简介:传统基于Gabor滤波器的SAR目标识别方法根据图像全局特征进行目标识别,忽略图像局部纹理特征,容易受到噪声因素的干扰,获取的SAR目标识别结果精确度较低。因此,提出基于图像局部纹理特征的SAR目标识别算法,对SAR图像纹理特征进行提取,提取SAR图像纹理特征时,采用优化的TPLBP特征描述器提取图像局部纹理特征,获取TPLBP局部纹理特征向量;通过基于ELM分类器的SAR目标识别算法,对TPLBP局部纹理特征向量进行SAR目标分类与识别,获取理想的SAR目标识别结果。实验结果表明,所提方法在SAR目标识别方面具有准确率高、误判率低的优势。
简介:特征提取是合成孔径雷达目标识别关键技术与核心任务。为了更好地提取目标特征,稀疏约束将被添加在非负矩阵分解法中,并应用于图像目标特征提取,通过利用稀疏约束的非负矩阵分解方法对sAR目标图像进行分解,构建具有稀疏性的目标特征矢量,提高了特征矢量的类内相似性与类间差异性。利用基于支持向量机的分类方法对MSTAR数据进行目标识别试验,试验结果表明,添加稀疏约束的NMF方法与PCA、ICA以及一般NMF特征提取方法相比,能够显著提高目标识别的稳定性和准确率。
简介:无源定位跟踪是一种非线性系统状态估计问题。为了提高系统定位精度和降低系统复杂度,将无迹卡尔曼滤波(UKF)应用于多移动传感器多目标无源定位跟踪系统。由于多移动传感器多目标交叉定位时会产生大量虚假点,随着传感器和目标数量的增加而大幅增加。因此,提出了一种改进的快速精确定位算法,即首先通过预测点选取传感器-目标测量方程;然后变换该测量方程,排除大量虚假点;再进行基于距离的支持度非等权值融合;最后将UKF子滤波估计值进行融合得到融合估计值。仿真结果表明,UKF和基于距离的融合法相结合对多移动传感器多目标无源定位具有较高的定位精度和较好的跟踪效果。
简介:为有效提高反舰导弹动目标检测性能,利用分数阶Fourier变换(FRFT)对线性调频(LFM)信号良好能量聚集性的特点,提出了基于FRFT的末制导雷达海面微动目标检测方法。首先,针对舰船目标的不同运动状态,分别建立目标平动(匀速和匀加速)以及三维转动(横滚、俯仰和偏航)模型,得到动目标回波的多普勒和微多普勒频率,在短的观测时间范围内,可近似建模为LFM信号。其次,通过计算雷达回波信号在不同变换阶数下的FRFT,形成二维参数平面,在此平面内,采用非参量恒虚警检测器形成自适应门限,并进行动目标判决。最后,仿真分析了算法的性能和影响因素。