南京邮电大学学报（自然科学版）
南京郵電大學學報（自然科學版）
남경유전대학학보（자연과학판）
JOURNAL OF NANJING UNIVERSITY OF POSTS AND TELECOMMUNICATIONS(NATURAL SCIENCE)
2014年
5期
41-46
,共6页
雷达近场成像%支持向量机%后向投影算法%频率波数域偏移算法
雷達近場成像%支持嚮量機%後嚮投影算法%頻率波數域偏移算法
뢰체근장성상%지지향량궤%후향투영산법%빈솔파수역편이산법
near-field radar imaging%support vector machine%back-projection algorithm%frequency-wave-number migration algorithm
雷达近场成像中,在精确定位的基础上,为解决目标形状识别问题,提出了利用支持向量机(SVM)预测目标信息的方法.根据时域算法——后向投影(BP)算法和频域算法——频率波数域(F-K)偏移算法得到的场强值作为SVM的特征数据,并利用时域有限差分法(FDTD)进行仿真.仿真结果表明,基于BP算法的SVM识别方法具有特征数据提取时间长、SVM预测时间短、多目标时目标信息全和虚警较多等特征,基于F-K算法的SVM识别方法具有特征数据提取时间非常短、SVM预测时间非常短、多目标时目标漏检的特征;两者都能较好地识别目标的形状,且前者的识别能力高于后者,而后者更适合实时成像.
雷達近場成像中,在精確定位的基礎上,為解決目標形狀識彆問題,提齣瞭利用支持嚮量機(SVM)預測目標信息的方法.根據時域算法——後嚮投影(BP)算法和頻域算法——頻率波數域(F-K)偏移算法得到的場彊值作為SVM的特徵數據,併利用時域有限差分法(FDTD)進行倣真.倣真結果錶明,基于BP算法的SVM識彆方法具有特徵數據提取時間長、SVM預測時間短、多目標時目標信息全和虛警較多等特徵,基于F-K算法的SVM識彆方法具有特徵數據提取時間非常短、SVM預測時間非常短、多目標時目標漏檢的特徵;兩者都能較好地識彆目標的形狀,且前者的識彆能力高于後者,而後者更適閤實時成像.
뢰체근장성상중,재정학정위적기출상,위해결목표형상식별문제,제출료이용지지향량궤(SVM)예측목표신식적방법.근거시역산법——후향투영(BP)산법화빈역산법——빈솔파수역(F-K)편이산법득도적장강치작위SVM적특정수거,병이용시역유한차분법(FDTD)진행방진.방진결과표명,기우BP산법적SVM식별방법구유특정수거제취시간장、SVM예측시간단、다목표시목표신식전화허경교다등특정,기우F-K산법적SVM식별방법구유특정수거제취시간비상단、SVM예측시간비상단、다목표시목표루검적특정;량자도능교호지식별목표적형상,차전자적식별능력고우후자,이후자경괄합실시성상.
