论文部分内容阅读
宽带雷达信号的回波向其视线方向作投影,然后再求取投影矢量之和,而所得之和通常称之为高分辨距离像(HRRP)。回波不仅含有丰富的目标散射点子形状信息,而且获取方便,处理也很简单。因此,高分辨距离像在目标识别领域受到了众多研究者的青睐。时频特性是时间和频率联合函数,给出了信号随时间和频率变化的信息。常见的时频特性有时频表示和时频分布,而常用的时频表示工具又包含短时傅里叶变换、小波变换等,常用的获取信号时频分布的工具是Cohen类时频分布。本论文系统地研究了距离像的时频特性。研究了基于距离像时频特性数据线性和非线性主元分析降维目标识别方法。并将基于图像识别的字典学习算法应用到基于距离像时频特性识别之中,并取得了很好的效果。论文研究内容以及与目前有关文献相比创新方法如下:1.使用短时傅里叶变换、小波变换研究了距离像的时频表示,通过Cohen类时频分布算法分析了距离像的时频分布与Hough变换及其瞬时特征。2.针对变分模态分解(VMD)算法提取距离像固有模态函数时存在固有模态函数个数难以确定的问题,提出了基于粒子群优化的VMD算法。3.研究了二维主成分分析(2DPCA)算法、双边二维主成分分析(B2DPCA)算法用于二维时频分析数据降维识别分类效果,实验结果证明该方法确实能够提高识别率,但是这些线性主元分析算法在对数据降维时存在非线性问题。针对此问题本论文将核思想引入到B2DPCA算法中,提出了核双边二维主成分分析(KB2DPCA)算法,该算法不仅取得了更好的识别效果,而且减少了计算量。实验结果表明KB2DPCA要比PCA、2DPCA、B2DPCA性能都好。同时也证明了时频特征确实有效,特别是距离像的小波变换特征及时频分布的频率边缘特征最利于识别分类。4.研究了基于字典学习的稀疏表征的基本思想,分析了基于K次奇异值分解(K-SVD)算法构建字典的原理。并将具有鉴别力的鉴别K次奇异值分解(D-KSVD)算法和标签一致K次奇异值分解(LC-KSVD)算法应用到基于距离像时频表示、时频分布、时频分布瞬时特征的目标识别中,实验结果证明这些方法识别的有效性,也进一步验证了小波变换特征及时频分布的频率边缘特征最利于识别。