基于PPCA模型的强噪声背景下雷达距离像统计识别方法

    公开(公告)号:CN101598783B

    公开(公告)日:2012-06-27

    申请号:CN200910023246.X

    申请日:2009-07-08

    IPC分类号: G01S7/41

    摘要: 本发明公开了一种基于PPCA模型的强噪声背景下雷达距离像统计识别方法,它涉及雷达自动目标识别技术领域,主要解决现有PPCA模型统计识别方法对噪声不稳健的问题。其训练阶段步骤为:对雷达连续HRRP分帧、平移对齐和强度归一化,并利用处理后的HRRP学习PPCA模型各方位帧的参数,并保存模板。其测试阶段步骤为:先对待测试样本强度归一化、平移对齐,然后估计它的信噪比范围,若该信噪比大于30dB,则计算各目标各帧的距离值,并判定类别属性;若该信噪比小于30dB,则改写现有距离值,通过最小化它,求解低信噪比条件下的噪声能量,最后计算各目标各帧的距离值,并判定类别属性。本发明具有对噪声稳健,计算量较小的优点,用于对雷达目标识别。

    基于PPCA模型的强噪声背景下雷达距离像统计识别方法

    公开(公告)号:CN101598783A

    公开(公告)日:2009-12-09

    申请号:CN200910023246.X

    申请日:2009-07-08

    IPC分类号: G01S7/41

    摘要: 本发明公开了一种基于PPCA模型的强噪声背景下雷达距离像统计识别方法,它涉及雷达自动目标识别技术领域,主要解决现有PPCA模型统计识别方法对噪声不稳健的问题。其训练阶段步骤为:对雷达连续HRRP分帧、平移对齐和强度归一化,并利用处理后的HRRP学习PPCA模型各方位帧的参数,并保存模板。其测试阶段步骤为:先对待测试样本强度归一化、平移对齐,然后估计它的信噪比范围,若该信噪比大于30dB,则计算各目标各帧的距离值,并判定类别属性;若该信噪比小于30dB,则改写现有距离值,通过最小化它,求解低信噪比条件下的噪声能量,最后计算各目标各帧的距离值,并判定类别属性。本发明具有对噪声稳健,计算量较小的优点,用于对雷达目标识别。

    基于FA模型的强噪声背景下雷达距离像统计识别方法

    公开(公告)号:CN101598784B

    公开(公告)日:2012-06-27

    申请号:CN200910023247.4

    申请日:2009-07-08

    IPC分类号: G01S7/41

    摘要: 本发明公开了一种基于FA模型的强噪声背景下雷达距离像统计识别方法,它涉及雷达自动目标识别技术领域,主要解决现有FA模型统计识别方法对噪声不稳健的问题。其训练阶段步骤为:对雷达连续HRRP分帧、平移对齐和强度归一化,并利用处理后的HRRP学习FA模型各方位帧的参数,并保存模板。其测试阶段步骤为:先对待测试样本强度归一化、平移对齐,然后估计它的信噪比范围,若该信噪比大于30dB,则计算各目标各帧的距离值,并判定类别属性;若该信噪比小于30dB,则改写现有距离值,通过最小化它,求解低信噪比条件下的噪声能量,最后计算各目标各帧的距离值,并判定类别属性。本发明具有对噪声稳健,计算量较小的优点,用于对雷达目标识别。