寬帶雷達目標距離像識別研究.pdf

1、現(xiàn)代雷達技術的興起為雷達目標識別提供了強有力的技術支撐。通過寬帶雷達獲取的高分辨距離像反映了目標散射點沿雷達視線的徑向距離分布細節(jié)，不僅提供了比低分辨雷達目標回波更多的特征信息，而且還避免了二維或三維成像過程中復雜的運動補償和過多的成像耗時，具有易于獲取和處理的獨特優(yōu)勢。因此，近年來基于高分辨距離像的目標識別受到了雷達科技工作者的廣泛關注。
　　本文主要集中于特征提取和分類識別這兩個環(huán)節(jié)，層層深入地展開對雷達多目標距離像識別理論及

2、技術的相關研究。主要工作和創(chuàng)新概括如下：
　?。?）針對經(jīng)典核方法中大散布矩陣特征分解的運算壓力問題，提出了兩種基于擴展二分類辨別單元的核方法。這兩種核方法均采用了“一對一”策略，通過拆分和重組，將大散布矩陣劃分成若干小散布矩陣，并分別按串聯(lián)和并聯(lián)方式進行組合。實驗結果表明，這兩種核方法均能有效降低訓練耗時，并能改善識別性能，非常適用于多目標識別。
　?。?）針對多目標識別中辨別信息的質量和數(shù)量孰重孰輕問題，設計出三種辨別信

3、息提取模型，即：被動識別和總體挑選類中絕對辨別信息（Passive recognition andGeneral selection forAmong-class absolute discriminant information, PGA）模型、被動識別和個體挑選類間相對辨別信息（Passive recognition and Individual selection forBetween-class relative discrim

4、inant information, PIB）模型以及主動識別和個體挑選類間相對辨別信息（Active recognition andIndividual selection forBetween-class discriminant information, AIB）模型。理論分析表明：PGA模型側重于辨別信息的質量，而PIB和AIB模型側重于辨別信息的數(shù)量。
　?。?）將廣義辨別分析（Generlized Discrimina

5、nt Analysis, GDA）應用于PIB和AIB模型中，由此產(chǎn)生了兩種針對辨別信息數(shù)量的核方法，即：基于 PIB模型的GDA（PIB-based GDA, PIB-GDA）和基于AIB模型的GDA（AIB-based GDA, AIB-GDA）。與GDA比較，這兩種核方法不僅能大幅降低訓練耗時，還能提取更多辨別信息，具有良好的識別性能。
　　（4）對多智能技術進行了歸納和總結，并設計出一種多智能體識別模型。將GDA用于模型實

6、現(xiàn)，由此產(chǎn)生了一種PIB-GDA與GDA并聯(lián)組合的新方法，即綜合GDA（Synthetic-GDA, S-GDA）算法。實驗結果表明，S-GDA能實現(xiàn)PIB-GDA與GDA在識別性能上的優(yōu)勢互補。
　?。?）依據(jù)三種基本組合結構，本文提出了四種組合核方法。它們是，1.并聯(lián)結構：基于核Fisher辨別（Kernel Fisher Discriminant, KFD）的多類綜合辨別分析（KFD-based Multiclass Syn

7、thetical Discriminant Analysis, KFD-MSDA）和全局分布式KFD（Global Distributed KFD, G-DKFD）；2.串聯(lián)結構：基于多KFD的LDA（Multi KFD-based LDA, MKFD-LDA）；3.混合結構：核混合辨別分析（Kernel Mixed Discriminant Analysis, KMDA）。實驗結果表明，這四種組合核方法的識別性能從高到低依次為 KFD