算法在利用深度自编码器自适应提取信号深层次特征的基础上,约束每个方位帧内的所有训练HRRP样本的重构频谱与帧内最大相似像的频谱之间的误差最小的同时,考虑到每个方位帧内训练HRRP样本的轨迹连续性特点,进一步约束相邻的训练HRRP样本的重构频谱之间的误差最小。实验表明,堆叠帧内最大相似像-轨迹相似性自编码器提取的不同目标的深层特征的可分性明显增强,进一步提升了基于深度自编码器的雷达HRRP目标识别效果。

关键词：高分辨距离像雷达自动目标识别帧内最大相似像几何结构特征选择主成分分析深度自编码器

来源：评论

学校读者我要写书评

暂无评论

基于小波自编码—循环神经网络的雷达HRRP目标识别技术研究

基于小波自编码—循环神经网络的雷达HRRP目标识别技术研究

引用

作者：张梦娇西安电子科技大学

学位级别：硕士

在宽带雷达不断发展的背景下,雷达的分辨率已经远小于目标尺寸,因此回波中的目标信号会占据较多的距离单元。雷达高分辨距离像(HRRP)是利用宽带雷达信号获取的目标散射子回波在雷达视线方向上投影的矢量和,它包含了在距离方向上,目标散... 详细信息

在宽带雷达不断发展的背景下,雷达的分辨率已经远小于目标尺寸,因此回波中的目标信号会占据较多的距离单元。雷达高分辨距离像(HRRP)是利用宽带雷达信号获取的目标散射子回波在雷达视线方向上投影的矢量和,它包含了在距离方向上,目标散射点的分布情况以及目标的尺寸等结构信息,同时易于获取和处理,对目标识别和分类有十分重要的价值,是雷达自动目标识别领域(RATR)研究的热点。本文考虑到雷达回波数据的频谱特征和距离单元之间的时序相关性,对基于雷达高分辨距离像的目标识别进行讨论和研究。论文的主要工作包括如下几个部分:第一部分首先针对高分辨距离像的物理特性以及预处理方法展开了讨论和理论分析。以雷达目标的散射点模型作为出发点,研究了雷达高分辨距离像的物理特性,并对HRRP目标识别中的方位敏感性,强度敏感性,平移敏感性这三个主要问题已有的解决的方案进行研究;接着介绍了信号的非平稳性和时频表示方法,如短时傅立叶变换和小波变换等;并对这两种方法的优点和不足分别进行讨论和分析。第二部分研究了基于循环神经网络的雷达高分辨距离像目标识别。首先对本文中实验所用的HRRP数据进行了详细的介绍。HRRP信号从雷达视线的方向来看,距离单元之间具有很强的时间相关性,然而传统的特征提取方法大部分没有考虑到HRRP数据内部的时间相关性,并且基于数据的几何物理特征的方式虽然有较为明确的物理概念,提取方式较为简单,但是需要人为干预,在雷达HRRP目标识别中依然有一定的局限性;而循环神经网络(RNN)是一种处理时序数据的有效模型,因此可以考虑利用其来实现HRRP数据的目标分类。为了提取对目标识别更有效的特征,考虑到HRRP数据的距离单元之间有时间相关性这一特点,首先对HRRP数据进行时序建模,将HRRP数据分割成时间序列并对RNN模型进行调整,实现HRRP的目标分类。最后,基于HRRP实测数据对基于循环神经网络的雷达高分辨距离像目标识别进行测试,并对不同的模型结果和HRRP时序化参数作出分析和讨论。第三部分重点研究了基于小波自编码-循环神经网络的雷达HRRP目标识别方法。第二部分主要讨论了循环神经网络和基于该网络的雷达HRRP目标识别方法,着重考虑了HRRP的时序相关性。而像HRRP这类非平稳信号,频域往往包含了信号在时域所没有的特性,如果单纯的只考虑信号在时域的信息,往往会忽略其他对识别有利的信息。因此希望设计一种端到端的模型,能够既考虑数据的时序信息,又利用数据的频域特性,使得模型提取的特征对最终的分类任务更有利。因此将小波自编码网络和循环神经网络相结合,并对解码器的权值进行设计。实验结果表明,利用小波自编码-循环神经网络提取的隐单元特征既能够有一定的频域特性,还直接受到目标分类任务的影响,有很好的识别效果。

关键词：高分辨距离像雷达自动目标识别自编码稀疏自编码循环神经网络过完备基小波变换

来源：评论

学校读者我要写书评

暂无评论

基于循环神经网络的宽带雷达一维距离像目标识别

基于循环神经网络的宽带雷达一维距离像目标识别

引用

作者：张钧淞西安电子科技大学

学位级别：硕士

宽带雷达一维距离像是目标三维结构在雷达视线方向的投影,可以反映观测目标的结构特征,具有成像实现简单,易于获取,计算量和存储量小等优势,是目标识别的重要特征。因此,基于宽带雷达一维距离像的目标识别问题一直以来都是雷达自动目标... 详细信息

宽带雷达一维距离像是目标三维结构在雷达视线方向的投影,可以反映观测目标的结构特征,具有成像实现简单,易于获取,计算量和存储量小等优势,是目标识别的重要特征。因此,基于宽带雷达一维距离像的目标识别问题一直以来都是雷达自动目标识别(Radar Automatic Target Recognition,RATR)领域的研究热点。近年来,循环神经网络(Recurrent Neutral Network,RNN)在基于序列数据的自然语言处理和语音识别等方面取得了大幅超越传统方法的性能,宽带雷达一维距离像作为反映目标特性的序列数据,其目标识别问题与循环神经网络模型可以很好地结合起来。因此,深入研究基于循环神经网络的宽带雷达一维距离像目标识别方法,具有重要的理论意义和应用价值。本论文的主要研究工作如下:1.研究了宽带雷达一维距离像的成像原理,深入分析了宽带雷达一维距离像的特性,并给出相应的预处理方法。随后,总结了雷达一维距离像目标识别中常用的特征提取方法,并介绍了通用的雷达一维距离像目标识别流程以及两种雷达一维距离像目标识别常用方法。2.提出了基于循环神经网络的宽带雷达一维距离像目标识别方法。首先,介绍了循环神经网络模型的模型结构以及其计算单元的工作原理,并给出了两种改进的循环神经网络单元结构。随后,根据不同计算单元的工作原理,推导出对应每种计算单元的梯度反向传播公式,将其与循环神经网络模型的参数优化算法结合,形成循环神经网络模型的训练算法。最后,建立起基于循环神经网络的目标识别系统工作流程,并依据该流程实现雷达一维距离像目标识别系统,在实测数据集中对目标识别系统的识别性能以及噪声稳健性进行了测试与分析,并与两种常用目标识别方法进行了性能对比。实验分析表明,基于循环神经网络的宽带雷达一维距离像目标识别方法在识别性能和噪声稳健性方面均超越了传统目标识别方法。3.提出了复杂循环神经网络结构的设计及其目标识别方法。首先,将神经网络模型正则化方法引入循环神经网络,并给出了具体的实现流程。随后,从序列信息的上下文综合和序列信息特征深度提取的角度,利用循环神经网络模型的结构灵活性,分别设计了双向循环神经网络、多层循环神经网络和多层双向循环神经网络三种用于目标识别的复杂网络结构。最后,结合目标识别模型设计以及模型的正则化方法,对多种改进的循环神经网络结构在实测数据集中进行了识别性能以及噪声稳健性的测试与分析。实验结果表明,设计合理的循环神经网络结构有助于提升目标识别系统的性能。

关键词：雷达自动目标识别宽带雷达一维距离像特征提取循环神经网络网络结构设计正则化

来源：评论

学校读者我要写书评

暂无评论

雷达高分辨距离像小样本目标识别方法研究

雷达高分辨距离像小样本目标识别方法研究

引用

作者：李伟一西安电子科技大学

学位级别：硕士

雷达自动目标识别技术(RATR)是当前目标识别研究领域的一个热点方向。RATR技术对提高国防能力、军队指挥自动化水平具有重要意义。近些年,随着宽带雷达技术的快速发展,雷达信号的分辨率不断提高,基于高分辨距离像(HRRP)的雷达目标识别... 详细信息

雷达自动目标识别技术(RATR)是当前目标识别研究领域的一个热点方向。RATR技术对提高国防能力、军队指挥自动化水平具有重要意义。近些年,随着宽带雷达技术的快速发展,雷达信号的分辨率不断提高,基于高分辨距离像(HRRP)的雷达目标识别的研究和应用不断涌现。但是当HRRP的维度相对样本量太大或者追踪非合作目标时,会出现小样本问题。本文主要研究基于高分辨距离像的雷达自动目标识别方法以及在小样本情况下的目标识别问题,主要内容和成果如下:(1)本文从HRRP的散射点模型出发,介绍了HRRP的基本特点以及预处理方法,然后介绍了常用了识别方法,包括自适应高斯分类器、支持向量机等。使用实测数据和以上方法进行目标识别实验,并对实验结果做了分析总结,对比了各种方法的性能差别,分析了各种方法的优势和不足,并给出了选择雷达目标识别方法的意见。(2)在小样本情况下,直接训练分类器会出现过拟合现象,度量学习不直接进行分类,而是学习一个距离度量函数,该函数可以描述两个样本之间的距离(或者相似度)。这种思路很适合解决小样本识别问题。神经网络在近几年的快速发展让人们认识到了其强大的能力,许多研究者将神经网络和度量学习结合,使用神经网络学习距离度量函数,得到了很多研究成果。本文研究了基于度量学习的小样本目标识别方法,具体包括孪生神经网络和原型网络两种方法。这两种方法都是通过神经网络将原始样本映射到特征空间,在特征空间进行距离计算完成小样本识别任务。最后通过实验验证了这两种方法相对传统方法的有效性,并分析了两种方法的优缺点。(3)元学习扩展学习器的学习范围,在相关任务的分布上进行学习。传统的学习器学习到适用于各个样本点的通用规则,元学习器学习一个适用于各种任务的算法。本文采用了一种元学习方法解决雷达小样本目标识别问题,即模型无关元学习(MAML)。MAML的关键思想在于训练模型的初始参数,使用少量新数据和几步梯度下降,模型就可以在新任务上获得最好的性能。将MAML应用于雷达高分辨距离像小样本识别任务,通过实验验证了MAML方法确实可以很快适应新任务并取得较好的识别性能。

关键词：雷达自动目标识别小样本高分辨距离像神经网络元学习

来源：评论

学校读者我要写书评

暂无评论

极化雷达目标识别与多分类器融合研究

极化雷达目标识别与多分类器融合研究

引用

作者：盖晴晴南京理工大学

学位级别：硕士

基于高分辨一维距离像(High Range Resolution Profile,HRRP)的雷达目标识别技术以其高实时性,易获取而且包含有雷达目标重要特征结构等优势,受到了国内外学者和科技人员的高度重视和青睐。本论文围绕极化雷达高分辨一维距离像目标识别... 详细信息

基于高分辨一维距离像(High Range Resolution Profile,HRRP)的雷达目标识别技术以其高实时性,易获取而且包含有雷达目标重要特征结构等优势,受到了国内外学者和科技人员的高度重视和青睐。本论文围绕极化雷达高分辨一维距离像目标识别和多分类器融合展开研究,主要研究内容与创新点如下:1.针对宽带多极化雷达,将高分辨一维距离像与极化信息相结合,获得目标在四种极化组态下的一维距离像并将其组成极化距离矩阵。该算法对目标进行全方位的特征抽取与建模以适应不同的姿态,有效降低了HRRP方位敏感特性带来的影响。同时,提出了采用直接基于极化距离矩阵、Pauli分解和Freeman分解三种特征提取方式对极化距离矩阵进行目标特征的提取,为后续的研究作铺垫。2.提出利用深度卷积神经网络对极化雷达目标高分辨一维距离像数据进行挖掘与识别。利用直接基于极化距离矩阵、Pauli分解和Freeman分解对极化距离矩阵进行目标特征提取,将获得的目标特征向量结合起来送入搭建的深度卷积神经网络进行训练学习。该方法不仅结合了不同的特征提取方式对极化距离矩阵进行特征提取,而且深度卷积神经网络的运用又对目标特征向量进行了更深层次的组合和学习。仿真结果验证了该方法的有效性。3.研究基于改进上积分的多分类器雷达目标识别融合算法,该方法可以有效地表达单个基分类器和其组合分类器的重要性,同时,也能够表征各个分类器之间的协同作用。在理论上,此方法可以保证多分类器融合系统的分类识别率不低于任一个基分类器的识别率。实验证明该方法可以有效地提高雷达目标识别率。

关键词：雷达自动目标识别高分辨一维距离像极化信息卷积神经网络上积分分类器融合

来源：评论

学校读者我要写书评

暂无评论

基于序列特征提取网络的高分辨距离像目标识别方法研究

基于序列特征提取网络的高分辨距离像目标识别方法研究

引用

作者：韩夏欣西安电子科技大学

学位级别：硕士

雷达高分辨距离像(High Resolution Range Profile:HRRP)是宽带雷达信号脉冲压缩后所得目标散射点子回波在雷达视线方向上投影的矢量和,由于其包含了目标尺寸、结构、散射点分布等重要信息,并具有易于获取、存储量低等优势,已成为雷达... 详细信息

雷达高分辨距离像(High Resolution Range Profile:HRRP)是宽带雷达信号脉冲压缩后所得目标散射点子回波在雷达视线方向上投影的矢量和,由于其包含了目标尺寸、结构、散射点分布等重要信息,并具有易于获取、存储量低等优势,已成为雷达自动目标识别(Radar Automatic Target Recognition:RATR)领域的研究热点。对于HRRP目标识别,如何从目标样本中提取有效特征是提高识别准确性的关键所在。本文针对HRRP特性,开展了基于HRRP的目标特征提取与识别方法研究,主要研究内容包括:1.研究了基于循环神经网络的HRRP目标识别方法。考虑到HRRP数据中各距离单元间存在相关性,通过滑窗处理将预处理后的HRRP转化为序列形式,进而使用循环神经网络对其进行建模以提取内部结构特征及相关性,利用最后一个时间步的隐层激活作为最终识别特征并经过softmax分类器给出目标类别标签。最后采用实测数据对所提模型的有效性进行验证,并对模型关键参数选择进行讨论。实验结果表明,与两种常用目标识别方法相比,循环神经网络所提特征可分性更强,识别性能更优。2.研究了基于注意力机制的HRRP目标识别方法。考虑到HRRP数据中不同区域的可分性差异,借助注意力机制区分样本不同区域对识别贡献程度的高低并充分利用各区域信息进行识别。具体提出两种模型,第一种采用软注意力对循环神经网络各时刻的隐层激活进行加权求和,从而聚合序列形式HRRP所有数据段的特征;第二种模型通过自注意力与多层感知器的多次运算表示各数据段间的相关性与可分性,使网络侧重于包含较多可辨别信息的数据段,从而给出更准确的识别结果。最后,采用实测数据集进行实验并讨论了模型中关键参数的取值,实验识别率和注意力分布的可视化结果表明,注意力机制有助于提升网络特征提取能力,从而达到更好的识别性能。3.研究了基于生成对抗网络的HRRP降噪与目标识别一体化方法。考虑到实际场景采集的HRRP包含噪声,影响识别准确性,利用生成对抗网络对低信噪比HRRP进行降噪,进而通过基于自注意力的识别模型得到目标识别结果。为了在降噪过程中保留对识别有用的特征,所提模型利用耦合的损失函数将降噪过程与识别过程有机结合,同时通过端到端训练实现降噪识别一体化。最后,构建出三种信噪比环境的数据集进行实验,结果表明,所提模型在低信噪比环境下具有较好的降噪效果与识别性能,同时耦合的损失函数能够在一定程度上保证识别特征的完整性。

关键词：高分辨距离像雷达自动目标识别循环神经网络注意力机制生

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：