论文摘要
雷达目标识别是对雷达探测功能的重要延伸,在现代战争中具有极其重要的意义,也是当前雷达信号处理的一个研究热点。随着城市环境的日益复杂,对低、小、慢目标的检测与识别已经成为一个迫切需要解决的问题。现役雷达大部分是低分辨率雷达,在不影响雷达系统数据处理过程的基础上进行目标识别,尤其是低、小、慢目标的识别具有十分重要的实际意义。鉴于传统雷达目标检测技术一般是基于雷达接收回波能量的检测方法,该方法设置一个门限,只要过门限的点目标都输出了,这就引起一个问题:输出的点目标中既有感兴趣的目标,也有大量的不感兴趣的目标。为了解决这个问题,本文针对脉冲雷达,提出了一种基于多特征融合的雷达目标检测/识别方法,该方法不影响雷达信号处理过程,只需要存储杂波对消后的数据,将输出的点迹数据进行特征提取,然后进行目标识别。论文内容分为低分辨雷达目标识别分析,分析了不同目标的回波序列,包括时域回波幅度和多普勒谱,并在此基础上进行了特征提取,利用支持矢量机进行分类识别,将单个分类器输出的结果进行融合计算,并对该方法的推广性能进行了评估。特征提取是目标识别过程中的关键环节,提取有效的特征能大大提高识别率。实测数据试验结果表明,本文提出的基于多特征的雷达目标识别方法能够有效的实现地面目标和空中目标的分类,尤其是对于复杂背景下的地面汽车目标和低、小、慢目标的分类识别,该方法识别性能高,实时性强,易于实现,具有广阔的应用前景。同时,对于其他体制的雷达,也可以用该方法进行目标检测和识别。
论文目录
相关论文文献
- [1].基于多特征融合的民办高校教学服务推荐策略研究[J]. 现代信息科技 2019(24)
- [2].一种基于多特征融合的自适应目标跟踪策略[J]. 大众科技 2016(11)
- [3].基于深度置信网络的多特征融合音乐分类算法[J]. 电子设计工程 2020(04)
- [4].基于多特征融合的车辆检测算法[J]. 传感器与微系统 2020(06)
- [5].基于多特征融合的多分类运动想象脑电信号识别研究[J]. 生物信息学 2020(03)
- [6].基于多特征融合问句理解问答系统研究[J]. 数据通信 2018(02)
- [7].一种多特征融合的场景分类方法[J]. 小型微型计算机系统 2018(05)
- [8].基于多特征融合的转移粒子滤波红外小目标跟踪算法研究[J]. 信息与电脑(理论版) 2018(12)
- [9].基于多特征融合和深度学习的图像分类算法[J]. 河南科技学院学报(自然科学版) 2018(04)
- [10].基于多特征融合的激光医学图像拼接[J]. 激光杂志 2015(12)
- [11].基于多特征融合的电网调度员工作负荷综合评价方法[J]. 微型电脑应用 2019(11)
- [12].一种多特征融合的高分辨率遥感图像道路提取算法[J]. 遥感信息 2019(01)
- [13].基于支持向量机的多特征融合影像云检测[J]. 测绘与空间地理信息 2018(06)
- [14].基于多特征融合的井盖检测系统实现[J]. 电子技术应用 2018(06)
- [15].基于粒子滤波后验概率分布的多特征融合跟踪[J]. 传感技术学报 2014(12)
- [16].多特征融合的次峰抑制无人机目标跟踪[J]. 计算机工程与应用 2020(14)
- [17].基于多特征融合的云平台异常检测方法[J]. 模式识别与人工智能 2018(11)
- [18].多特征融合的视频目标深度跟踪[J]. 科学技术与工程 2019(07)
- [19].一种多特征融合的软件开发者推荐[J]. 软件学报 2018(08)
- [20].基于多特征融合的评论文本情感分析[J]. 计算机技术与发展 2018(08)
- [21].基于模糊推理的多特征融合粒子滤波算法[J]. 计算机与数字工程 2017(02)
- [22].基于多特征融合和特征排序的飞机识别方法[J]. 现代工业经济和信息化 2017(08)
- [23].基于多特征融合的图像检索方法研究[J]. 电脑与电信 2019(10)
- [24].基于多特征融合的运动目标显著性检测[J]. 电子设计工程 2016(08)
- [25].采用多特征融合技术的云背景红外弱小目标检测方法[J]. 信息与电脑(理论版) 2016(13)
- [26].一种基于多特征融合的图像检索方法[J]. 哈尔滨商业大学学报(自然科学版) 2010(03)
- [27].基于全局局部一致性的多特征融合目标跟踪[J]. 兵器装备工程学报 2020(03)
- [28].脑电时空多特征融合的数字图形界面认知负荷评价方法[J]. 计算机辅助设计与图形学学报 2020(07)
- [29].基于多特征融合的窃电识别算法研究[J]. 计算机与数字工程 2017(12)
- [30].基于多特征融合的微博主题情感挖掘[J]. 计算机学报 2017(04)