基于压缩感知的雷达一维距离像目标识别

摘要

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。

目录

封面

声明

中文摘要

英文摘要

目录

第一章绪论

1.1 本文研究背景和意义

1.2 雷达一维距离像目标识别研究现状

1.3 本文主要工作和章节安排

第二章雷达一维距离像与压缩感知基本理论

2.1 雷达高分辨一维距离像简介

2.2 信号的压缩感知理论简介

2.3 本章小结

第三章基于稀疏表示的一维距离像目标识别

3.1 基于稀疏表示的识别方法

3.2 目标信号的稀疏重构算法

3.3 分类策略

3.4 仿真结果与分析

3.5 本章小结

第四章基于字典学习的一维距离像目标识别

4.1 基于K-SVD字典学习的目标识别

4.2 基于判决字典学习的目标识别

4.3 仿真结果与分析

4.4 本章小结

第五章基于匹配字典的特征提取及目标识别

5.1 雷达目标回波模型

5.2 匹配字典的原子构造

5.3 基于匹配字典的特征提取和识别

5.4 仿真结果与分析

5.5 本章小结

第六章全文总结

致谢

参考文献

攻硕期间取得的研究成果