特征选择是雷达目标识别流程中一个较为关键的环节,通过对原始特征集进行筛选,挑选出其中的优质特征构成新的特征子集,可以有效增加识别准确率,提升识别效率。为了提升开放环境下高分辨距离像(High Range Resolution Profile,HRRP)的识...特征选择是雷达目标识别流程中一个较为关键的环节,通过对原始特征集进行筛选,挑选出其中的优质特征构成新的特征子集,可以有效增加识别准确率,提升识别效率。为了提升开放环境下高分辨距离像(High Range Resolution Profile,HRRP)的识别性能,针对现有特征选择方法基于闭集假设,无法有效应对实际应用中存在库外目标导致的开集识别(Open Set Recognition,OSR)性能下降问题,本文提出了一种基于局部离群因子(Local Outlier Factor,LOF)的HRRP开集识别特征选择方法。首先,从原始HRRP中提取15维特征向量作为原始特征集;其次,该方法引入聚合性概念,并使用LOF作为其度量,通过评估特征子集的聚合性来保证其在OSR时具有最小的开放空间风险。同时,采用重心法评估特征子集的可分性,并使用前向搜索算法优化特征选择过程,确保所选特征子集为维数约束下的最优解。实验结果表明:利用所提方法选择的特征子集在开集环境下识别性能优于现有特征提取方法,提升了开集环境下高分辨距离像的识别性能。展开更多
Traditional manufacturing processes for lightweight curved profiles are often associated with lengthy procedures,high costs,low efficiency,and high energy consumption.In order to solve this problem,a new staggered ext...Traditional manufacturing processes for lightweight curved profiles are often associated with lengthy procedures,high costs,low efficiency,and high energy consumption.In order to solve this problem,a new staggered extrusion(SE)process was used to form the curved profile of AZ31 magnesium alloy in this paper.The study investigates the mapping relationship between the curvature,microstructure,and mechanical properties of the formed profiles by using different eccentricities of the die.Scanning electron microscopy(SEM)and electron backscatter diffraction techniques are employed to examine the effects of different eccentricity values(e)on grain morphology,recrystallization mechanisms,texture,and Schmid factors of the products.The results demonstrate that the staggered extrusion method promotes the deep refinement of grain size in the extruded products,with an average grain size of only 15%of the original billet,reaching 12.28μm.The tensile strength and elongation of the curved profiles after extrusion under the eccentricity value of 10 mm,20 mm and 30 mm are significantly higher than those of the billet,with the tensile strength is increased to 250,270,235 MPa,and the engineering strain elongation increased to 10.5%,12.1%,15.9%.This indicates that staggered extrusion enables curvature control of the profiles while improving their strength.展开更多
给出了一种结合幂变换的高分辨率距离像 (High Resolution Range Profile,简称 HRRP)的预处理新方法。根据时域 -频域能量等价性 ,利用功率平均形成一种频域平均模板。基于美国 MSTAR(Moving and Stationary TargetAcquisition and Reco...给出了一种结合幂变换的高分辨率距离像 (High Resolution Range Profile,简称 HRRP)的预处理新方法。根据时域 -频域能量等价性 ,利用功率平均形成一种频域平均模板。基于美国 MSTAR(Moving and Stationary TargetAcquisition and Recognition)展开更多
针对现有基于H/A/α分解提取全极化高分辨率距离像(high range resolution profile,HRRP)特征的方法都没有考虑度量尺度对所提取特征性能影响的问题,提取了平均度量尺度下的特征子集,给出联合动态互信息概念用于选择最优平均度量尺度,...针对现有基于H/A/α分解提取全极化高分辨率距离像(high range resolution profile,HRRP)特征的方法都没有考虑度量尺度对所提取特征性能影响的问题,提取了平均度量尺度下的特征子集,给出联合动态互信息概念用于选择最优平均度量尺度,并剔除特征子集中的冗余特征;在此基础上,结合Bagging和Boosting算法,提出一种宽带全极化雷达目标识别方法;最后在多类飞机目标HRRP样本集上验证了该方法的有效性。展开更多
有源宽带欺骗干扰能够生成虚假高分辨距离像(high resolution range profile,HRRP),严重影响成像雷达的目标特征提取与识别。为此,研究了基于极化分集接收的HRRP欺骗干扰鉴别方法。首先,建立了目标回波和欺骗干扰的正交极化宽带响应模型...有源宽带欺骗干扰能够生成虚假高分辨距离像(high resolution range profile,HRRP),严重影响成像雷达的目标特征提取与识别。为此,研究了基于极化分集接收的HRRP欺骗干扰鉴别方法。首先,建立了目标回波和欺骗干扰的正交极化宽带响应模型,分析了两者的极化相关特性差异;然后,利用正交极化HRRP之间的互相关系数作为鉴别量,提出了相应的鉴别算法;最后,利用飞机缩比模型及干扰机天线的暗室测量数据进行仿真实验。实验结果表明:在一定信噪比(signal-to-noise ratio,SNR)及鉴别门限条件下,正确鉴别概率将大于90%,验证了算法的有效性。展开更多
利用稀疏自编码器网络对典型目标一维高分辨距离像(high resolution range profile,HRRP)进行了学习训练,基于各层权重系数矩阵定义了一种综合权重系数,通过综合权重系数和降维特征与散射中心特征的对比分析,发现稀疏自编码器深层特征...利用稀疏自编码器网络对典型目标一维高分辨距离像(high resolution range profile,HRRP)进行了学习训练,基于各层权重系数矩阵定义了一种综合权重系数,通过综合权重系数和降维特征与散射中心特征的对比分析,发现稀疏自编码器深层特征与散射中心特征之间具有一定的关联性,并对综合权重系数和深层降维特征的物理意义进行了解释。首先针对HRRP构建稀疏自编码器网络,经过深层学习后获取训练后的权重系数和降维后的特征,并与散射中心的位置特征和强度分布特征进行关联性分析。结果表明,综合权重系数矩阵为与散射中心密切相关的类字典系数矩阵,反映了距离域强散射中心位置随角度变化的可能的分子集;降维特征能够实现对强散射中心的学习和提取,反映了强散射中心位置和强度随角度的变化。最后分析了网络训练层数和降维维数对学习训练结果的影响,可指导后续网络参数的选择。文章首次针对雷达HRRP数据开展深度学习特征的可解释性研究,为后续深度学习在雷达数据处理中的广泛应用提供了有益的导引。展开更多
基于不同分类器对同一样本分类能力不同,同一分类器对不同样本可分程度不同的思想,为不同样本赋予不同融合权重,提出了一种基于熵的自适应加权投票高分辨距离像(high range resolution profile,HRRP)融合识别方法。该方法将二分类相关...基于不同分类器对同一样本分类能力不同,同一分类器对不同样本可分程度不同的思想,为不同样本赋予不同融合权重,提出了一种基于熵的自适应加权投票高分辨距离像(high range resolution profile,HRRP)融合识别方法。该方法将二分类相关向量机(relevance vector machine,RVM)扩展为多类分类RVM概率模型,并对不同HRRP特征样本进行分类,利用每个多类分类RVM输出的样本后验概率信息计算出的熵值自适应为各个样本赋予权重,使得不同分类器以及同一分类器对不同样本的决策占有不同的比重,熵值越大的样本赋予的融合权重越低,最后通过加权投票方法实现融合识别,得到目标的最终识别结果。仿真实验结果验证了所提方法的有效性。展开更多
文摘特征选择是雷达目标识别流程中一个较为关键的环节,通过对原始特征集进行筛选,挑选出其中的优质特征构成新的特征子集,可以有效增加识别准确率,提升识别效率。为了提升开放环境下高分辨距离像(High Range Resolution Profile,HRRP)的识别性能,针对现有特征选择方法基于闭集假设,无法有效应对实际应用中存在库外目标导致的开集识别(Open Set Recognition,OSR)性能下降问题,本文提出了一种基于局部离群因子(Local Outlier Factor,LOF)的HRRP开集识别特征选择方法。首先,从原始HRRP中提取15维特征向量作为原始特征集;其次,该方法引入聚合性概念,并使用LOF作为其度量,通过评估特征子集的聚合性来保证其在OSR时具有最小的开放空间风险。同时,采用重心法评估特征子集的可分性,并使用前向搜索算法优化特征选择过程,确保所选特征子集为维数约束下的最优解。实验结果表明:利用所提方法选择的特征子集在开集环境下识别性能优于现有特征提取方法,提升了开集环境下高分辨距离像的识别性能。
基金Project(JQ2022E004)supported by the Natural Science Foundation of Heilongjiang Province,China。
文摘Traditional manufacturing processes for lightweight curved profiles are often associated with lengthy procedures,high costs,low efficiency,and high energy consumption.In order to solve this problem,a new staggered extrusion(SE)process was used to form the curved profile of AZ31 magnesium alloy in this paper.The study investigates the mapping relationship between the curvature,microstructure,and mechanical properties of the formed profiles by using different eccentricities of the die.Scanning electron microscopy(SEM)and electron backscatter diffraction techniques are employed to examine the effects of different eccentricity values(e)on grain morphology,recrystallization mechanisms,texture,and Schmid factors of the products.The results demonstrate that the staggered extrusion method promotes the deep refinement of grain size in the extruded products,with an average grain size of only 15%of the original billet,reaching 12.28μm.The tensile strength and elongation of the curved profiles after extrusion under the eccentricity value of 10 mm,20 mm and 30 mm are significantly higher than those of the billet,with the tensile strength is increased to 250,270,235 MPa,and the engineering strain elongation increased to 10.5%,12.1%,15.9%.This indicates that staggered extrusion enables curvature control of the profiles while improving their strength.
文摘给出了一种结合幂变换的高分辨率距离像 (High Resolution Range Profile,简称 HRRP)的预处理新方法。根据时域 -频域能量等价性 ,利用功率平均形成一种频域平均模板。基于美国 MSTAR(Moving and Stationary TargetAcquisition and Recognition)
文摘针对现有基于H/A/α分解提取全极化高分辨率距离像(high range resolution profile,HRRP)特征的方法都没有考虑度量尺度对所提取特征性能影响的问题,提取了平均度量尺度下的特征子集,给出联合动态互信息概念用于选择最优平均度量尺度,并剔除特征子集中的冗余特征;在此基础上,结合Bagging和Boosting算法,提出一种宽带全极化雷达目标识别方法;最后在多类飞机目标HRRP样本集上验证了该方法的有效性。
文摘有源宽带欺骗干扰能够生成虚假高分辨距离像(high resolution range profile,HRRP),严重影响成像雷达的目标特征提取与识别。为此,研究了基于极化分集接收的HRRP欺骗干扰鉴别方法。首先,建立了目标回波和欺骗干扰的正交极化宽带响应模型,分析了两者的极化相关特性差异;然后,利用正交极化HRRP之间的互相关系数作为鉴别量,提出了相应的鉴别算法;最后,利用飞机缩比模型及干扰机天线的暗室测量数据进行仿真实验。实验结果表明:在一定信噪比(signal-to-noise ratio,SNR)及鉴别门限条件下,正确鉴别概率将大于90%,验证了算法的有效性。
文摘利用稀疏自编码器网络对典型目标一维高分辨距离像(high resolution range profile,HRRP)进行了学习训练,基于各层权重系数矩阵定义了一种综合权重系数,通过综合权重系数和降维特征与散射中心特征的对比分析,发现稀疏自编码器深层特征与散射中心特征之间具有一定的关联性,并对综合权重系数和深层降维特征的物理意义进行了解释。首先针对HRRP构建稀疏自编码器网络,经过深层学习后获取训练后的权重系数和降维后的特征,并与散射中心的位置特征和强度分布特征进行关联性分析。结果表明,综合权重系数矩阵为与散射中心密切相关的类字典系数矩阵,反映了距离域强散射中心位置随角度变化的可能的分子集;降维特征能够实现对强散射中心的学习和提取,反映了强散射中心位置和强度随角度的变化。最后分析了网络训练层数和降维维数对学习训练结果的影响,可指导后续网络参数的选择。文章首次针对雷达HRRP数据开展深度学习特征的可解释性研究,为后续深度学习在雷达数据处理中的广泛应用提供了有益的导引。
