版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、雷達目標識別技術(shù)(Radar target identification簡稱RTI)廣泛應(yīng)用于軍事和民用生活中,是現(xiàn)代雷達系統(tǒng)的重要發(fā)展方向之一。相對于其他雷達識別技術(shù)基于雷達一維距離像的目標識別具有容易獲取與易于在 FPGA上實現(xiàn)等優(yōu)勢。近年來,可編程邏輯器件技術(shù)的發(fā)展迅速,高密度、高帶寬、高性能的可編程邏輯器件為雷達目標識別和數(shù)據(jù)處理提供了良好的平臺。目標識別算法的不斷改進和創(chuàng)新為基于FPGA的雷達目標識別技術(shù)的實現(xiàn)提供了多種可行性
2、的方案。
本文對基于雷達一維距離像的目標識別算法進行了設(shè)計。使用Altera StratixⅢ系列的芯片進行仿真驗證,算法選擇了基于統(tǒng)計學(xué)習(xí)理論的改進算法:最小二乘支持向量機(LS-SVM)。本文的主要內(nèi)容如下:
1.對與本文設(shè)計相關(guān)的理論進行了詳細介紹。包括基于統(tǒng)計學(xué)習(xí)理論的支持向量機算法(SVM),基于不可分樣本集的支持向量機算法(C-SVM)和本文要實現(xiàn)的最小二乘支持向量機(LS-SVM)算法,并對三種算法就算
3、法性能和實現(xiàn)可行性進行了比較。
2.通過引入Renyi熵使用改進的稀疏化算法對訓(xùn)練樣本進行了科學(xué)聚類,并對縮減后的樣本進行訓(xùn)練,建立標準模板庫。
3.本文中應(yīng)用到的雷達數(shù)據(jù)均采用了IEEE754單精度浮點數(shù)的標準,滿足了雷達目標識別對數(shù)值運算精確性的要求。根據(jù) IEEE754標準研究完成了單精度浮點數(shù)乘法器、加法器、除法器和開方模塊等基礎(chǔ)運算模塊的設(shè)計實現(xiàn)。
4.使用自制的乘法器和加法器以及對存儲器的靈活調(diào)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于LS-SVM目標識別的研究.pdf
- 基于LS-SVM的多標簽分類算法.pdf
- 基于GMM與改進LS-SVM算法的說話人識別研究.pdf
- 基于Zynq的LS-SVM算法加速器設(shè)計.pdf
- 基于LS-SVM的入侵檢測.pdf
- 基于混合核Ls-SVM的古漢字圖像識別.pdf
- 基于EEMD和模糊LS-SVM的人體動作識別研究.pdf
- 基于LS-SVM的fMRI數(shù)據(jù)分析.pdf
- 基于ISAR像的雷達目標識別算法研究.pdf
- 基于LS-SVM的常微分方程求解.pdf
- 基于DSP的雷達目標識別算法高速實現(xiàn)研究.pdf
- 基于LS-SVM的軟測量建模方法研究.pdf
- 基于極點提取雷達目標識別.pdf
- 基于RCS的空間雷達目標識別.pdf
- 基于屬性約簡及LS-SVM的人耳識別技術(shù)研究.pdf
- 基于高分辨距離像的雷達目標識別算法研究.pdf
- 目標識別雷達頻域脈沖壓縮技術(shù)FPGA設(shè)計研究.pdf
- 基于集成的SVM車標識別算法研究.pdf
- 寬帶雷達地面目標識別算法與系統(tǒng)設(shè)計.pdf
- 基于多核模糊LS-SVM的廣義預(yù)測控制.pdf
評論
0/150
提交評論