论文部分内容阅读
高分辨距离像(HRRP)含有目标大量的结构信息,且容易获取,处理速度快。因而基于HRRP的识别方法取得了广泛的关注。然而当目标的武器挂载或载荷配置发生变化时,目标的HRRP也会发生改变,形成多种变体形态,导致基于HRRP的识别方法性能恶化。因此需要实现对目标变体形态的稳健识别。由于变体结构在空间中连续存在且仅对目标的局部造成影响,故变体结构对目标HRRP所产生的影响(变体分量)体现出一种结构化稀疏的特性。本文利用变体分量的这一特点,对变体分量单独建模,分离出变体分量,获取原始目标未形变的HRRP。在此基础上进行识别,改善对变体目标的识别性能。论文主要内容总结如下:1.通过电磁仿真软件仿真计算两类目标CAD模型的雷达回波,通过对仿真回波的分析得到在部分姿态角下变体分量对原始目标HRRP的影响是局部且连续存在的。考虑到这种特性类似于稀疏信号处理领域的结构化稀疏特性,因而对稀疏表示理论和结构化稀疏模型进行简单的回顾和介绍。2.实现了约束优化框架下变体目标识别。首先介绍了一种基于编码复杂度的结构化稀疏模型,该模型不需要结构化稀疏信号中有关分组长度,分组个数等一系列先验信息即可实现对结构化稀疏信号的重构。然后针对变体目标HRRP特性,一方面利用训练样本的信息表示原始目标HRRP,另一方面利用上述模型对变体分量进行单独建模,建立了变体目标HRRP遮挡模型。求解该模型后可将变体分量分离出来。实验结果表明利用分离后的HRRP进行识别,提高了变体目标HRRP识别性能。3.实现了贝叶斯框架下变体目标识别。首先介绍了一种基于模式耦合的贝叶斯分层先验模型,并对模型推断过程进行了详细说明。上述模型能够促进信号的块稀疏性质,故利用该模型对变体分量的进行单独建模,同时利用稀疏贝叶斯学习算法(SBL)重构原始目标HRRP,建立一种基于局部模式耦合的变体目标HRRP遮挡模型,实现变体分量的分离。紧接着对求解模型的计算量进行了简要的分析,并通过压缩求逆矩阵维度的方式降低了计算量。提升了算法的识别效率,且并未对算法性能造成影响。