基于小波变换的雷达高分辨距离像识别

基于小波变换的雷达高分辨距离像识别

ID:33503679

大小:251.84 KB

页数:7页

时间:2019-02-26

基于小波变换的雷达高分辨距离像识别_第1页
基于小波变换的雷达高分辨距离像识别_第2页
基于小波变换的雷达高分辨距离像识别_第3页
基于小波变换的雷达高分辨距离像识别_第4页
基于小波变换的雷达高分辨距离像识别_第5页
资源描述:

《基于小波变换的雷达高分辨距离像识别》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、!""*年%!月西安电子科技大学学报(自然科学版)T74+!""*,,第&!卷,第’期!"#$%&’,"(,)*+*&%,#%*,-$.*/0S?/+&!,;?+’基于小波变换的雷达高分辨距离像识别马建华,刘宏伟,保,铮(西安电子科技大学雷达信号处理重点实验室,陕西西安,)%"")%)摘要:基于雷达高分辨距离像,利用-.//.0塔式分解算法进行特征分解,并用类内类间最大相关系数和类间类内12//3.45$6783/7(91$6)距离比值两个特征评价方法来对得到的小波分解后的信号进行特征选择+最后利用相关匹配法和支持矢量机来作识别+基于实测数据的实验结果表明,利用小波分

2、解后的低频信号作为识别特征,不仅可提高识别性能而且可减小识别运算量+关键词:雷达高分辨距离像;-.//.0塔式分解算法;1$6距离;相关匹配法;支持矢量机中图分类号::;(*(+%;,,文献标识码:<,,文章编号:%""%$!#""(!""*)"’$"=(*$"’!"#"$%!!&$’()*+,-,)+."/’#)+-0’1"23’--$"+/4)$5!"#$%&’()%,*+,-.&/’01$,2"34(1&/(17>6.3+?@A.B.9C8DE./F9?47GG8ED,H8B8.EIE8J+,H8K.E,)%"")%,LM8E.)6./-$"(-:,:M7-./

3、/.00?N79B74?OP?G8ED./D?980MO8G2G7B0?7Q09.400M7@7.0297@9?O0M7R8DMA.ED7A7G?/208?EF9?@8/7+:N?@7.02977J./2.08?E4980798.,E.O7/>,O.Q8O2O4?997/.08?E4?7@@8487E0G4980798?E.EB12//3.45$6783/79B8G0.E474980798?E,.972G7B0?7J./2.070M74/.GG8@84.08?EP79@?9O.E47?@4?.9G74?OP?E7E0G.EBB70.8/4?OP?E7E0G?@N.J7

4、/70B74?OP?G8ED97G2/0G+C8O2/.08?E97G2/0G3.G7B?E0M7O7.G297BB.0.GM?N0M.00M74?.9G74?OP?E7E0G.973700790M.E0M7B70.8/4?OP?E7E08E4/.GG8@84.08?EP79@?9O.E47+7’89)$#/:,9.B.9M8DM9.ED797G?/208?EP9?@8/7;-.//.00?N79B74?OP?G8ED./D?980MO;1$6B8G0.E47;4?997/.08?EO.04M8ED./D?980MO;G2PP?90J740?9O.4M8E7雷达目标识

5、别是雷达信号处理的一个重要方向,但所面临的一个非常关键的问题是特征提取问题,即如何提取出能够有效反映目标本身固有特性的特征,且要使这些特征的维数尽可能得小+利用雷达高分辨距离像(RAAF)进行目标识别,是近年来较为重要和普遍的方法+雷达RAAF具有平移敏感性、姿态敏感性和幅度敏感性:针对平移敏感性,可提取平移不变特征或者利用去平移敏感性的特征分类器进行分类识别+至于幅度敏感性,只要利用归一化方法把模板和测试数据都化到同一尺度下即可解决+而目标的姿态敏感性问题的解决,理论上要求利用足够大的方位角域内的RAAF来建立模板库,以求较完全地表征目标,但是这样目标数据库的存贮量

6、就会很大+文献[%]论述了用目标一定角域内的平均距离像来建立模板库的方法,大大地减轻了数据库的存贮负担;另外,由于RAAF的维数很高,直接利用它作为特征矢量来进行识别,也会使得识别的计算复杂度很大+鉴于此,需要研究如何用较少的特征维数来表征距离像,以达到简化计算和分类的目的+正是由于上述RAAF的这些特点,文献[!]提出用小波分解的方法先对RAAF进行多尺度分解,然后选择性地利用分解后得到的一些小波系数进行小波重构得到用来进行目标识别的识别特征,从而达到对RAAF的去噪平滑作用+这种特征提取方法稍嫌复杂,而且没有降低运算复杂度+而笔者不仅要考虑对RAAF的去噪平滑处理

7、,同时更加重视如何达到降维的目的,故利用小波分解对RAAF进行多分辨率分解,提取信号的主要分解特征,从而减少距离像的特征维数,达到降维的效果;进而利用这些分解后的特征,用相关匹配法和支持矢量机(CS-)进行分类识别,同时对所提取的特征利用两种特征评价方法进行了特征评收稿日期:!""#$%!$%&基金项目:国家自然科学基金资助项目(’"&"!""();国家部委预研基金资助项目(#%&")"*"%)作者简介:马建华(%()($),男,西安电子科技大学硕士研究生+.:.96..............西安电子科技大学学报(自然科学版)...........

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。