海雜波仿真與船目標ISAR圖像識別研究.pdf

1、逆合成孔徑雷達(Inverse Synthetic Aperture Radar，ISAR)是一種二維成像雷達，可以在各種天氣條件下持續(xù)地對目標進行監(jiān)測，在廣域偵測、環(huán)境遙感、防空等方面有著重要的價值。本文主要針對船目標ISAR圖像識別進行研究，內容如下：
　　1、研究了海雜波統(tǒng)計數(shù)學模型，利用了零記憶非線性變換法和傅里葉級數(shù)展開法，對海雜波模型(對數(shù)正態(tài)分布、韋布分布、逆高斯復合高斯分布、K分布)進行仿真實現(xiàn)和分析，仿真結果表明

2、雜波形狀參數(shù)可以控制雜波尾部形狀，雜波速度方差對雜波內部起伏有影響，而對雜波拖尾沒有貢獻。
　　2、研究了船目標成像模型和滾動模型，利用距離多普勒成像算法，對船目標點陣模型的三種小角度滾動方式（roll、yaw、pitch）進行了ISAR成像研究，獲取ISAR圖像，為后續(xù)研究提供了數(shù)據(jù)支撐。
　　3、研究了點陣模型 ISAR圖像預處理方法和特征提取方法，利用深度學習框架中卷積神經網(wǎng)絡對圖像進行特征學習，該方法不需人為提取特征

3、，可自主進行特征學習，對圖像平移、伸縮變化有很強的魯棒性。通過實驗從網(wǎng)絡層數(shù)、卷積核個數(shù)、濾波器大小等方面對網(wǎng)絡結構進行了優(yōu)化。
　　4、研究了支持向量機和三類AdaBoost算法(Gentle AdaBoost、Real AdaBoost、Modest AdaBoost)。AdaBoost算法對錯誤分類的分類器進行權值迭代更新，使其最終晉升為強分類器，增強分類效果。實驗結果表明：對于AdaBoost分類器， MAB算法效果最差并