雷达一维距离像目标识别方法性能的研究

• 研究论文 • 下一篇

雷达一维距离像目标识别方法性能的研究

裴炳南1,2;保铮1;陈江峰2

(1. 西安电子科技大学雷达信号处理重点实验室，陕西西安 710071；
2. 郑州大学电子工程系，河南郑州 450052)

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2003-04-20 发布日期:2003-04-20

Performance study of target recognition methods based on the 1D HRR profile

PEI Bing-nan1,2;BAO Zheng1;CHEN Jian-feng2

(1. Key Lab. of Radar Signal Processing, Xidian Univ., Xi'an 710071, China;
2. Dept. of Electronics Eng., Zhengzhou Univ., Zhengzhou 450052, China)

Received:1900-01-01 Revised:1900-01-01 Online:2003-04-20 Published:2003-04-20

摘要/Abstract

摘要： 给出了雷达距离像的数学模型，从平均距离像和距离像的协方差阵出发，用判别距离观点分析了常用的基线法、相关法、双谱法、主本征向量法和二次型法的分类性质. 用判别距离准则将它们分为两类：基于平均距离像的线性分类器，基于平均距离像和协方差阵的二次型分类器. 分析结果表明，二次型分类器利用了多个距离像的协方差信息，比线性分类器具有更好的分类效果.

关键词: 雷达目标识别, 高分辨距离像, 模式分类器

Abstract: The mathematical model of HRR profiles is first given, adn then the classification performance of the existing methods such as the Baseline method, Correlation method, Bispectrum method, Principal Eigenvector method, and Quardratic Classification method is analzed by teh distance discriminant criterion, from the phase of the averaged HRR profile(AHHRP) and the covariance matrix(COVM) of the profiles. The above methods are divided into two categories: linear classifiers based on AHHRP, and quadratic classifiers based on both AHHRP and COVM. The obtained result shows that the quadratic classifier has better performance in classification than the linear one because it uses the information in COVM of profiles besides AHHRP.

Key words: radar target recognition, HRR profile, pattern classifiers

中图分类号:

TN959.1⁺7

裴炳南1;2;保铮1;陈江峰2. 雷达一维距离像目标识别方法性能的研究[J]. J4, 2003, 30(2): 141-145.

PEI Bing-nan1;2;BAO Zheng1;CHEN Jian-feng2.

Performance study of target recognition methods based on the 1D HRR profile

[J]. J4, 2003, 30(2): 141-145.

[1]	苏海龙, 水鹏朗. 采用双迭代寻优算法的舰船复HRRP估计[J]. 西安电子科技大学学报, 2023, 50(6): 105-119.
[2]	徐彬,张永顺,张秦,王富平,郑桂妹. 采用乘性RNN的雷达HRRP目标识别[J]. 西安电子科技大学学报, 2021, 48(2): 49-54.
[3]	郭泽坤,田隆,韩宁,王鹏辉,刘宏伟,陈渤. 采用CNN-SSD的雷达HRRP小样本目标识别方法[J]. 西安电子科技大学学报, 2021, 48(2): 7-14.
[4]	徐彬,陈渤,刘家麒,王鹏辉,刘宏伟. 采用双向LSTM模型的雷达HRRP目标识别[J]. 西安电子科技大学学报, 2019, 46(2): 29-34.
[5]	吴旭姿;刘峥;谢荣. 用于目标检测的宽带雷达自适应波形设计方法[J]. 西安电子科技大学学报, 2016, 43(2): 46-51.
[6]	徐丹蕾;杜兰;王鹏辉;刘宏伟. 采用多任务稀疏学习的雷达HRRP小样本目标识别[J]. 西安电子科技大学学报, 2016, 43(2): 23-28.
[7]	靳标;苏涛;李艳艳;张龙. 一种高分辨距离像辅助的多目标跟踪算法[J]. J4, 2016, 43(1): 1-6+29.
[8]	熊霖;焦李成;毛莎莎 . 整数矩阵变换的选择集成及对雷达目标的识别[J]. J4, 2015, 42(2): 13-19.
[9]	李志鹏;马田香;杜兰;徐丹蕾;刘宏伟;张子敬. 在雷达HRRP识别中多特征融合多类分类器设计[J]. J4, 2013, 40(1): 111-117.
[10]	刘红超;纠博;刘宏伟;保铮. 一种匀加速空间目标高分辨距离像补偿算法[J]. J4, 2012, 39(4): 81-86.
[11]	王鹏辉;杜兰;刘宏伟;李彦兵;吴兆平. 雷达高分辨距离像分帧新方法[J]. J4, 2011, 38(6): 22-29.
[12]	关永胜;左群声;刘宏伟;杜兰;李彦兵. 空间锥体目标微动特性分析与识别方法[J]. J4, 2011, 38(2): 105-111.
[13]	夏宇垠;冯大政;李涛. 高分辨距离像数据的检测新方法[J]. J4, 2010, 37(2): 260-266+284.
[14]	李丽亚;刘宏伟;纠博;吴顺君. 基于核函数的多极化雷达HRRP目标识别[J]. J4, 2010, 37(1): 49-55.
[15]	柴晶;刘宏伟;保铮. 提高雷达HRRP目标识别和拒判性能的核学习算法[J]. J4, 2009, 36(5): 793-800.