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,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。
论文目录
摘要Abstract第1章 绪论1.1 课题背景1.2 谐振区雷达目标识别1.2.1 极化特征的提取1.2.2 多频特征的提取1.2.3 极点特征的提取1.3 国内外研究现状1.4 论文结构安排第2章 极点提取法的理论基础2.1 雷达散射截面积特性（RCS）2.2 电磁系统的自然谐振现象2.3 奇点展开法（SEM）2.3.1 奇点展开法的数理基础2.4 本章小结第3章 极点提取方法3.1 非迭代算法与迭代算法的区别3.2 Gauss-Newton 算法和Levenberg-Marquardt 算法3.2.1 解法概述3.2.2 Gauss-Newton 算法3.2.3 Levenberg-Marquardt 算法3.3 LM-CLEAN 法3.3.1 算法原理3.3.2 算法计算结果3.4 本章小结第4章 进化规划算法（EP）4.1 进化规划算法的基本原理4.2 进化规划的收敛性分析4.3 进化规划算法流程及仿真结果4.4 改进的进化规划算法（BEP）4.4.1 传统EP 算法的缺陷4.4.2 双群进化规划算法流程4.4.3 算法仿真结果4.5 本章小节第5章 实际目标极点提取5.1 细杆目标识别5.2 飞机目标识别5.3 本章小节结论参考文献攻读读学位期间发表的学术论文致谢
相关论文文献
标签：奇点展开法论文; 极点论文; 非线性迭代论文; 进化规划算法论文;
