研究了核主分量分析(KPCA,Kernel Principal Component Analysis)在高分辨雷达目标特征提取与识别中的应用。首先讨论了KPCA算法原理,然后将KPCA应用于雷达目标距离像特征提取,并采用支持向量机进行分类,提出了基于核主分量分析的高分...研究了核主分量分析(KPCA,Kernel Principal Component Analysis)在高分辨雷达目标特征提取与识别中的应用。首先讨论了KPCA算法原理,然后将KPCA应用于雷达目标距离像特征提取,并采用支持向量机进行分类,提出了基于核主分量分析的高分辨雷达目标特征提取与识别方法。在核函数的选取上构造了一个组合核函数,最后用4类目标数据进行了实验,并与采用高斯核函数方法进行了比较,实验结果表明,该方法能够提高目标识别性能。展开更多
为了在试验室环境下实现对高分辨距离像的回波模拟和成像验证,构建了多散射点和宽带LFM(Linear Frequency Modulation)回波信号模型,描述了回波模拟过程中关键的时域卷积和精确延时实现方法。根据被试设备不同的信号带宽形式,应用宽带...为了在试验室环境下实现对高分辨距离像的回波模拟和成像验证,构建了多散射点和宽带LFM(Linear Frequency Modulation)回波信号模型,描述了回波模拟过程中关键的时域卷积和精确延时实现方法。根据被试设备不同的信号带宽形式,应用宽带回波模拟器对相应的高分辨距离像回波进行了射频实现。通过与目标特性建模软件的数字仿真结果进行对比,验证了高分辨距离回波模拟的逼真度。以某飞机类扩展目标为研究对象进行了仿真验证,实现了优于0.1 m的距离分辨率。展开更多
文摘研究了核主分量分析(KPCA,Kernel Principal Component Analysis)在高分辨雷达目标特征提取与识别中的应用。首先讨论了KPCA算法原理,然后将KPCA应用于雷达目标距离像特征提取,并采用支持向量机进行分类,提出了基于核主分量分析的高分辨雷达目标特征提取与识别方法。在核函数的选取上构造了一个组合核函数,最后用4类目标数据进行了实验,并与采用高斯核函数方法进行了比较,实验结果表明,该方法能够提高目标识别性能。
文摘为了在试验室环境下实现对高分辨距离像的回波模拟和成像验证,构建了多散射点和宽带LFM(Linear Frequency Modulation)回波信号模型,描述了回波模拟过程中关键的时域卷积和精确延时实现方法。根据被试设备不同的信号带宽形式,应用宽带回波模拟器对相应的高分辨距离像回波进行了射频实现。通过与目标特性建模软件的数字仿真结果进行对比,验证了高分辨距离回波模拟的逼真度。以某飞机类扩展目标为研究对象进行了仿真验证,实现了优于0.1 m的距离分辨率。
