论文降重

基于高分辨距离像的雷达目标自动识别算法研究[范文]

时间:2018-02-19 08:55:11 编辑:知网查重入口 www.cnkiid.cn

摘 要

现代战争是由高科技主导的信息战,联合作战、掌握制信息权和精确打击是其特点。要想掌控战场局势,对敌方目标进行精确打击,就必须获得敌方目标的属性特征。本文针对这一重要前景,研究了高分辨距离像(HRRP, high resolution range profile)的雷达目标自动识别算法。

本文首先介绍了基于高分辨距离像的雷达自动目标识别的研究现状,接着通过仿真对固定目标进行成像,介绍了基于频率步进雷达的高分辨距离像的成像技术,然后根据各种散射点情况,介绍了多种对高分辨距离像的统计建模方法,并选择因子分析模型对高分辨距离像进行统计建模。最后根据所选的因子分析模型,选择贝叶斯分类器对目标进行分类。

实验中使用三种不同目标的仿真数据对识别算法进行测试,并得到在不同参数下的目标识别率,经过测试,本文使用的算法平均识别率为69.78%,表明该算法是可靠的。

简单的频率步进信号的频率分布

简单的频率步进信号的频率分布

 

第一章绪论

1.1 雷达自动目标识别概述

现代战争是由高科技主导的信息战,联合作战、掌握制信息权和精确打击是其特点。在现代战争条件下,由于高科技武器的迅猛发展,无人隐身技术日益强大,所以对目标识别的要求越来越迫切。对来袭目标的有效探测与预警、战场目标的高精度监视与侦察以及精确制导武器的高精度打击,都离不开目标识别的重要理论和技术。

现代雷达系统由传统的窄带测量逐渐发展为宽带测量,通过发射宽带/超宽带信号,以提高距离分辨力,从而将目标上的散射结构分离开来,有利于对目标的形状和轮廓进行刻画,由此发展出了基于高分辨一维像、极点、散射中心等的目标识别技术。

随着雷达识别技术的应用范围越来越广泛,对雷达目标识别技术的实用化提出了迫切的需求。在精确制导的应用中,需要目标识别技术提供飞机、舰船等目标的属性类型,以便对目标要害部位进行判断与打击;在空间监视的应用中,需要目标识别技术判定卫星、弹头、诱饵等目标的类型;在战场感知的应用中,需要目标识别技术判定地/海武器和战斗人员等目标的属性类型;在防空预警的应用中,需要目标识别技术判定出喷气式飞机、螺旋桨飞机、无人机、巡航导弹等目标的属性类型。

随着宽带/超宽带、极化测量、组网融合等新型雷达体制的出现和发展,雷达目标识别技术将有望得到实质性的全面跃升,实用化将有望得到根本性的突破。由于信息获取来源的全面拓展,在雷达的新型体制下,雷达能够在各个空间域获取目标和背景更加完备的散射电磁数据,得到多元的信号处理数据,根据目标的各种散射特性,可以更高效地抑制噪声、电磁干扰等的影响,而且可以用更完备的信号处理的方法提取到更加鲁棒、特征明显的目标特征,从而全面地提高目标识别系统的识别率以及对真实战场环境的适应性,大跨度地推动雷达目标和识别技术的实用化进程。

 

1.2 基于高分辨距离像的雷达目标自动识别研究现状

基于散射中心模型的重要应用之一便是基于高分辨距离像的雷达目标自动识别。散射中心是雷达的高频信号照射到目标上时各个特征点的散射源。宽带雷达获取目标回波时,由于雷达距离分辨力远小于目标尺寸,因此可以分开目标的各个等效散射中心,在雷达视线上,形成高分辨距离像。高分辨距离像反映了目标的形状和结构信息,是雷达目标识别的重要依据。

基于高分辨距离像的研究主要分为两大趋势:

(1)通过提取高分辨距离像的特征量进行目标识别:

Zwichke和Imre Kiss在1983年在研究舰船雷达信号处理时,发现当雷达的距离分辨力远小于目标尺寸时,目标会形成一幅雷达视线方向的距离像,目标的结构特征会被显现出来。经试验表明,目标的结构特征对目标识别非常有用。英国的Swarchwater雷达利用目标的高分辨距离像完成了对舰船的识别。美国的Floyd高分辨雷达判定了目标的结构特征,曾多次判断出美国太空卫星运行的故障。Silverstein和Garber等人在1991年利用高分辨距离像分析出5种飞行器的目标特征。Jouny等人研究了雷达高分辨距离像的双谱特征,对高分辨距离像进行处理,提取出双谱特征,并有效的识别出来。Kim等人在2001年提取高分辨距离像的中心矩作为目标特征进行识别,并采用贝叶斯分类器对目标特征进行分类。

(2)直接对高分辨距离像数据进行分类识别

直接对高分辨距离像数据进行分类识别的方法叫做参数化方法,这类方法大多先假设要分析的高分辨距离像数据符合某种分布形式,然后对数据进行统计建模,将假设的分布形式拟合出来,大多数方法最终可以得到样本的概率密度似然值,使用贝叶斯分类器进行分类。Li和Yang在1993年,对测试样本和模板库中的样本进行匹配值计算,当测试样本与模板库中某个模板得到的匹配值最大,那么测试样本即可认为是此模板代表的目标。由于匹配值计算的计算量大,并且数据的维数较高,因此使用PCA、PPCA、GMM等降维的统计模型对数据进行描述,使数据易于分析,计算简单易行。

 论文写好后想知道重复率是多少?点击“知网论文检测入口”直连中国知网查重检测系统