基于Hilbert-Huang变换的雷达信号特征提取技术

针对高分辨雷达目标散射回波的非平稳特性,提出了利用Hilbert—Huang变换进行时频分析获得目标特性的方法。首先利用简单电磁散射模型仿真了三类目标的一维距离像,然后采用Hilbert—Huang变换对各类目标在不同姿态角下的回波进行时频分析,提取时频分布图的边际谱作为目标特征矢量,利用径向基函数神经网络分类器对特征矢量进行训练和学习,最后对三类目标作了识别,仿真对比实验验证了该方法的有效性。     

基于修正核函数SVM的一维距离像识别

支持向量机的识别性能很大程度上依赖于核函数的使用。根据黎曼几何理论,提出了一种新的保角变换,对核函数进行数据依赖性改进。该方法通过扩大分类边界处的黎曼张量,使得分类间隔扩大,从而提高支持向量机的分类能力。针对多类舰船目标的识别,利用聚类分析中的均值距离来生成二叉树,将分类器分布在各个节点上,构成多分类支持向量机。对四类舰船目标仿真实验的结果表明,该分类方法无论识别率还是识别速度都具有优势。