基于核函數(shù)的雷達(dá)目標(biāo)一維距離像識(shí)別研究.pdf

1、現(xiàn)代高分辨雷達(dá)的興起為目標(biāo)識(shí)別提供了新的途徑。高分辨一維距離像反映了目標(biāo)沿雷達(dá)徑向的幾何結(jié)構(gòu)分布，包含了許多對(duì)目標(biāo)識(shí)別有用的信息，其成像過程中避免了復(fù)雜的運(yùn)動(dòng)補(bǔ)償問題，比二維或三維成像獲取更容易。因此，近年來高分辨雷達(dá)目標(biāo)一維距離像識(shí)別受到了廣泛關(guān)注。 本文針對(duì)一維距離像，對(duì)多種基于核函數(shù)的雷達(dá)目標(biāo)識(shí)別方法進(jìn)行了研究。其主要內(nèi)容如下： 1．介紹用于微波成像的目標(biāo)散射中心模型。 2．傳統(tǒng)零空間方法充分利用了類內(nèi)散布

2、矩陣零空間中對(duì)分類的有用信息，但是當(dāng)樣本數(shù)很大時(shí)，傳統(tǒng)零空間方法失效。本文研究了一種基于核函數(shù)的改進(jìn)零空間方法。該方法較傳統(tǒng)零空間方法簡(jiǎn)單，僅需分析一個(gè)特征值，且適用于大樣本數(shù)的問題。 3．研究了一種核主成分分析方法和線性判別分析相結(jié)合的識(shí)別方法(KPCA+LDA)。該方法結(jié)合了主成份分析方法與線性判別分析的優(yōu)點(diǎn)，能夠在保留類別主要特征的同時(shí)，最大化分類間隔。因此，具有較單一方法更好的識(shí)別性能。 4．提出了一種基于核支持