海雜波仿真與船目標(biāo)ISAR圖像識(shí)別研究.pdf

1、逆合成孔徑雷達(dá)(Inverse Synthetic Aperture Radar，ISAR)是一種二維成像雷達(dá)，可以在各種天氣條件下持續(xù)地對(duì)目標(biāo)進(jìn)行監(jiān)測(cè)，在廣域偵測(cè)、環(huán)境遙感、防空等方面有著重要的價(jià)值。本文主要針對(duì)船目標(biāo)ISAR圖像識(shí)別進(jìn)行研究，內(nèi)容如下：
　　1、研究了海雜波統(tǒng)計(jì)數(shù)學(xué)模型，利用了零記憶非線性變換法和傅里葉級(jí)數(shù)展開(kāi)法，對(duì)海雜波模型(對(duì)數(shù)正態(tài)分布、韋布分布、逆高斯復(fù)合高斯分布、K分布)進(jìn)行仿真實(shí)現(xiàn)和分析，仿真結(jié)果表明

2、雜波形狀參數(shù)可以控制雜波尾部形狀，雜波速度方差對(duì)雜波內(nèi)部起伏有影響，而對(duì)雜波拖尾沒(méi)有貢獻(xiàn)。
　　2、研究了船目標(biāo)成像模型和滾動(dòng)模型，利用距離多普勒成像算法，對(duì)船目標(biāo)點(diǎn)陣模型的三種小角度滾動(dòng)方式（roll、yaw、pitch）進(jìn)行了ISAR成像研究，獲取ISAR圖像，為后續(xù)研究提供了數(shù)據(jù)支撐。
　　3、研究了點(diǎn)陣模型 ISAR圖像預(yù)處理方法和特征提取方法，利用深度學(xué)習(xí)框架中卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像進(jìn)行特征學(xué)習(xí)，該方法不需人為提取特征

3、，可自主進(jìn)行特征學(xué)習(xí)，對(duì)圖像平移、伸縮變化有很強(qiáng)的魯棒性。通過(guò)實(shí)驗(yàn)從網(wǎng)絡(luò)層數(shù)、卷積核個(gè)數(shù)、濾波器大小等方面對(duì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了優(yōu)化。
　　4、研究了支持向量機(jī)和三類AdaBoost算法(Gentle AdaBoost、Real AdaBoost、Modest AdaBoost)。AdaBoost算法對(duì)錯(cuò)誤分類的分類器進(jìn)行權(quán)值迭代更新，使其最終晉升為強(qiáng)分類器，增強(qiáng)分類效果。實(shí)驗(yàn)結(jié)果表明：對(duì)于AdaBoost分類器， MAB算法效果最差并