论文部分内容阅读
雷达高分辨率一维距离像(HRRP)是宽带雷达目标散射点回波在雷达视线方向上的向量和,反映了目标的结构信息,对目标的识别与分类具有重要价值。因其获取简单,实时性好,是实际工程中最具前景的雷达目标识别技术。HRRP识别过程中,方位敏感性问题、HRRP维度过高和单一分类器低信噪比环境下的识别稳定性问题是影响HRRP实际目标识别效果的重要因素。本文针对这些问题分别提出了自适应分帧、低维特征提取和多分类器决策融合方法以提高HRRP识别的精确度和鲁棒性。主要工作如下:(1)研究了HRRP识别中敏感性问题的产生原因,分析HRRP频谱幅度特征统计特性,结合因子分析模型和Jensen-Shannon(JS)距离提出了一种基于因子分析模型的自适应分帧方法,能根据目标姿态角的变化速率自适应调整分帧间隔,基于实测飞机数据的分帧和识别率结果验证了本方法能够有效降低方位敏感性对识别的影响,为后续识别工作奠定基础。(2)针对HRRP信号维度过高、冗余信息较多而产生的识别效率问题,基于稀疏保持投影,提出了一种多尺度稀疏保持投影法和一种自适应最大间距稀疏保持投影法用于特征降维。多尺度稀疏保持投影法从多尺度理论角度分析信号特性,可有效挖掘HRRP多尺度空间内在稀疏结构信息,丰富特征信息量;自适应最大间距稀疏保持投影法则将自适应最大间距准则融入降维约束中,有效融合HRRP稀疏结构信息和样本标签信息,在原尺度空间中有效探索信号内在特性。基于实测数据的实验结果表明,上述算法提取的特征维度低、识别性好、鲁棒性强。(3)针对单一分类器在低信噪比等复杂环境下识别精度较低、稳定性较差的问题,研究了HRRP多分类器决策融合识别,提出了一种基于自适应类别权重的多分类器决策融合法,通过近邻样本和多分类器间取舍及权重的自适应变换,实现了多分类器识别结果的高效融合。基于实测飞机数据的实验证明了该方法的优越性。