基于一維距離像數據生成的未知目標判別研究.pdf

1、在雷達目標識別領域，一維距離像(HRRP)由于其易于獲取、可以進行實時識別等優(yōu)點，日益成為一種重要的識別手段。在傳統(tǒng)的基于一維距離像的識別方法中，需要提前獲得待識別目標的訓練樣本才能夠進行正確的識別。當遇到未知目標時，由于缺乏其訓練樣本，傳統(tǒng)的識別方法不再適用，此時往往會導致結果的誤判。本文對此問題進行了深入的研究，研究內容如下：
　　1、針對未知目標缺乏訓練樣本的問題，提出一種基于伽瑪統(tǒng)計模型的一維距離像數據生成方法。該方法利用

2、少量未知目標的先驗信息，通過估計伽瑪模型的參數，從而生成服從伽瑪統(tǒng)計分布的未知目標訓練樣本。實驗結果表明，與高斯和均勻分布的模型相比，基于伽瑪模型生成的未知目標訓練樣本更接近實測數據的統(tǒng)計分布。
　　2、傳統(tǒng)支持向量機(SVM)的核函數單一，影響判別效果。針對這一問題，研究了一種基于混合核函數的支持向量機方法。由于多項式核函數具有較好的泛化能力，而徑向基核函數具有較好的學習能力，該方法利用這兩種核函數來構造新的混合核函數，從而兼具

3、兩種核函數的優(yōu)點。仿真實驗表明，相比傳統(tǒng)支持向量機，該方法能使未知目標的判別精度得到提高。
　　3、傳統(tǒng)支持向量數據域描述(SVDD)要求已知目標數據集符合球形分布，針對實際中這一條件難以滿足的問題，研究了一種基于聚類的支持向量數據域描述方法。該方法先對已知目標數據集進行聚類分組，再對每組樣本單獨使用SVDD進行判別。由于該方法考慮了樣本的分布情況，利用多個SVDD來代替原來一個SVDD，從而獲得更好的判別精度。同時提出了一種參數