基于雷达回波数据的特征提取方法研究

《基于雷达回波数据的特征提取方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：UDC：TN911．7621．39工学硕士学位论文密级：编号：2011165基于雷达回波数据的特征提取方法研究硕士研究生：陈允辉指导教师：李环教授学科、专业：信号与信息处理沈阳理工大学2013年12月分类号：TN911．7UDC：621．39工学硕士学位论文密级：编号：2011165111IIIIIIIIlllllUllllllllllllllllllLIIIlY2553915基于雷达回波数据的特征提取方法研究硕士研究生：指导教师：学位级别：学科、专业：所在单位：论文提交日期：论文答辩日期：学位授予单位：陈允辉李

2、环教授工学硕士信号与信息处理沈阳理工大学2013年12月2014年03月沈阳理工大学ClassificationIndex：TN911．7U．D．C：621．39AThesisfortheMasterDegreeofEngineeringTheResearchofFeatureExtractionMethodBasedonRadarEchoDataCandidate：ChenYunhuiSupervisor：Prof．LiHuanAcademicDegreeAppliedfor：MasterofEngineeringSp

3、eciality：SignalandInformationProcessingDateofSubmission：December,2013DateofExamination：March，2014University：ShenyangLigongUniversity沈阳理工大学硕士学位论文原创性声明本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中已注明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研

4、究做出重要贡献的个人和集体，均己在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者(签字)：傣允摒日期：砌I弘年多月易日学位论文版权使用授权书本学位论文作者完全了解沈阳理工大学有关保留、使用学位论文的规定，即：沈阳理工大学有权保留并向国家有关部门或机构送交学位论文的复印件和磁盘，允许论文被查阅和借阅。本人授权可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或其它复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名：髂旗日期：为渺、易，房指导教师签名：

5、莓钾l’．日期：沙／矽．；，f多沈阳理工大学硕士学位论文摘要雷达目标识别作为现代雷达系统发展的重要发展方向之一，在军事和民用领域都有着广泛的应用。而雷达目标特征提取是雷达目标识别系统的关键环节，选择什么样的特征来表达目标属性是至关重要的。本文主要根据实测雷达回波数据进行实验，着重对雷达目标识别系统中特征提取作了较深入的研究。首先，介绍雷达目标的散射中心模型和基于散射中心模型的一维距离像，并对雷达目标一维距离像的特性进行了讨论。由于雷达目标的一维距离像能够提供很好的目标结构和形状信息，因此研究了基于一维距离像的特征提取方法

6、。然后给出了本文使用的实测雷达回波数据的说明，为后续雷达目标一维距离像的特征提取方法研究作铺垫。其次，为了解决一维距离像的平移敏感性，详细介绍了三种平移不变特征：功率谱特征、自回归系数特征和中心矩特征，并提出了一种提取一维距离像的偶数阶中心矩特征作为雷达目标识别的方法。研究结果表明，提取偶数阶中心矩特征在减少模板特征向量的存储量和测试样本识别时的计算量的同时，展示了很好的鲁棒性和精确性。接着采用主成分分析的方法融合功率谱特征和自回归系数特征，将融合后的特征向量与这两种特征向量简单的串联作了实验对比分析，证实了基于主成分特

7、征融合的有效性。最后，采用非线性核函数方法将一维距离像原始数据映射到高维数据空间中，对高维数据作主分量分析，提取更易于分类的核主分量。这样提取的非线性特征可以有效地弥补传统特征提取的不足，将主成分分析方法与核主成分分析方法作了实验对比分析，证实了基于非线性核函数方法特征提取算法的有效性。关键词：雷达目标；特征提取；一维距离像；平移不变特征；主成分分析沈阳理工大学硕士学位论文AbstractRadartargetrecognition，whichisanimportantpartofmodemradarsystem，has

8、beenwidelyusedinmilitaryandcivilianfields．However,thefeatureextractionisthekeystepofthetargetrecognitionsystem．ItisimportanttochoosewhatkindofthefeaturewhichCa