• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文学位 >Feature study for high-range-resolution based automatic target recognition: Analysis and extraction.
【24h】

Feature study for high-range-resolution based automatic target recognition: Analysis and extraction.

机译：基于高分辨率的自动目标识别的特征研究：分析和提取。

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Techniques for automated moving target/object recognition are required in many military and civilian applications. This dissertation focuses on moving target Automatic Target Recognition (ATR) using High Range Resolution (HRR) radar, with a special emphasis on features study.; After briefly discussing the basics of HRR radar sensors, the objectives of this investigation are formally defined in Chapter 1. In Chapter 2, an extensive review of previous research into HRR ATR is provided. In Chapter 3 we investigate the utility of complex HRR signatures based on both theoretical analysis and experimental examinations. Chapters 4 and 5 are devoted to finding and extracting robust HRR signatures. In Chapter 4 we derive a physics-based HRR moving target model, and define the parameters of the model as a set of potential features. Additionally, two parameter estimation algorithms based on this model are developed. Subsequently these algorithms can serve as the feature-extraction algorithms for the HRR data described by our proposed model. However, the features defined and extracted in Chapter 4 are representational features, and we thus cannot guarantee that they represent distinguishing information between targets. Thus, Chapter 5 approaches the feature extraction problem differently, and a new nonlinear feature extraction algorithm, named Kernel-based nonlinear Feature Extraction (KFE) algorithm, is proposed. This algorithm extends conventional linear scatter matrix-based feature extraction algorithms to the nonlinear domain via a technique referred to as the “kernel trick”. Both theoretical proofs and experimental tests demonstrate that high performance features can be extracted using this KFE algorithm. Because SVM, an emerging technique in pattern recognition, is extensively involved in Chapter 5, a brief introduction to it is provided in Appendix B.; The main contributions of this research are (1) a deeper understanding of the properties of complex HRR signatures, (2) a physics-based HRR moving target model, (3) a set of physical feature extraction algorithms based on our proposed HRR models, and (4) a new category of nonlinear algorithms which can be used to extract discriminant features.
机译：在许多军事和民用应用中，需要用于自动移动目标/物体识别的技术。本文主要研究使用高分辨力（HRR）雷达的运动目标自动目标识别（ATR），特别着重于特征研究。在简要讨论了HRR雷达传感器的基本原理之后，本研究的目标在第1章中正式定义。在第2章中，对HRR ATR的先前研究进行了广泛的回顾。在第3章中，我们将基于理论分析和实验检查来研究复杂HRR签名的实用性。第4章和第5章专门介绍查找和提取可靠的HRR签名。在第4章中，我们导出了基于物理的HRR运动目标模型，并将模型的参数定义为一组潜在特征。另外，开发了基于该模型的两种参数估计算法。随后，这些算法可用作我们提出的模型描述的HRR数据的特征提取算法。但是，第4章中定义和提取的特征是代表性的特征，因此我们不能保证它们代表目标之间的区别信息。因此，第5章以不同的方式处理特征提取问题，并提出了一种新的非线性特征提取算法，即基于核的非线性特征提取（KFE）算法。该算法通过一种称为“内核技巧”的技术将传统的基于线性散射矩阵的特征提取算法扩展到非线性域。理论证明和实验测试均表明，可以使用此KFE算法提取高性能功能。由于SVM是模式识别中的一种新兴技术，在第5章中广泛涉及，因此在附录B中对其进行了简要介绍。这项研究的主要贡献是（1）更深入地了解复杂HRR签名的属性，（2）基于物理的HRR移动目标模型，（3）基于我们提出的HRR模型的一组物理特征提取算法， （4）可以用于提取判别特征的一类新的非线性算法。

著录项

  • 作者

    Ma, Junshui.;

  • 作者单位

    The Ohio State University.;

  • 授予单位 The Ohio State University.;
  • 学科 Engineering Electronics and Electrical.
  • 学位 Ph.D.
  • 年度 2001
  • 页码 183 p.
  • 总页数 183
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类 无线电电子学、电信技术;
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号