导读:本文包含了雷达目标一维距离像论文开题报告文献综述及选题提纲参考文献，主要关键词:深度学习,一维像识别,级联子网络,域迁移
雷达目标一维距离像论文文献综述
司进修[1]（2019）在《基于深度学习的雷达一维距离像目标识别方法研究与实现》一文中研究指出随着现代战争环境复杂化,敌对目标及任务的多元化,如何在恶劣的环境中对目标进行精准识别,是雷达领域研究的热点问题。在雷达目标识别的研究中,高分辨一维距离像(High Resolution One-Dimensional Range Profile,HRRP)因其能够较好的反映雷达目标的几何结构信息,以及具有易获取和实时性强的特点,而被广泛关注。本文主要研究了基于深度学习算法的HRRP雷达目标识别,其中主要研究内容包括:首先,通过对深度学习算法和HRRP数据特征的分析,设计了新的深度级联神经网络(CDNN)模型,实现了目标的有效识别。在CDNN模型的构建中,通过级联多组浅层子网络来加深网络深度,以提取HRRP的高阶抽象的特征;并通过网络参数迁移的方式,初始化子网络,以加速CDNN模型的训练过程。另外,针对HRRP的姿态敏感性问题,提出了二级标签(SL)编码方案,通过对目标姿态范围的划分,分别为各类目标的样本,在各姿态角范围内设定相应的主副标签。该编码方式使得在训练的过程中,不仅仅考虑了目标的类间差异,还考虑了类内的差异。在模型测试阶段,采用决策融合策略,对连续HRRP样本进行综合识别。其次,针对小样本HRRP雷达目标识别问题,通过对迁移网络进行改进,提出了基于特征域的迁移模型(DTNN)。在DTNN模型中共包含两个同型子网络,利用仿真HRRP数据,优化模型对实测HRRP数据的识别率。在模型的训练过程中,两个子网络交替训练且实现参数共享,同时通过设置联合域特征距离,在最小化模型识别误差时,最小化源域和目标域的特征分布之间的差异性。以此,实现源域和目标域之间的特征域迁移,以达到仅用少量的实测数据获得较高识别率的目的。最后,针对HRRP雷达目标识别中不同目标之间数据量不均衡的问题,设计了改进的生成对抗网络(GAN)用于数据增强。即通过WGAN和CWGAN生成所需样本,使目标样本数均衡。在WGAN模型的设计中,引入了EM距离作为生成模型的训练指标,提升模型生成样本的质量;在CWGAN模型的设计中又通过引入标签约束,提升WGAN模型生成样本的效率。通过对深度学习的研究,本文进一步拓宽了神经网络算法在HRRP雷达目标方面的应用,这也为以后雷达识别的研究提供了新思路。(本文来源于《电子科技大学》期刊2019-03-28）
戴为龙[2]（2018）在《雷达一维距离像目标识别研究》一文中研究指出雷达高分辨率一维距离像(HRRP)是宽带雷达目标散射点回波在雷达视线方向上的向量和,反映了目标的结构信息,对目标的识别与分类具有重要价值。因其获取简单,实时性好,是实际工程中最具前景的雷达目标识别技术。HRRP识别过程中,方位敏感性问题、HRRP维度过高和单一分类器低信噪比环境下的识别稳定性问题是影响HRRP实际目标识别效果的重要因素。本文针对这些问题分别提出了自适应分帧、低维特征提取和多分类器决策融合方法以提高HRRP识别的精确度和鲁棒性。主要工作如下:(1)研究了HRRP识别中敏感性问题的产生原因,分析HRRP频谱幅度特征统计特性,结合因子分析模型和Jensen-Shannon(JS)距离提出了一种基于因子分析模型的自适应分帧方法,能根据目标姿态角的变化速率自适应调整分帧间隔,基于实测飞机数据的分帧和识别率结果验证了本方法能够有效降低方位敏感性对识别的影响,为后续识别工作奠定基础。(2)针对HRRP信号维度过高、冗余信息较多而产生的识别效率问题,基于稀疏保持投影,提出了一种多尺度稀疏保持投影法和一种自适应最大间距稀疏保持投影法用于特征降维。多尺度稀疏保持投影法从多尺度理论角度分析信号特性,可有效挖掘HRRP多尺度空间内在稀疏结构信息,丰富特征信息量;自适应最大间距稀疏保持投影法则将自适应最大间距准则融入降维约束中,有效融合HRRP稀疏结构信息和样本标签信息,在原尺度空间中有效探索信号内在特性。基于实测数据的实验结果表明,上述算法提取的特征维度低、识别性好、鲁棒性强。(3)针对单一分类器在低信噪比等复杂环境下识别精度较低、稳定性较差的问题,研究了HRRP多分类器决策融合识别,提出了一种基于自适应类别权重的多分类器决策融合法,通过近邻样本和多分类器间取舍及权重的自适应变换,实现了多分类器识别结果的高效融合。基于实测飞机数据的实验证明了该方法的优越性。(本文来源于《南京航空航天大学》期刊2018-03-01）
梁菁,余萧峰,毛诚晨,熊金涛,万群[3]（2018）在《雷达目标一维距离像识别创新课程设计》一文中研究指出为了提高雷达原理与系统课程的教学质量与效果,该文基于多次样本的高分辨雷达一维距离像设计了一个雷达目标识别的仿真验证课程项目,即一种针对最小K-L距离判决准则的不对称性而利用最小R-A距离判决准则的改进方案,并具体阐述了K-L和R-A方法的原理及实施方式,给出了试验流程图和仿真过程中各参数的选择。实践表明,该课程设计形象生动、易于掌握,涵盖了雷达原理,目标识别等技术,满足了教学与科研的需要。(本文来源于《实验科学与技术》期刊2018年01期）
张明敏,卢建斌,程广利[4]（2016）在《近距离水声模拟测量舰船目标雷达一维距离像》一文中研究指出雷达目标回波特性测量所需的远场条件给实验室条件下的目标缩比测量带来困难,为此研究了舰船目标由于水面波动引起波场起伏和目标摆动,降低目标各散射点之间的相干性,从而降低远场测量距离要求的问题。分别从波场起伏和目标摆动起伏两个方面推导了接收场强表达式,以反平方规律变化为条件给出了动态测量实验条件下的远场判据,所给出的远场条件大幅降低了实验要求。通过水声模拟测量舰船目标雷达一维距离像实验,并与电磁仿真计算结果进行了比对,证明了理论推导结论的正确性。(本文来源于《哈尔滨工程大学学报》期刊2016年06期）
李飞[5]（2015）在《基于一维距离像的雷达目标识别》一文中研究指出论文主要基于一维距离像研究了模式识别新技术在雷达目标识别中的应用,研究了一维距离像(HRRP)强度和平移敏感性,结合相对对准和绝对对准算法原理,对强度敏感性进行能量归一化处理,用滑动最大相关法进行目标识别。最后对各种功能及算法用C语言实现,并对最后的识别结果进行分析。(本文来源于《舰船电子工程》期刊2015年05期）
谭敏洁[6]（2015）在《基于压缩感知的雷达一维距离像目标识别》一文中研究指出基于一维距离像的目标识别方法是现代雷达目标识别的主要研究领域之一。近年来,随着压缩感知理论的兴起,人们越来越关注将压缩感知理论应用于目标识别的研究。本文主要研究了如何将压缩感知理论应用于雷达一维距离像目标识别中,通过提取不同的特征,设计不同的分类器,达到雷达目标识别的目的。主要工作如下:1.研究基于稀疏表示的一维距离像目标识别方法。通过分析待测试样本在训练样本组成的冗余字典上的稀疏性来进行识别。该方法直接利用了测试样本与训练样本的相关性,不需要分别提取训练样本和测试样本的特征进行对比。通过对仿真数据和实测数据的实验证明了该方法能达到雷达目标的有效识别。2.研究基于K-SVD字典学习的雷达一维距离像目标识别方法。自适应学习字典更加符合待测信号的特性,增加了待测试信号在字典上的稀疏性,根据这种稀疏性相关的特征来进行识别的效果就更好。通过对仿真数据和实测数据的实验表明该方法能够进一步的提高识别率,而且相对其它方法,该方法能够更好的克服一维距离像的姿态敏感性,大姿态角范围内仍然能够达到较高的识别率。3.研究基于判决字典学习的一维距离像目标识别方法。在字典学习的过程中,生成一个基于稀疏系数的线性分类器。这种方法的特点是简洁直观,不需要另外设计分类器。仿真实验表明,小姿态角范围内该方法的识别效果较好。4.研究基于匹配字典特征提取的一维距离像目标识别方法。通过将待识别信号在匹配字典上进行稀疏分解,提取出信号的散射点相对位置和相对强度特征。将提取出来的特征通过SVM分类器,达到目标识别的目的。仿真实验表明,该方法能够有效地提取出目标的散射点信息,对小姿态角范围内的一维距离像的识别效果较好。(本文来源于《电子科技大学》期刊2015-03-30）
崔应留,罗文茂,王德纯[7]（2014）在《匀加速运动对频率步进雷达目标一维距离像的影响及其运动补偿方法》一文中研究指出针对频率步进雷达目标运动参数估计问题,提出了基于调频傅里叶变换方法估计目标的加速度和速度,实现运动补偿。在分析匀加速运动对目标一维距离像影响的基础上,采用直接相位一阶差分法,并运用调频傅里叶变换分别精确估计目标加速度和速度,并完成对目标回波的运动补偿。计算机仿真实验进一步说明了文中所采用方法的有效性,并具有一定的抗干扰能力。(本文来源于《弹箭与制导学报》期刊2014年06期）
吴克明[8]（2014）在《雷达目标高分辨一维距离像识别方法研究》一文中研究指出随着高分辨率宽带雷达的出现和现代战争特点的不断变化，要求雷达能够具备目标型别、真假和属性识别等功能，来有效探测和预警，对战场目标进行高清晰侦察和监视，帮助制导武器精却打击目标，由此，雷达目标识别技术这一研究领域也就应运而生，正因为此，全世界范围内，大量学者都在相关方面展开了研究，新的成果不断涌现。一维像更容易被获取和进行处理，能够避免成像过程中遇到的运动补偿问题，是目前雷达目标识别领域研究应用最广泛的方法。本文对前人在雷达目标识别研究的基础上，首先介绍了目标高分辨一维距离像获取方法，然后讨论研究了多种目标识别方法，运用了一些新的方法，并作出了一定的改进，并且都通过实测目标数据的仿真实验对本文涉及的方法进行了验证。总体说来，本文的主要内容包括以下几个方面：1.研究了雷达高分辨距离像的特性。讨论了雷达一维散射中心模型和高分辨距离像的获取方法，通过分析强调对方位敏感性、平移敏感性和强度敏感性叁个问题的解决是雷达高分辨一维距离像目标识别需要首先面临的问题，并提出雷达高分辨距离像目标识别的基本思路，为后续的研究奠定基础。2.研究了辨别分析识别方法。对LDA、KDA等经典的辨别分析方法及其核方法、基于QR分解的线性辨别分析（LDA+QR）和核线性辨别分析（KDA+QR）雷达目标距离像识别方法进行了分析讨论，指出了其计算困难性，在此基础上本文提出了一种改进的基于QR分解的辨别分析方法（MDA+QR），该方法在保持了高识别率的同时，在实时性方面得到了明显提高。3.研究了稀疏和协同表示识别方法。把基于辨别字典学习的稀疏表示目标识别方法（FDDL）和基于协同表示的目标识别方法（CRC）首次运用到雷达目标高分辨一维距离像识别中，并在后者基础上提出了一种基于核主成分分析和协同表示相结合的方法（KPCA+CRC），该方法在识别率、实时性方面都得到了改善，并且在大样本数据下使用体现了明显的优势。本文研究讨论的雷达高分辨一维距离像目标识别方法是当前该领域研究的经典课题和热门方向，本文的创新也是经过了实测目标数据仿真实验的验证，在识别率和实时性方面都分别有所改进，具有较好的实用价值。(本文来源于《武汉理工大学》期刊2014-04-01）
肖宁[9]（2014）在《基于高分辨一维距离像的雷达自动目标识别技术研究》一文中研究指出雷达高分辨一维距离像包含了目标重要的结构和形状信息，并且拥有容易获取的优势。因此基于高分辨一维距离像的雷达自动目标识别技术研究有重要的意义和使用价值。本文主要针对高分辨距离像数据特征提取和选择问题展开研究。首先基于回波散射点模型，对高分辨距离像物理特性进行分析，重点分析了距离像回波数据的方位敏感性、平移敏感性和强度敏感性。针对数据敏感性问题，采用简便合理的方法对数据进行预处理，使其能够用于分类实验。接着对基于子空间方法的特征提取和特征选择方法进行探讨，对核Fisher判别分析(KFDA)降维方法深度分析，将其分解为核主成分分析(KPCA)和线性判别分析(LDA)两步降维组合的算法。受以上组合方式启发，本文通过对核主成分分析(KPCA)和线性判别分析(LDA)的降维思想分析，针对高分辨一维距离像数据提出一种新的组合降维方法。算法使用线性判别分析(LDA)和主成分分析(PCA)两种降维方法对数据组合降维，最后使用支持矢量机(SVM)分类器分类决策。仿真实验结果表明，这种组合降维算法处理的数据能获取很好的识别效果，并且有很高的降维效率。(本文来源于《西安电子科技大学》期刊2014-03-01）
陈允辉,李环,马岩,张丽平[10]（2013）在《雷达目标一维距离像的偶数阶中心矩特征的识别》一文中研究指出针对雷达目标一维距离像的平移敏感性和姿态敏感性,提出一种提取一维距离像的偶数阶中心矩作为雷达目标特征的方法。用小波变换提高一维距离像的信噪比,在此基础上提取中心矩特征,再选取维数减半的比较稳定的偶数阶中心矩作为目标特征,以适用于支持向量机分类器进行识别分类。对实测雷达目标的数据进行试验,结果显示在减少模板特征向量的存储量和测试样本识别时的计算量的同时,得到了较高的识别率。(本文来源于《沈阳理工大学学报》期刊2013年05期）
雷达目标一维距离像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
雷达高分辨率一维距离像(HRRP)是宽带雷达目标散射点回波在雷达视线方向上的向量和,反映了目标的结构信息,对目标的识别与分类具有重要价值。因其获取简单,实时性好,是实际工程中最具前景的雷达目标识别技术。HRRP识别过程中,方位敏感性问题、HRRP维度过高和单一分类器低信噪比环境下的识别稳定性问题是影响HRRP实际目标识别效果的重要因素。本文针对这些问题分别提出了自适应分帧、低维特征提取和多分类器决策融合方法以提高HRRP识别的精确度和鲁棒性。主要工作如下:(1)研究了HRRP识别中敏感性问题的产生原因,分析HRRP频谱幅度特征统计特性,结合因子分析模型和Jensen-Shannon(JS)距离提出了一种基于因子分析模型的自适应分帧方法,能根据目标姿态角的变化速率自适应调整分帧间隔,基于实测飞机数据的分帧和识别率结果验证了本方法能够有效降低方位敏感性对识别的影响,为后续识别工作奠定基础。(2)针对HRRP信号维度过高、冗余信息较多而产生的识别效率问题,基于稀疏保持投影,提出了一种多尺度稀疏保持投影法和一种自适应最大间距稀疏保持投影法用于特征降维。多尺度稀疏保持投影法从多尺度理论角度分析信号特性,可有效挖掘HRRP多尺度空间内在稀疏结构信息,丰富特征信息量;自适应最大间距稀疏保持投影法则将自适应最大间距准则融入降维约束中,有效融合HRRP稀疏结构信息和样本标签信息,在原尺度空间中有效探索信号内在特性。基于实测数据的实验结果表明,上述算法提取的特征维度低、识别性好、鲁棒性强。(3)针对单一分类器在低信噪比等复杂环境下识别精度较低、稳定性较差的问题,研究了HRRP多分类器决策融合识别,提出了一种基于自适应类别权重的多分类器决策融合法,通过近邻样本和多分类器间取舍及权重的自适应变换,实现了多分类器识别结果的高效融合。基于实测飞机数据的实验证明了该方法的优越性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
雷达目标一维距离像论文参考文献
[1].司进修.基于深度学习的雷达一维距离像目标识别方法研究与实现[D].电子科技大学.2019
[2].戴为龙.雷达一维距离像目标识别研究[D].南京航空航天大学.2018
[3].梁菁,余萧峰,毛诚晨,熊金涛,万群.雷达目标一维距离像识别创新课程设计[J].实验科学与技术.2018
[4].张明敏,卢建斌,程广利.近距离水声模拟测量舰船目标雷达一维距离像[J].哈尔滨工程大学学报.2016
[5].李飞.基于一维距离像的雷达目标识别[J].舰船电子工程.2015
[6].谭敏洁.基于压缩感知的雷达一维距离像目标识别[D].电子科技大学.2015
[7].崔应留,罗文茂,王德纯.匀加速运动对频率步进雷达目标一维距离像的影响及其运动补偿方法[J].弹箭与制导学报.2014
[8].吴克明.雷达目标高分辨一维距离像识别方法研究[D].武汉理工大学.2014
[9].肖宁.基于高分辨一维距离像的雷达自动目标识别技术研究[D].西安电子科技大学.2014
[10].陈允辉,李环,马岩,张丽平.雷达目标一维距离像的偶数阶中心矩特征的识别[J].沈阳理工大学学报.2013