题名 基于自更新置信分类网络的雷达点迹识别算法
1
作者
杨蕊 赵颖博
机构
西安建筑科技大学工程综合实训中心 西安建筑科技大学机电学院
出处
《科学技术与工程》
北大核心
2024年第20期8541-8549,共9页
基金
国家自然科学基金(61804120) 陕西省自然科学基础研究计划(2021 JQ-515)。
文摘
多雷达协同组网进行目标探测识别时,受复杂战场环境影响,获取的数据富含大量杂波和不确定信息,传统雷达点迹识别算法在处理此类数据时具有一定局限。为了解决上述问题,提出一种基于自更新置信分类网络的雷达点迹识别算法(radar plots recognition algorithm based on self-updating confidence classification network,RPR-SCCN)。首先,构建置信分类网络,获取各轮迭代下雷达点迹隶属目标、杂波和不确定的初始置信度。然后,基于点迹的空间分布特性构造决策证据并进行修正融合,融合结果进行点迹类别更新,更新点迹则再次驱动置信分类网络训练学习。优化后的置信分类网络继续进行下一轮次的点迹置信更新、决策证据构建以及类别标签更新等,此过程一直循环迭代,直至前后两轮次的雷达点迹类别标签不再变化时停止。实测雷达点迹的实验验证结果显示,点云分形网络(point fractal network,PF-Net)、基于全连接神经网络的雷达点迹分类算法(radar plot classification based on fully connected neural network,RPC-FNN)、粒子群优化概率神经神经网络(particle swarm optimization probabilistic neural network,PSO-PNN)和基于卷积神经网络的雷达点迹分类算法(radar plot classification based on convolutional neural networks,RPC-CNN)典型雷达点迹智能识别算法的识别正确率为82%~90%,所提算法则可以达到93%,提升3%~10%。此外,所提算法对训练样本数目依赖较小,便于推广应用。
关键词
雷达点迹 置信函数 深度学习 数据分类 迭代优化
Keywords
radar plots belief function deep learning data classification iterative optimization
分类号
TN957.54
[电子电信—信号与信息处理]
题名 一种基于置信函数的分类器自优化雷达点迹识别算法
被引量：1
2
作者
杨蕊 赵颖博 杨婷
机构
西安建筑科技大学工程综合实训中心 西安建筑科技大学机电学院
出处
《科学技术与工程》
北大核心
2023年第19期8236-8242,共7页
基金
陕西省自然科学基础研究计划(2021JQ-515) 中央高校基本科研业务费(300102252506)。
文摘
雷达组网协同探测中,受不同探测精度、观测维度及环境噪声影响,信息系统获取的传感数据包含一定不精确、不确定信息,导致无法对目标点迹准确分类识别。为此提出了一种基于置信函数的分类器自优化雷达点迹识别算法。首先,基于置信函数理论创建目标、杂波、不确定数据的证据识别框架,并设计可实时给定目标数据类别隶属度的深度神经网络模型分类器。然后,依托当前迭代轮次分类结果进行辅助决策证据构建,并根据点迹分布特性进行证据修正融合。最后,基于全局融合结果进行点迹类别标签更新,并重新驱动网络模型分类器进行在线学习与更新,如此迭代循环直至所有的雷达点迹数据类别标签不再发生改变。基于雷达实测数据集对算法性能进行验证分析,结果表明与传统算法相比新算法能够有效提升雷达点迹的分类正确率,而且随着样本数据的丰富算法收敛时间可急速减少,便于在后续工程中推广应用。
关键词
置信函数 深度学习 雷达点迹 分类器 目标识别
Keywords
confidence function deep learning radar plots classifier target recognition
分类号
TN957.54
[电子电信—信号与信息处理]
题名 基于BP神经网络的雷达点迹分类方法
被引量：10
3
作者
李松 汪圣利
机构
南京电子技术研究所
出处
《现代雷达》
CSCD
北大核心
2018年第12期52-56,共5页
文摘
提出了一种解决复杂电磁环境下目标检测后仍包含杂波的基于反向传播(BP)神经网络的雷达点迹分类方法。该方法可以在目标检测后进一步区分目标点和杂波点,提高目标跟踪的质量。同时,对BP神经网络进行了训练,并与K最近邻域法和支持向量机作了对比,发现该方法的分类精度可达87.3%,较后两种方法精度分别提升19.6%和7.6%。实验结果表明:基于BP神经网络的雷达点迹分类方法有效。
关键词
目标检测 目标跟踪 雷达点迹 分类BP神经网络
Keywords
target detection target tracking radar plots classification BP neural network
分类号
TN957.52
[电子电信—信号与信息处理]
题名 基于雷达点迹处理的抗RGPO干扰的机动目标跟踪
被引量：5
4
作者
何仁军 熊杰
机构
中国航空工业集团公司成都飞机设计研究所 中国西南电子技术研究所
出处
《电讯技术》
北大核心
2023年第2期212-219,共8页
文摘
针对距离波门拖引(Range Gate Pull Off,RGPO)干扰下机动目标跟踪性能恶化的问题,提出一种基于雷达点迹处理的机动目标跟踪算法。该算法首先使用RGPO干扰鉴别技术将跟踪波门内的雷达点迹数据分为正常点迹集与RGPO干扰点迹集,针对不同的点迹集采取了不同的状态更新策略,最后融合两类状态信息后输出目标位置。仿真结果表明,该算法的跟踪精度明显优于传统的交互多模型-概率数据关联(Interacting Multiple Model Probabilistic Data Association,IMM-PDA)算法及现有抗RGPO干扰机动目标跟踪算法。
关键词
机动目标跟踪 雷达点迹 处理距离波门拖引 数据融合
Keywords
maneuvering target tracking radar plot procession range gate pull off(RGPO) data fusion
分类号
TN97
[电子电信—信号与信息处理]
