学号:19021210901 姓名：高思婧 学院：电子工程学院
宽带高分辨信号因其携带了更多的信息，近年来广受研究者们的青睐。宽带高分辨信号处理包括：SAR成像，ISAR成像以及高分辨一维距离像。其中高分辨一维距离像与SAR成像和ISAR成像相比，其具有数据量小，易处理，运算速度快等优点。
HRRP目标识别的过程主要有预处理、特征提取、特征可分性分析、分类器训练、输出训练模型。
HRRP目标识别过程中最主要的就是要克服三类敏感性：平移敏感性，幅度敏感性，姿态敏感性。
平移敏感性是因为每次HRRP在距离窗中出现的位置是不定的，使得距离窗范围内的距离像向量发生变化。克服平移敏感性的方法有三种：
（1）对距离像进行平移配准，补偿后的距离像最优匹配。较为典型的算法：滑动最大相关法。通过求最大相关系数进行平移补偿。
（2）[endif]距离像绝对对齐法。较为典型的算法：零相位对齐法，零线性相位对齐法，重心法。
（3）提取平移不变特征。较为典型的算法：频谱特征，功率谱特征，中心矩（平移不变特征可以直接用来进行识别处理）。
强度敏感性是因为不同的雷达体制，不同的目标，不同的雷达距离像在幅度上具有不同的尺度标准，所以通常舍弃HRRP的幅度信息，只利用目标的形状信息，对目标的强度做归一化处理。
姿态敏感性是当目标相对于雷达转动时，散射点之间的相对径向距离会发生变化，从而引起子回波包络的纵向位移，原来在同一距离单元的散射点，转动之后的纵向位移如果大于距离分辨单元，就会发生散射点越距离单元徙动。一般情况在构造目标数据库的时候会均匀划分角域或者自适应划分角域。在划分的角域内目标不会发生姿态敏感性（即越距离单位走动）。
在预处理的过程中，主要进行：降噪、杂波抑制、对齐、规格化和敏感性消除等操作。
特征提取一般提取的信息有散射特性，数学特征和物理特征。散射特性包括散射点强度，散射点个数，散射点位置等信息；数学特性和物理特性包括中心矩、重心、波形熵、功率谱等；
对各个特征进行可分性分析，选择可分性好的数据进行训练，利用机器学习中的SVM来训练提取的特征，最后将模型保存。将训练数据放入已训练好的模型中进行计算，最后得出识别结果。当然训练器的种类有很多比如KNN、SVM以及基于神经网络的CNN算法等等。
网友评论