论文部分内容阅读
雷达目标识别作为现代雷达技术的重要发展方向之一,已成为各国未来武器系统中重要的组成部份。利用高分辨力雷达获得的目标距离像包含了更多的目标特征信息。本文针对雷达目标距离像,研究讨论了多种目标识别方法。利用微分几何的基本理论,综合考虑了雷达目标距离像识别中的特征提取与分类识别。对雷达目标距离像识别中的拒识和分类器组合也进行了研究。 本论文主要内容和创新之处如下: 1.提出基于正交辨别分析的雷达目标距离像特征提取方法,利用遗传算法对PCA、ICA子空间基进行选择,并将不同特征提取方法和不同分类器结合,得到多种子空间雷达目标距离像识别方法。 2.提出基于KPCA、基于KDA雷达目标距离像非线性识别方法。通过核函数的引入,可将PCA、LDA扩展为KPCA、KDA。给出基于KPCA、KDA与SVM三种雷达目标距离像非线性识别方法的识别性能。基于KPCA、KDA雷达目标距离像非线性识别方法的识别性能优于相应的基于PCA、LDA的线性识别方法的识别性能。 3.研究三种基于贝叶斯网络理论的雷达目标距离像识别的方法,得到较好的识别性能,并可以满足雷达目标识别中的实时性能要求。 4.针对PCA、ICA特征提取方法,基于微分几何的数学理论,综合考虑了雷达目标距离像识别中的特征提取与分类识别,提出基于黎曼度量的最近中心邻分类器。综合考虑原始数据样本分布、特征提取与分类识别之间关系,提出了改进的PCA、LDA子空间目标识别方法。 5.基于拒识理论,给出一种广义置信度的度量,得到拒识门限,使基于PCA子空间雷达目标距离像识别方法既有较高的识别率,又有较低的误识率。基于多分类器组合理论,研究了雷达距离像识别中多分类器组合方法。在多数投票规则下,多分类器组合获得了比单一分类器更好的识别性能。这些内容和创新点多为大量仿真目标距离像数据和实测目标距离像数据所验证,从而丰富和发展了雷达目标距离像识别的内容。