导读:本文包含了距离高分辨论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:距离,目标,声纳,神经网络,稀疏,重构,卷积。
距离高分辨论文文献综述
李含清,王宏宇,王彦华,李阳,曾涛[1]（2019）在《基于CNN的地面目标高分辨距离像识别方法》一文中研究指出针对地面目标高分辨距离像识别问题,提出一种基于卷积神经网络的高分辨距离像序列识别方法。使用CNN对每一帧高分辨距离像进行识别,通过相对多数投票法融合多帧数据识别结果,得到目标类别。实测数据表明,基于CNN的地面目标识别算法相比于人工特征提取可有效提高识别率。(本文来源于《第十叁届全国信号和智能信息处理与应用学术会议论文集》期刊2019-10-25）
刘代,赵永波,周永伟,陈明哲,李伟[2]（2019）在《高分辨距离像辅助的机动目标跟踪算法》一文中研究指出宽带相控阵雷达可以获得高分辨距离像,利用此特征获取目标的姿态角成为了一种可能,基于此提出了一种新的机动目标跟踪算法,充分利用高分辨距离像特征,实时估计目标姿态角,并将姿态角信息融合到雷达的量测方程,本文结合先进的非线性滤波算法,提出了利用姿态角的交互多模型不敏卡尔曼滤波算法。通过计算机仿真表明,利用目标姿态角的机动目标跟踪算法相比传统算法目标跟踪精度(位置精度和速度精度)得到很大提高。同时姿态角误差越小,目标跟踪性能越好。(本文来源于《系统工程与电子技术》期刊2019年09期）
樊嘉豪,刘雄厚,孙超,杨益新[3]（2019）在《使用高分辨谱估计提高成像声纳距离分辨率》一文中研究指出为了突破系统瞬时带宽对成像声纳距离分辨率的限制,提出了距离维高分辨谱估计方法,包括距离维Capon法和距离维MUSIC法。利用脉冲信号回波中不同频率成分具有"同距离不同相移"的特性,在距离维运用高分辨谱估计算法,并给出了距离维Capon法与MUSIC法的协方差矩阵、加权向量和输出表达式。通过数值仿真证明,所提方法能够在一定瞬时系统带宽限制下有效提高距离分辨率。(本文来源于《中国声学学会水声学分会2019年学术会议论文集》期刊2019-05-25）
祝明波,孙铭浩,丁向荣[4]（2019）在《海面舰船目标雷达距离高分辨特性测量》一文中研究指出雷达距离高分辨特性,即目标的一维高分辨距离像特性,能够体现目标的形状及结构信息,且易获取,有利于对目标进行准确识别,这已成为目前雷达目标识别领域的一个重要研究方向。开展目标一维高分辨特性研究的一个重要基础是测量,因而通过测量目标的一维高分辨距离像并分析目标特性,对目标识别具有重大理论意义与实际应用价值。基于此,文章利用实验室现有全相参新体制雷达导引头目标测量平台,对海面舰船目标的距离高分辨特性进行了初步实测,获取了海面舰船的米级高分辨距离像,为今后深入开展海面舰船目标识别研究奠定了坚实基础。(本文来源于《海军航空工程学院学报》期刊2019年01期）
张宁,梁红,杨长生[5]（2018）在《基于稀疏表达的高分辨仿生声纳距离估计》一文中研究指出0引言动物回声定位所用超声波具有双曲调频的形式,为了提高声纳系统的距离分辨力,具有大带宽多谐波结构的仿生信号被广泛用于声纳系统中。近年来,稀疏表达和压缩感知理论的发展为信号参数估计提供了更有效的工具。基于回波信号的时间稀疏性将距离估计问题转化为信号的稀疏重构。文献~([1])给出了噪声背景下稀疏重构的数学模型,文献~([2])(本文来源于《2018年全国声学大会论文集 J通信声学与音频信号处理(含声频工程)》期刊2018-11-10）
刘海波,刘洋,王额[6]（2018）在《基于特征辅助的距离高分辨雷达航迹关联算法》一文中研究指出针对距离高分辨雷达邻近目标跟踪问题,提出了一种检测点分布特征辅助的航迹关联算法.该算法利用标准差椭圆提取目标检测点分布特征,同时利用目标的状态信息和特征信息进行航迹关联,解决了邻近目标航迹易关联错误的问题.实验结果表明,该算法可以提高距离高分辨雷达目标关联准确度,提升航迹质量.(本文来源于《北京理工大学学报》期刊2018年09期）
蔡兆晖[7]（2018）在《基于重构高分辨距离像的雷达目标识别研究》一文中研究指出雷达自动目标识别(Radar Automatic Target Recognition,RATR)能通过雷达回波信号确定目标属性,能全天时、全天候地获取目标类别、型号等信息,在军事和民用的众多领域被广泛使用。与合成孔径雷达像相比,一维高分辨距离像(High Resolution Range Profile,HRRP)具有成像简单、计算量小、存储量小等特点,逐渐成为雷达目标识别领域中的热点问题。然而,复杂环境下HRRP目标识别方法的研究也存在一定的困难,主要体现在以下几方面:首先,更高的分辨率提供了关于目标更为丰富的信息,随着研究的深入,RATR系统迫切需要进一步提高HRRP的分辨率以提高目标识别的准确性。然而,传统成像算法的分辨率受到信号带宽的约束,故需研究在不增加信号带宽的前提下的超分辨成像技术。其次,由于目标具有复杂的电磁散射特性,HRRP具有非平稳特性,因此需要提取有效特征准确地刻画目标的局部细节结构。最后,分类器的设计和选择也是一个不能忽视的问题。为此,本文围绕上述问题展开研究和讨论,主要工作包含以下几个方面:1.研究了基于谱特征的海面微弱目标检测方法。首先,分析了海杂波信号功率谱密度(Power Spectral Density,PSD),指出这类特征不能很好地描述海杂波信号的非平稳特性。其次,在PSD的基础上引入差分功率谱(Differential Power Spectrum,DPS)和归一化积谱(Normalized Product Spectrum,NPS)特征来分析雷达HRRP信号。最后,利用基于粒子群算法优化的支持向量机(Particle Swarm Optimization-Support Vector Machine,PSO-SVM)在海杂波背景下检测目标回波特征。研究发现,DPS和NPS能有效利用信号相位谱中的信息,突出PSD中的谱峰特征,并抑制随机起伏,故该算法具有较高的准确性。2.在ESPRIT和U-ESPRIT算法的基础上,提出了先验知识辅助ESPRIT(Prior Knowledge Aided-ESPRIT,PKA-ESPRIT)参数估计算法,并研究了其在目标一维散射中心提取和HRRP重构方面的应用。PKA-ESPRIT算法通过引入尺度因子来表征交叉项对观测数据自相关矩阵估计值的影响,从而达到在小样本情况下修正自相关矩阵的目的。最后,研究了复杂目标HRRP重构方法,并分析了小快拍数情况下Gerschgorin Disk Estimator散射源数目估计性能。3.研究了时频分析在目标HRRP特征提取中的应用。首先,介绍了几类典型的时频分析方法。其次,通过仿真算例以定性描述与定量分析相结合的方式对比分析各类时频分析方法所具有的优势和缺点。仿真实验表明,自适应最优核(Adaptive Optimal Kernel,AOK)分布具有更好的分辨能力和交叉项抑制能力。接着,提取时频分布的频率边缘特征作为分类过程的输入,以达到对时频分布降维的目的。最后,应用多层前馈型神经网络(Neural Network,NN)进行分类识别,并应用了RPROP和SARPROP两种改进训练算法,以改善BP算法的收敛性能。仿真结果验证了本章提出方法的准确性和有效性。4.提出了一种基于种群进化策略的目标时频特征融合算法,旨在提高RATR系统的性能。首先,借鉴二阶Volterra级数形式作为时频特征融合模型,该融合模型能在提高时频分析性能的同时抑制信号交叉项干扰。此处,利用基于文化算法(Cultural Algorithm,CA)的种群进化策略估计最优融合权值,以摆脱对信号先验信息的依赖。在目标分类阶段,利用一个多层前馈型NN对四类飞机目标进行分类。仿真实验表明,融合时频分布具有更优的分辨率和抗噪声能力,能提升各类目标间的可分性,从而改善目标识别的性能。5.研究了卷积神经网络(Convolutional Neural Network,CNN)在时频特征融合及目标ISAR图像分类两方面的应用。首先,对比了CA进化算法和CNN在最优时频融合权值估计中的性能差异。仿真实验表明,CNN能大幅缩短融合权值估计时间,并能很好地保存信号的内在信息。此外,在训练初始阶段利用CA进化算法优化SARPROP算法来平衡全局搜索和局部开发间的关系,以达到加速收敛的目的。最后,利用U-ESPRIT和凸包检测算法提取目标ISAR图像轮廓,并使用CA-SARPROP训练的CNN进行分类识别。(本文来源于《西安电子科技大学》期刊2018-09-01）
王建明[8]（2018）在《基于高分辨距离像的分布式协同识别方法》一文中研究指出宽带高分辨图像是复杂突防场景下真假弹头识别最有效的特征之一。针对单部雷达无法有效估计目标真实尺寸问题,提出了基于分布式宽带雷达的高分辨一维像协同识别方法。通过多部宽带雷达协同测量,获取弹道目标同一时刻多视角下的高分辨一维距离像,利用多个视角的径向尺寸协同估计目标真实尺寸。仿真分析了典型突防场景下,双站最小二乘估计和递推最小二乘序贯协同尺寸估计方法的有效性。(本文来源于《现代雷达》期刊2018年08期）
李筠,于连庆,杨予昊[9]（2018）在《基于高分辨距离像的空中目标长度提取方法》一文中研究指出雷达采用宽频带信号后,从目标接收到的不再是"点"回波,而是沿距离分布开的高分辨距离像。目标高分辨距离像包含一定的目标信息,如目标的长度、几何结构等,为雷达目标识别提供了较好的基础。基于长度是代表目标固有的特征信息之一,文中提出一种基于高分辨距离像的飞机目标长度提取方法,并经外场实验验证了该方法的有效性。(本文来源于《现代雷达》期刊2018年07期）
林悦[10]（2018）在《基于高分辨距离像的雷达目标识别技术研究》一文中研究指出随着现代先进武器系统以及雷达电子技术的发展,人们对雷达的需求已经不仅仅满足于只能对目标进行探测和定位,雷达目标识别作为现代雷达技术的重要发展方向之一,对未来武器系统具有重要的意义。其中对雷达目标高分辨距离像的识别研究最为广泛,雷达高分辨距离像能够提供目标识别所需的信息,可以反映目标的几何形状和结构特点,利用距离像进行目标识别一直是研究的重点。本论文从高分辨距离像的物理特性分析、数据预处理和特征识别分类等方面,结合相关理论框架和工程技术问题,展开对雷达高分辨距离像的研究,主要工作如下:从高分辨距离像物理特性出发,围绕目标识别的基本原理,分析了敏感性对于高分辨距离像目标识别的影响,讨论了特征提取和目标分类的基本思想和常用方法。针对高分辨距离像的敏感特性,研究了距离像的数据预处理,采用先粗筛选后精确的方法提取目标回波区域,分析了叁种解决平移敏感性的距离对齐处理方法并结合实验数据进行比较验证讨论其优缺点,讨论了归一化幅度的作用与效果,并对数据预处理效果进行实验验证。提出了一种与广义回归神经网络模型(Generalized Regression Neural Network,GRNN)相结合的目标识别方法,针对网络模型在传统方法中需要人为调节的参数spread光滑因子,用K重交叉验证法(K-Folder Cross Validation)训练神经网络,并且根据最小均方误差(Mean Square Error,MSE),利用循环判别法使网络在识别过程中自动筛选出适用于样本参数的光滑因子spread最优值和训练样本的最优输入输出值,并在后续的在线识别中不断地对参数值进行修正。该方法克服了spread选取时的随意性,减少了人为因素对预测结果的影响。仿真实验结果表明,基于该方法模型的目标识别率和稳定性得到了提升。讨论了雷达高分辨距离像在实际目标识别过程中库外目标的拒判问题,针对处理库外目标拒判中库外目标训练样本缺乏的难题,研究了一种人工生成库外目标样本的方法,给出了两种基于接收机工作特性曲线的拒判性能评估准则。设计了基于非参数估计的置信度评估方法,并将其应用于雷达高分辨距离像目标识别的库外目标拒判问题进行实验。(本文来源于《南京信息工程大学》期刊2018-06-01）
距离高分辨论文开题报告
（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：
宽带相控阵雷达可以获得高分辨距离像,利用此特征获取目标的姿态角成为了一种可能,基于此提出了一种新的机动目标跟踪算法,充分利用高分辨距离像特征,实时估计目标姿态角,并将姿态角信息融合到雷达的量测方程,本文结合先进的非线性滤波算法,提出了利用姿态角的交互多模型不敏卡尔曼滤波算法。通过计算机仿真表明,利用目标姿态角的机动目标跟踪算法相比传统算法目标跟踪精度(位置精度和速度精度)得到很大提高。同时姿态角误差越小,目标跟踪性能越好。
（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。
距离高分辨论文参考文献
[1].李含清,王宏宇,王彦华,李阳,曾涛.基于CNN的地面目标高分辨距离像识别方法[C].第十叁届全国信号和智能信息处理与应用学术会议论文集.2019
[2].刘代,赵永波,周永伟,陈明哲,李伟.高分辨距离像辅助的机动目标跟踪算法[J].系统工程与电子技术.2019
[3].樊嘉豪,刘雄厚,孙超,杨益新.使用高分辨谱估计提高成像声纳距离分辨率[C].中国声学学会水声学分会2019年学术会议论文集.2019
[4].祝明波,孙铭浩,丁向荣.海面舰船目标雷达距离高分辨特性测量[J].海军航空工程学院学报.2019
[5].张宁,梁红,杨长生.基于稀疏表达的高分辨仿生声纳距离估计[C].2018年全国声学大会论文集J通信声学与音频信号处理(含声频工程).2018
[6].刘海波,刘洋,王额.基于特征辅助的距离高分辨雷达航迹关联算法[J].北京理工大学学报.2018
[7].蔡兆晖.基于重构高分辨距离像的雷达目标识别研究[D].西安电子科技大学.2018
[8].王建明.基于高分辨距离像的分布式协同识别方法[J].现代雷达.2018
[9].李筠,于连庆,杨予昊.基于高分辨距离像的空中目标长度提取方法[J].现代雷达.2018
[10].林悦.基于高分辨距离像的雷达目标识别技术研究[D].南京信息工程大学.2018
论文知识图
