基于核函數(shù)的HRRP目標(biāo)識別算法研究.pdf

1、雷達目標(biāo)識別技術(shù)是現(xiàn)代雷達技術(shù)的主要組成部分，是世界各國當(dāng)前和未來武器系統(tǒng)研發(fā)的主要發(fā)展方向之一。針對雷達目標(biāo)一維距離像的目標(biāo)識別，本文引入了多種方法對其進行探討，主要研究內(nèi)容如下：
　　1.本文對原有核主成分分析（KPCA）方法進行了如下改進：首先對實驗數(shù)據(jù)進行正態(tài)化處理，然后通過引入的多項式核函數(shù)與高斯核函數(shù)組成的混合核函數(shù)對其進行核矩陣構(gòu)造，最后利用基于馬氏距離設(shè)計的分類器進行目標(biāo)識別。本文將上述方法應(yīng)用到高分辨距離像的目標(biāo)

2、識別中，發(fā)現(xiàn)改進算法比原KPCA方法識別性能有較大提升，在大小姿態(tài)角兩種變化范圍都取得了比較好的識別效果。
　　2.針對核Fisher判別分析（KFDA）算法的分類性能在很大程度上依賴于核的選擇的情況，本文通過核的凸優(yōu)化對KFDA中的核函數(shù)參數(shù)進行優(yōu)化，然后利用對多個高斯核函數(shù)的組合構(gòu)造出組合高斯核函數(shù)來進行KFDA，以期提高其分類性能。此外，本文還引入了兩種改進的分類方法：一種是基于局部均值向量和類均值向量相結(jié)合的廣義近鄰分類方

3、法，該算法更好的克服離群點的影響，提高了在小姿態(tài)角范圍下的分類準(zhǔn)確率；另一種是K-近鄰算法（K-NN）與樸素貝葉斯算法相結(jié)合的混合分類方法，此方法提高了數(shù)據(jù)的聚類程度，同時充分利用了樸素貝葉斯算法的簡單性和有效性的特點，在保證較低運算量的前提下，提高了算法的識別性能。
　　3.本文引入了基于不可分樣本集的支持向量機（C-SVM）對雷達目標(biāo)一維距離像大姿態(tài)角范圍情況進行識別分析，并給出了一種基于K-NN算法的稀疏化方法，把這種稀疏化