【摘 要】
：
毫米波探测系统具有全天时、全天候、抗干扰能力强、作用距离远等优点,在军事和民用领域如近程探测、精确制导、对地遥感、导航和反恐安检等方面获得了广泛应用,在目标探测领域具有重要地位。自动目标识别技术是毫米波探测系统应用的关键技术之一。然而,受系统体制、系统参数、环境噪声、目标方位和姿态、数据样本数量等因素的影响,毫米波探测系统自动目标识别在理论和技术方面仍有许多问题亟待解决。因此,本文以毫米波探测系统
论文部分内容阅读
毫米波探测系统具有全天时、全天候、抗干扰能力强、作用距离远等优点,在军事和民用领域如近程探测、精确制导、对地遥感、导航和反恐安检等方面获得了广泛应用,在目标探测领域具有重要地位。自动目标识别技术是毫米波探测系统应用的关键技术之一。然而,受系统体制、系统参数、环境噪声、目标方位和姿态、数据样本数量等因素的影响,毫米波探测系统自动目标识别在理论和技术方面仍有许多问题亟待解决。因此,本文以毫米波探测系统自动目标识别为中心,以深度学习理论为工具,针对毫米波主动探测系统、毫米波被动探测系统的基础原理和工作方式,深入研究了高层特征表示和自动目标识别方法,主要研究内容如下:（1）基于深度字典学习的毫米波雷达地面目标高分辨距离像目标识别方法研究。首先针对毫米波地面目标高分辨距离像样本方位敏感性和在一定方位角域内相关性高的特性,引入了原子类别角域筛选约束和相关性约束,构建了基于角域特性的稳健判别字典学习算法,并结合深度学习理论,提出了一种深度判别字典学习目标识别算法,提高了毫米波雷达地面目标高分辨距离像样本重构精度、识别正确率和鲁棒性。（2）基于深度抗噪收缩自编码网络的毫米波雷达地面目标高分辨距离像目标识别方法研究。针对毫米波地面目标高分辨距离像样本方位敏感性和噪声敏感性,通过自编码网络模型将传统目标识别框架转化为数据驱动的自主学习框架,结合收缩约束和抗噪重构约束提出了改进的抗噪收缩自编码网络及其堆栈模型,并进一步利用多层感知器和深度降噪自编码网络构建了端到端的毫米波地面目标高分辨距离像自动识别框架,增强了算法构建目标稳健高层特征表示的能力,松弛了特征表示的方位敏感性和噪声敏感性,提高了噪声干扰条件下毫米波雷达地面目标高分辨距离像自动识别的正确率。（3）基于深度协同降噪自编码网络的毫米波雷达地面目标高分辨距离像目标识别方法研究。首先针对毫米波地面目标高分辨距离像方位敏感性和角域特性,结合协同滤波算法,构建了基于泛角域样本协同的毫米波地面目标高分辨距离像协同滤波模型,并提出了适用于毫米波地面目标高分辨距离像识别的协同降噪自编码网络算法。在协同降噪自编码网络的基础上构建了深度学习框架,进一步增强了算法生成高层特征表示的能力和特征的可识别性,提升了低信噪比条件下毫米波雷达地面目标高分辨距离像自动识别的正确率。（4）基于复数域深度卷积神经网络信息融合的毫米波SAR目标识别方法研究。针对传统SAR数据图像域信息不足的问题,以干涉矩阵数据作为训练样本,提出了一种复数域卷积卷积神经网络与超像素信息融合的目标识别算法。利用卷积层的组合有效地将低层的原始数据投影到高层特征空间中,提取嵌入在SAR数据中的稳健特征表示,提高了标签预测算法的识别正确率和稳定性;结合超像素表示在匹配图像边界方面的优势,以边界轮廓信息修正深度网络预测标签图中的奇异点和边界误识别点,降低了网络误输出带来的风险,增强了对边缘目标的识别能力,进一步提高了识别准确率。（5）基于深度降噪卷积神经网络的毫米波干涉综合孔径辐射成像系统目标识别方法研究。针对毫米波干涉综合孔径辐射成像系统反演图像受环境噪声影响严重和图像结构信息缺失的问题,融合降噪自编码重构网络和卷积神经网络构建了端到端的深度降噪卷积神经网络识别框架;通过分析毫米波In SAR成像系统原理和机制,提出了基于复数域可见度函数的深度降噪卷积神经网络目标识别算法,消除了图像反演过程带来的时间代价和信息缺失,综合利用幅度和相位信息构建更丰富、更具识别力的高层次特征表示,优化样本数据与标签的潜在联系,提高了识别正确率和抗噪性能。
其他文献
现代战场上,高速导弹、智能弹药等精确制导空中目标呈现出速度更快、机动性更强、可探测概率更小的发展趋势,给国土防空系统带来巨大压力。在对抗机动目标方面,车载防空武器具有反应迅速、火力转移快、效费比高等优点,能够在现代防空体系中发挥重要作用;在远程精确打击方面,车载多管火箭炮等射程越来越远,精度越来越高,可配备高爆弹、燃烧弹、子母弹等,能够承担对地面要害目标的远程压制任务。这对车载武器伺服系统的快速性
随着巡航导弹、战斗机、武装直升机等武器的突防技术不断升级,对这些目标的探测和跟踪已成为近程防空的主要难点。为解决这一问题,基于“网络中心战”思想构建网络化近程防空探测系统,使得各作战单元可以共享空情信息、实现协同作战,已经成为未来的发展方向。受国情限制,我军现役防空装备中依然存在较多在“平台中心战”思想下研制的老装备,现阶段构建网络化近程防空探测系统仍要利用这些装备。然而,在现行的时间触发通信机制
由于许多实际系统都可以用时滞马尔可夫跳变模型表示,因此,时滞马尔可夫跳变系统的研究得到了国内外学者的广泛关注,也取得了丰硕的研究成果。然而,在具有外部扰动输入的情形下,时滞马尔可夫跳变系统的耗散滤波与控制问题需要进一步的深入研究。本文在已有文献的基础上,利用Lyapunov-Krasovskii泛函理论、矩阵不等式以及时滞分割技术,研究了时滞马尔可夫跳变系统的耗散滤波与控制问题。主要研究工作如下:
广义系统是一类比传统状态空间系统更具一般性的动力学系统,能更好地描述实际系统。网络化控制系统是随着网络通信技术、计算机技术和自动控制技术的迅速发展而出现的一类新型控制系统,由于其具有重要的实际应用背景而被广泛关注。网络化广义系统是被控对象为广义系统的网络化控制系统,对于网络化广义系统的研究具有重要的理论意义和应用价值。本文将研究在事件驱动机制下网络化广义系统的分析与综合问题,旨在探索基于事件驱动的
在临床医学中,组织中的血流分布图像可以辅助疾病诊断。X射线计算机断层扫描（X-ray computed tomography,X-CT）、核磁共振（Magnetic resonance imaging,MRI）等常规成像方法的分辨率无法达到毛细血管精度。目前可行的高分辨活体微血流成像方式包括荧光共聚焦显微镜（Confocal fluorescence microscopy,CFM）和光学相干层析术
在机器学习与模式识别的诸多任务中,如何真实而有效地度量两个数据样本之间的相似程度是一个极其重要的问题,并极大影响着后续识别任务的准确程度。一方面,这是因为在真实数据中,样本通常会受到噪声的干扰,欧式距离等度量方式容易受到噪声的干扰而不能如实地度量出样本间的相似性;另一方面,对于监督学习任务而言,测试阶段的数据可能会与训练阶段数据差异巨大,如果不能建立一个泛化能力良好的样本间距离度量方式,就不能在最
网络拥塞是指在分组交换网络中传送分组数目过多时,由于存储转发节点的资源有限而造成网络传输性能下降情况。近年来,随着云计算、移动互联网、物联网的日益发展和普及,通信网络系统日趋复杂,大大增加了网络资源调度和管理的难度。同时电子商务、远程医疗、分布式计算、即时通信、网络语音与视频等层出不穷的网络应用使人们对网络系统的依赖程度日益提高,并对网络的可靠性、安全性和可用性等提出了许多新要求。为了向用户提供可
道路交通系统是一个与人类生产生活息息相关的复杂系统,其承担着安全、高效地运送人与货物的职责。近年来,随着社会生产力的发展和人们生活水平的提高,道路交通的负荷越来越大,各种交通事故和意外也屡屡发生。随着通信、计算以及控制技术的发展,智能交通系统被认为是解决现有道路交通困局,实现安全、高效、可靠与环保的新型交通系统的有效解决方案。车联网由具备通信功能的汽车、通信基站、路侧单元和云端构成一个连通的网络实
随着网络技术的不断推进和发展,网络化系统的研究引起了大量的研究关注。而实际的网络化系统例如电力系统等中广泛存在着多时间尺度现象,这类网络化系统中的快慢动态相互耦合、响应速度相差极大,简单的忽略快变动态、强行降阶的设计方法并不能满足稳定性和精度的要求,那么研究此类具有多时间尺度特性的网络化系统,亦即奇异摄动网络化系统的状态估计和控制问题成为了新的热点。本文为了应对网络环境下的多时间尺度现象以及通信资
民族音乐是我国传统文化中重要的组成部分,是我国民族文化的重要体现,弘扬和发展我国民族音乐文化具有十分重要的意义。初中作为学生学习的关键时期,在具体的音乐教学中,研究和探讨民族音乐文化的传承路径,不仅能够促进我国民族音乐文化的有效传承,同时也能够丰富初中音乐的教学内容。民族音乐具有很强的独特性和传承价值,是我国传统文化与民族特色的有效结合,通过重视民族音乐文化在初中音乐教学中的传承与发展,充分