雷达辐射源识别分类器设计子空间学习核方法库外目标拒识硕士论文.doc

雷达辐射源个体识别中的分类器设计与子空间学习【关键词】 雷达辐射源识别 ; 分类器设计; 子空间学习; 核方法; 库外目标拒识; 【英文关键词】 Radar Emitter Recognition; Classifier Design; Subspace Learning; Kernel Methods; Out-of-database Target Rejection; 【中文摘要】 雷达辐射源个体识别在整个雷达对抗中占有重要地位随着雷达技术的迅速发展及新体制雷达的应用,传统的识别方法逐渐失效因此,从信号处理角度看,需要发展更为有效的个体特征提取方法,而从模式识别角度看,相应的分类器设计及特征的进一步精简与优化也变得至关重要本文以两种有效的辐射源个体特征为依托,重点研究了雷达辐射源个体识别中的分类器设计及基于子空间学习的降维技术 在个体特征提取中,分别介绍了基于循环谱零点切片和基于模糊函数切片串联的特征提取方法在实测雷达辐射源数据上的实验结果充分验证了这两种特征提取方法的有效性,从而为辐射源的个体识别提供了稳定可靠的分类特征 在分类器设计中,首先介绍了六种能够输出后验概率的分类器,继而通过一定的概率融合函数可靠地实现了多分类器的组合。

进一步,考虑到实际系统必须能够拒判库外目标,先由后验概率估计出广义置信度,从而设定一定的门限实现了系统对库外目标的拒判功能,最后给出多种评价系统性能的指标实验结果验证了分类器组合的优势,以及基于广义置信度的拒识算法的可行性 在子空间特征降维中,重点研究了线性判别子空间学习和核判别子空间学习两大降维技术其中,核子空间方法是通过... 【英文摘要】 Radar emitter recognition plays an important role in the ECM. With the rapid development of the radar technology and the utility of new types of radar, exploring more effective feature extraction methods is urgent from the point view of signal processing. From the perspective of pattern recognition, it is also essential to concentrate on the classifier design and feature optimization. Based on the two effective features of radar signals, this thesis deals with classifier design, as well as subspace learning...摘要 3-4 ABSTRACT 4 第一章 绪论 7-15 1.1 研究背景及意义 7-8 1.2 国内外研究现状 8-13 1.2.1 雷达辐射源个体识别技术 8-11 1.2.2 基于子空间学习的特征降维 11-13 1.3 论文内容和章节安排 13-15 第二章 雷达辐射源个体特征提取 15-23 2.1 引言 15 2.2 基于循环谱零点切片的特征提取 15-16 2.3 基于模糊函数切片串联的特征提取 16-18 2.4 实验结果与分析 18-22 2.5 本章小结 22-23 第三章 分类器设计与系统拒识 23-37 3.1 引言 23 3.2 分类器设计与组合 23-28 3.2.1 概率输出型分类器 24-27 3.2.2 基于后验概率的分类器组合 27-28 3.3 系统拒识和性能评价 28-31 3.3.1 广义置信度准则下的拒识算法 29 3.3.2 系统性能评价指标 29-31 3.4 实验结果与分析 31-36 3.5 本章小结 36-37 第四章 线性判别子空间学习 37-53 4.1 引言 37 4.2 单子空间判别分析 37-40 4.2.1 PCA+LDA 38-39 4.2.2 NLDA 39 4.2.3 DLDA 39-40 4.3 多子空间判别分析 40-45 4.3.1 DSLDA 40-41 4.3.2 ERE 41-43 4.3.3 Random Sampling LDA 43-45 4.4 实验结果与分析 45-52 4.4.1 图像数据集上的实验 45-48 4.4.2 实测雷达辐射源数据集上的实验 48-52 4.5 本章小结 52-53 第五章 核判别子空间学习 53-69 5.1 引言 53 5.2 核方法的基本概念 53-54 5.3 核子空间学习 54-60 5.3.1 核主分量分析 54-55 5.3.2 核判别分析 55-57 5.3.3 核直接判别分析 57-58 5.3.4 完全核判别分析 58-60 5.4 实验结果与分析 60-68 5.4.1 图像数据集上的实验 60-64 5.4.2 实测雷达辐射源数据集上的实验 64-68 5.5 本章小结 68-69 第六章 总结与展望 69-71 6.1 全文总结 69-70 6.2 工作展望 70-71 致谢 71-72 参考文献。