隐马尔科夫模型在雷达目标识别中的应用研究.pdf

《隐马尔科夫模型在雷达目标识别中的应用研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、国内图书分类号：V448学校代码：10213国际图书分类号：629密级：公开工学硕士学位论文隐马尔科夫模型在雷达目标识别中的应用研究硕士研究生：尹学庆导师：浦甲伦讲师申请学位：工学硕士学科：航空宇航科学与技术所在单位：航天工程系答辩日期：2018年5月授予学位单位：哈尔滨工业大学ClassifiedIndex:V448U.D.C:629DissertationfortheMaster’sDegreeinEngineeringRESEARCHONTHEAPPLICATIONOFHIDDENMARKOVMODELINRADART

2、ARGETRECOGNITIONCandidate：YinXueqingSupervisor：PuJialunAcademicDegreeAppliedfor：MasterofEngineeringSpecialty：AerospaceScienceandTechnologyAffiliation：Dept.ofAstronauticalEngineeringDateofDefence：May,2018Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业

3、大学工学硕士学位论文摘要雷达是一种全天时全天候的传感器，在军事和民用方面都有重要的应用价值，雷达目标识别广泛应用于国民经济、空间技术和国防等领域，越来越收到世界各国的高度重视。本文主要研究基于隐马尔科夫模型的雷达目标动态RCS序列特征提取与目标识别技术，完成了以下四个内容的研究工作：（1）雷达目标RCS变化特性分析。雷达目标RCS测量序列由目标运动和散射特性共同决定，雷达目标散射特性、姿态调整和雷达位置等因素共同决定了目标RCS的起伏特性。通过分析各种类型雷达目标的RCS变化特性，寻找各类目标RCS序列变化规律差异，为特征提

4、取奠定基础。（2）基于隐马尔科夫模型的雷达目标RCS变化特性表征方法。利用隐马尔科夫模型对雷达目标RCS序列进行建模，用不同的模型参数刻画不同类型雷达目标的RCS变化特性，为基于RCS变化特征的雷达目标识别奠定基础。（3）基于RCS变化特性的雷达目标识别。利用典型雷达目标的RCS测量数据，根据不同类目标RCS变化规律的差异，采用隐马尔科夫模型表征雷达目标RCS变化特征，实现目标的分类识别，验证RCS变化特性的分类识别效能。测试结果表明，分类识别效能良好。（4）改进隐马尔科夫模型建模。针对经典隐马尔科夫模型参数（状态数）固定的

5、缺陷，建立了自适应隐马尔科夫模型，使模型的状态数能自动适应待建模信号结构的复杂性，并采用自适应隐马尔科夫模型表征雷达目标RCS变化特征，实现了目标的分类识别，测试结果表明，分类识别效能良好。论文建立了基于RCS测量数据的雷达目标识别原型系统，为目标识别方法走向工程化应用奠定了基础。关键词：雷达目标识别；RCS变化特征；隐马尔科夫模型-I-哈尔滨工业大学工学硕士学位论文AbstractRadarisanall-weathersensor,whichhasimportantapplicationvalueinmilitaryan

6、dcivilaspects.Radartargetrecognitioniswidelyusedinthenationaleconomy,spacetechnologyandnationaldefense,andmoreandmoreattentionhasbeenpaidtothecountriesallovertheworld.FeatureextractingandtargetsrecognitiontechnologybasedondynamicRCSseriesofmissileareresearchedinthi

7、sproject.Theresearchworkincludesthesefourcontent:Firstly,theRCSsequenceofradartargetisdeterminedbythemotionandscatteringcharacteristicsoftarget.AccordingtoanalyzingthecharacteristicsofRCSvariationofradartarget,findthedifferenceofRCSsequencevariationofdifferenttypes

8、oftarget,andlaythefoundationforfeatureextraction.Secondly,thevariationalfeatureisextractedusingHiddenMarkovModel(HHM).Thevariationalcharacteristi