基于迭代算法的谐振区雷达目标特征提取

《基于迭代算法的谐振区雷达目标特征提取》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、国内图书分类号：TN959.1国际图书分类号：621.396.969.3工学硕士学位论文基于迭代算法的谐振区雷达目标特征提取硕士研究生：王涛导师：邓维波教授申请学位级别：工学硕士学科、专业：信息与通信工程所在单位：电子与信息技术研究院答辩日期：2008年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TN959.1U.D.C.:621.396.969DissertationfortheMaster’sDegreeinEngineeringRADARTARGETINRESONANCEREGIONFEATUREEXTRA

2、CTIONBASEDONITERATIVEALGORITHMSCandidate:Supervisor:AcademicDegreeAppliedfor:Specialty:WangTaoProf.DengWeiboMasterofEngineeringInformationandCommunicationEngineeringAffiliation:DateofDefence:SchoolofElectronicsInformationTechnologyJune,2008andDegree-Conferring-Instit

3、ution:HarbinInstituteofTechnology：哈尔滨工业大学工学硕士学位论文摘要随着高频地波雷达在国防工业上的应用越来越广泛，对于高频段雷达目标识别方法的研究也成为人们研究的重点。处于高频段的雷达目标其尺寸可以和雷达波长相比拟，即目标通常处于谐振区。极点是谐振区表征雷达目标的有效特征，其具有姿态不变性，提取极点已成为信号处理的重要课题。本文介绍了基于模型的线性预测极点的提取算法和非线性迭代极点的提取算法的区别，Gauss-Newton算法和Levenberg-Marquardt算法的基本原理，并对两者进行了比较

4、，表明Levenberg-Marquardt算法是对Gauss-Newton算法的一种改进，并在Levenberg-Marquardt算法的基础上提出了LM-CLEAN算法，使Levenberg-Marquardt算法的应用范围得到了扩大。本文给出了进化规划算法的具体流程，并对其进行了仿真，指出了其存在的缺陷。在此基础上，提出了一种双群进化规划算法，在得到仿真结果后，与传统的进化规划算法相比较，极点的提取效果得到了一定的改善。最后，本文将双种群进化规划算法（BEP）用于处理细杆和飞机数据。在处理细杆数据时，由各个方向的数据中可以精确的

5、提取出相同的极点，表明了算法的有效性及极点识别目标的可行性。在处理飞机数据时，得到一些在飞机前后向回波中吻合的较好的极点，认为其很可能对应着目标的极点。关键词奇点展开法；极点；非线性迭代；LM-CLEAN；进化规划算法-I-哈尔滨工业大学工学硕士学位论文AbstractWiththeapplicationofHFSWRinnationaldefense,peoplefocustheinvestigationofthemethodsoftargetidentificationinhighfrequencysection.Thedime

6、nsionoftargetinresonanceregionissimilarwiththeHFSWRwavelength.Becauseofitsinvariability,polesarethemosteffectivecharacteristicsignaloftheradartargetinresonanceregion.Extractingpolesfrommeasureddatahasbeenanimportantprobleminsignalprocessing.Inthispaper,showthedifference

7、betweenthelinearmodel-basedforecastsfrompoleextractionandnon-lineariterationpoleextraction,thebasictenetsofGauss-NewtonalgorithmandLevenberg-Marquardtalgorithm,andcomparethem,showLevenberg-MarquardtalgorithmisaimprovementofGauss-Newtonalgorithm,anddiscoverLM-CLEANalgori

8、thmbaisedonLevenberg-Marquardtalgorithm,promotetheapplicationofLevenberg-Marquardtalgorithm.Thispaperpresentst