基于微多普勒效应的地面运动目标噪声稳健分类的研究

基于微多普勒效应的地面运动目标噪声稳健分类的研究

ID:34020364

大小:3.53 MB

页数:54页

时间:2019-03-03

基于微多普勒效应的地面运动目标噪声稳健分类的研究_第1页
基于微多普勒效应的地面运动目标噪声稳健分类的研究_第2页
基于微多普勒效应的地面运动目标噪声稳健分类的研究_第3页
基于微多普勒效应的地面运动目标噪声稳健分类的研究_第4页
基于微多普勒效应的地面运动目标噪声稳健分类的研究_第5页
资源描述:

《基于微多普勒效应的地面运动目标噪声稳健分类的研究》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、II基于微多普勒效应的地面运动目标噪声稳健分类研究万方数据AbstractIIIAbstractMicro-Dopplereffectreflectsthegeometricalstructuresandthemovingcharacteristicsofthetargets,therefore,itisanewapproachforradarautomatictargetrecognition(ATR),whichofferstheeffectivetechniquesupportforone’sactivepositioninthebattle.However,du

2、etosomeseveremeasurementconditions,i.e.,thefardistancebetweenthetargetandradar,thehighSignal-Noise-Ratio(SNR)conditioncannotbeguaranteedforthemeasureddata.ThusnoiserobustnessbecomesanimportantjobinATRfield.Onthebasisofthepreviouswork,thisthesisstudiesthenoise-robustclassificationofthegro

3、undmovingtargetsviamodificationofextractedfeaturesandnoise-reduction.Themainworkisasfollows:(1)Thethesisintroducestheconceptsofmicro-Doppler,andestablishesthemicro-Dopplermodelformovingwheeledandtrackedvehiclesaswellasanalysesthedifferencesofmicro-Dopplereffectbetweenamovingvehicleandawa

4、lkinghumanbasedonmeasureddata.Inaddition,thethesisstudiestheexistingcluttersuppressionmethodsforthegroundmovingtargets.(2)Aftermakingananalysisonthedifferenceinthedistributionofharmoniccomponentsbetweenwheeledandtrackedvehicles,weintroducetwoclassificationmethodsbasedontheenergydistribut

5、ion.Sincethetargetandnoisesubspacesareunrelated,anoisereductionschemeisproposed.Theeffectivenessoftheproposedmethodisverifiedbyclassificationexperimentsbasedonmeasureddata.(3)A3-dimensionalfeaturevectordescribingthetime-varyingcharacterofinstantaneousfrequencyisextractedfromthetime-frequ

6、encyspectrogramofmicro-Dopplersignaturestodistinguishthemovingvehicleandwalkinghuman.ConsideringtheworseclassificationperformanceunderthelowSNRcondition,anewnoisereductionmethodisproposedbasedonsignalreconstructionwiththeBayesianInferenceCriterion(BIC)basedComplexProbabilisticPrincipalCo

7、mponentAnalysis(CPPCA)model,whichisextendedfromreal-valuedProbabilisticPrincipalComponentAnalysis(PPCA),andtheprincipalcomponentsareselectedthroughBIC.ComparedwiththeexistingCLEANandPrincipalComponentAnalysis(PCA)methodsfordenoising,theBICbasedCPPCAmethodpresentsitsadvant

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。