地面活动目标识别算法的研究

论文摘要

低分辨雷达信号的目标识别,主要依靠极化信息、回波波形、多普勒等信息对目标进行识别,如进行快速、慢速、大目标、小目标、空中目标、水上和地面目标的简单分类,但不能够进行目标具体型号的识别。在低分辨率雷达体制下,利用目标回波识别与其他方法相结合的技术也得到发展,本文主要利用神经网络对低分辨雷达体制下人目标、卡车目标与坦克目标的识别进行研究。首先,阐述了目标识别技术的发展历史,重点介绍了在低分辨雷达体制下目标识别技术的发展与研究现状。同时介绍了神经网络的特点与其在目标识别中的应用,为本文利用目标回波特征提取与神经网络学习相结合的目标识别方案设计提供了一定的理论依据。其次,由于低分辨雷达信号不能采用成像分析的方式,因此目标的识别都具有采用特征提取来对回波数据进行处理的特点,而针对运动目标识别的多普勒信号特征提取就显得尤为重要。根据不同运动目标多普勒频率信息与目标属性的对应关系,研究运动目标的多普勒信息变化,在理论上对目标的多普勒变化信息作分析,论证这种识别特征的产生原理。之后,通过一定的处理手段对实际回波信号进行识别特征的提取,考察所分析的识别特征对于目标的分类效果。然后,介绍神经网络的基本原理和网络结构设计,提出基于本课题背景下的特征向量的构建方法,并把该向量应用在BP网络与RBF网络中,通过对其聚类性的考察,来确定这种构建方法的有效性;同时,通过设计的BP网络、RBF网络、PNN网络的训练与测试,以及二分网络与三分网络的训练、测试过程,说明了这些网络在训练、识别中应注意的问题。最后,通过对于BP网络、RBF网络、PNN网络的训练与测试,获取了所训练网络的收敛特性与识别效果。统计以上各网络在特定参数下的识别率,对比这些网络特性与识别效果,深入分析各种网络的优缺点,并对各网络的的识别特性给出评价结果。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.1.1 课题背景
• 1.1.2 选题意义和研究目的
• 1.2 国内外发展综述
• 1.2.1 识别技术的发展概述
• 1.2.2 活动目标识别的研究动态
• 1.3 主要研究内容及技术要求
• 1.4 本论文研究思路和组织结构
• 第2章 神经网络的基本原理
• 2.1 引言
• 2.2 神经网络的特点
• 2.3 BP 网络的基本设计原理
• 2.4 BP 网络训练的基本算法
• 2.4.1 BP 算法流程
• 2.4.2 BP 网络的应用难点
• 2.5 RBF 网络的概述
• 2.5.1 RBF 网络原理
• 2.5.2 RBF 网络常用的学习算法
• 2.5.3 概率神经网络
• 2.6 本章小结
• 第3章 特征分析与特征向量的构建
• 3.1 引言
• 3.2 人、车目标的特征分析与特征向量构建
• 3.2.1 人、车目标的特征分析
• 3.2.2 人、车目标特征向量构建
• 3.3 车目标特征分析与特征向量构建
• 3.3.1 卡车与坦克目标特征分析
• 3.3.2 坦克与卡车目标特征向量构建
• 3.4 本章小结
• 第4章 神经网络的训练与测试
• 4.1 引言
• 4.2 BP 网络的训练与测试
• 4.2.1 梯度下降训练算法
• 4.2.2 改进的BP 训练算法
• 4.2.3 BP 算法构建三分网络
• 4.3 RBF 网络的目标识别
• 4.3.1 RBF 网络的训练识别
• 4.3.2 PNN 网络的训练、识别
• 4.4 本章小结
• 第5章 不同网络识别的对比分析
• 5.1 引言
• 5.2 BP 网络的识别与结果分析
• 5.2.1 二分类BP 网络的识别
• 5.2.2 三分类BP 网络的识别
• 5.2.3 BP 网络的识别结果分析
• 5.3 RBF 网络识别结果与分析
• 5.3.1 RBF 网络的识别
• 5.3.2 RBF 网络识别结果分析
• 5.3.3 PNN 网络识别
• 5.3.4 PNN 三分网络识别
• 5.3.5 PNN 识别结果分析
• 5.4 多网络识别结果分析
• 5.5 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢