基于多頻和極點特征的高頻超視距雷達(dá)目標(biāo)識別.pdf

1、本文主要研究基于多頻和極點特征的高頻超視距雷達(dá)目標(biāo)識別方法。工作在高頻(HF)段(3～30MHz)的雷達(dá)能夠探測到視距以外直至數(shù)千海里遠(yuǎn)區(qū)域內(nèi)的飛機、艦船等目標(biāo)。多頻散射數(shù)據(jù)和極點是表征雷達(dá)目標(biāo)的有效特征，利用多頻數(shù)據(jù)和極點進(jìn)行目標(biāo)識別是比較有效的途徑。本文的主要工作與貢獻(xiàn)如下： 線性分類方法不依賴于估計的條件概率密度函數(shù)。本文研究了應(yīng)用線性分類方法對簡單目標(biāo)和復(fù)雜飛機目標(biāo)的分類識別，所使用的特征信號是目標(biāo)的多頻特征。對于復(fù)雜的

2、線性不可分問題，應(yīng)用線性分類器就不能解決。 最近鄰準(zhǔn)則是一種次最優(yōu)準(zhǔn)則，當(dāng)樣本數(shù)目很大時，最近鄰準(zhǔn)則的錯誤率不會超過貝葉斯錯誤概率的2倍。本文利用目標(biāo)的多頻特征，應(yīng)用最近鄰分類方法對幾類簡單目標(biāo)和飛機目標(biāo)進(jìn)行了分類判決。結(jié)果證明：線性不可分的情況應(yīng)用最近鄰分類器可以得到很好的結(jié)果。 人工神經(jīng)網(wǎng)絡(luò)具有自組織、自學(xué)習(xí)等能力，能不斷適應(yīng)外界環(huán)境并處理各種復(fù)雜的、隨機的信息。它可以通過對樣本的學(xué)習(xí)建立起記憶，并把未知模式判為其最

3、為接近的記憶。本文應(yīng)用多層前饋神經(jīng)網(wǎng)絡(luò)和自組織特征映射神經(jīng)網(wǎng)絡(luò)分別對簡單目標(biāo)和復(fù)雜飛機目標(biāo)進(jìn)行了分類識別。 從含有噪聲的瞬態(tài)沖激響應(yīng)數(shù)據(jù)中估計目標(biāo)極點數(shù)目的問題長期以來一直沒有得到很好的解決。本文應(yīng)用一種非常有效的準(zhǔn)則函數(shù)方法——最小描述長度(MDL)方法來對目標(biāo)極點數(shù)目進(jìn)行估計，很好地解決了這個難題。 Prony方法用于提取目標(biāo)的極點有其不可克服的缺點，即對噪聲極為敏感。狀態(tài)空間方法物理意義明確、易于理解、處理方式更靈