收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

穿墙雷达基于支持向量机的成像算法研究

张华美  
【摘要】:超宽带穿墙雷达利用电磁波在非金属媒质中的穿透性能,实现对障碍物后目标的非入侵式探测、定位、成像和跟踪,在军事和民用领域均具有广泛的应用前景。为满足实际应用的要求,超宽带穿墙雷达面临的两个关键问题是:墙体参数未知和实时性要求。本论文基于时域有限差分(Finite Difference Time Domain,FDTD)法仿真模拟穿墙场景,就这两个关键问题展开讨论,主要工作及贡献如下:1.鉴于目前大多数穿墙雷达成像算法不能有效地识别目标的形状,本文建立雷达近场模型(包括无墙体和有墙体模型),提出目标形状识别的方法。该方法有效地提高了目标形状的识别能力。因成像区域中目标和背景的电磁特性不同(各个像素点类别标签不同),根据时域成像算法和频域成像算法又能得到各个像素点的幅度值,建立类别标签和幅度值之间的非线性关系,通过支持向量机(Support Vector Machine,SVM)的训练得到这个关系的近似表达式,再对各个像素点进行预测增加目标的分类准确率,从而达到识别目标形状的效果。仿真结果表明,一旦训练完成,预测只需要不足一秒的时间,不会增加目标成像的总时间;且SVM方法对目标形状的识别起到了积极作用。2.为实现穿墙雷达问题中墙体参数未知时的实时成像,提出了一种两步成像的方法,即先利用SVM对墙体参数(相对介电常数、厚度)进行预测,再利用相移偏移(Phase Shift Migration,PSM)算法对墙后目标进行成像。该方法同时解决了墙体参数未知和实时性要求。墙体参数未知时,建立目标散射信号和墙体参数之间的映射关系,这非线性的映射关系通过SVM的训练得到。由于建立SVM模型时目标不变,讨论了目标变化、墙体长度、采样间隔、噪声对预测结果的影响,结果表明外在因素对预测结果会有影响,但预测值仍能为成像算法提供有效的数据;而且该预测方法精度高、耗时短。另外,根据预测的墙体参数,再利用PSM算法,能在几十秒的时间内完成目标成像,真正实现了墙体参数未知时的实时成像,对实际应用具有指导意义。3.鉴于墙体参数(相对介电常数、厚度、电导率)预测的重要性,提出了利用最小二乘支持向量机(Least Squares Support Vector Machines,LS-SVM)预测的方法,并通过图像熵判断预测结果的优劣。该方法成功解决了实时预测墙体参数的问题。墙体参数预测问题可重建为寻找、建立目标散射信号和墙体参数之间的映射关系,此关系可通过LS-SVM训练得到。因建立LS-SVM模型时目标不变,讨论了目标变化和噪声对预测结果的影响,预测结果表明,一旦训练完成,只需不足一秒的预测时间;LS-SVM方法预测精度高,但受外界因素影响较大,且当墙体长度、采样间隔发生变化时,无法进行预测。另外仿真结果显示基于LS-SVM预测方法在预测精度、便捷性方面高于基于SVM的预测方法,但在泛化性上,后者优于前者。若考虑实际应用,基于SVM的方法更具实用性。4.提出了一种分别基于LS-SVM和SVM的实时定位方法,该方法避免了计算墙体的作用,成功解决了墙体参数未知时的实时定位问题。穿墙定位问题可重建为寻找、建立目标散射信号和目标位置之间的映射关系,该问题的非线性和由墙体存在造成的传播效应包含在此映射中,而此映射可通过LS-SVM和SVM的训练得到。通过定性及定量地分析,仿真结果显示了两种方法的有效性、可行性和鲁棒性。而且一旦训练完成,两种方法都只需不足一秒的预测时间。且LS-SVM方法较SVM方法定位精度更高、预测更便捷。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 吴娟;范玉妹;王丽;;关于改进的支持向量机的研究[J];攀枝花学院学报;2006年05期
2 刘硕明;刘佳;杨海滨;;一种新的多类支持向量机算法[J];计算机应用;2008年S2期
3 尹传环;牟少敏;田盛丰;黄厚宽;;单类支持向量机的研究进展[J];计算机工程与应用;2012年12期
4 王云英;阎满富;;C-支持向量机及其改进[J];唐山师范学院学报;2012年05期
5 李逢焕;;试述不确定支持向量机应用分析及改进思路[J];中国证券期货;2012年12期
6 邵惠鹤;支持向量机理论及其应用[J];自动化博览;2003年S1期
7 曾嵘,蒋新华,刘建成;基于支持向量机的异常值检测的两种方法[J];信息技术;2004年05期
8 张凡,贺苏宁;模糊判决支持向量机在自动语种辨识中的研究[J];计算机工程与应用;2004年21期
9 魏玲,张文修;基于支持向量机集成的分类[J];计算机工程;2004年13期
10 沈翠华,邓乃扬,肖瑞彦;基于支持向量机的个人信用评估[J];计算机工程与应用;2004年23期
11 林继鹏,刘君华,凌振宝;并行支持向量机算法及其应用[J];吉林大学学报(信息科学版);2004年05期
12 宋晓峰;陈德钊;胡上序;;支持向量机泛化能力估计若干方法[J];计算机科学;2004年08期
13 蔡佳;陈洪;;ν-支持向量机的收敛性[J];湖北大学学报(自然科学版);2005年04期
14 文益民,廖洪元,周立华;一种可减少训练时间的分层并行支持向量机方法[J];南京师范大学学报(工程技术版);2005年01期
15 奉国和;李拥军;朱思铭;;边界邻近支持向量机[J];计算机应用研究;2006年04期
16 张搏;刘金福;张昆帆;;基于支持向量机的关键词拒识算法[J];现代电子技术;2006年12期
17 葛海峰;林继鹏;刘君华;丁晖;;基于支持向量机和小波分解的气体识别研究[J];仪器仪表学报;2006年06期
18 刘斌;岳会宇;李卓;刘铁男;;支持向量机在油层含油识别中的应用[J];控制工程;2006年04期
19 琚旭;王浩;姚宏亮;;支持向量机的一个边界样本修剪方法[J];合肥工业大学学报(自然科学版);2006年07期
20 吴静;周建国;晏蒲柳;陈立家;;近轴支持向量机及其在网络知识更新中的应用[J];计算机工程与应用;2006年23期
中国重要会议论文全文数据库 前10条
1 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届(2011)中国管理学年会——商务智能分会场论文集[C];2011年
2 刘希玉;徐志敏;段会川;;基于支持向量机的创新分类器[A];山东省计算机学会2005年信息技术与信息化研讨会论文集(一)[C];2005年
3 史晓涛;刘建丽;骆玉荣;;一种抗噪音的支持向量机学习方法[A];全国第19届计算机技术与应用(CACIS)学术会议论文集(下册)[C];2008年
4 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年
5 刘骏;;基于支持向量机方法的衢州降雪模型[A];第五届长三角气象科技论坛论文集[C];2008年
6 王婷;胡秀珍;;基于组合向量的支持向量机方法预测膜蛋白类型[A];第十一次中国生物物理学术大会暨第九届全国会员代表大会摘要集[C];2009年
7 赵晶;高隽;张旭东;谢昭;;支持向量机综述[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年
8 周星宇;王思元;;智能数学与支持向量机[A];2005年中国智能自动化会议论文集[C];2005年
9 颜根廷;马广富;朱良宽;宋斌;;一种鲁棒支持向量机算法[A];2006中国控制与决策学术年会论文集[C];2006年
10 侯澍旻;李友荣;刘光临;;基于支持向量机的设备振动信号趋势预测[A];12省区市机械工程学会2006年学术年会湖北省论文集[C];2006年
中国博士学位论文全文数据库 前10条
1 张晓雷;支持向量机若干问题的研究[D];清华大学;2012年
2 王瑜;基于支持向量机和多信息融合的局部放电故障诊断研究[D];华北电力大学;2015年
3 郭虎升;支持向量机的优化建模方法研究[D];山西大学;2014年
4 姚毓凯;支持向量机关键技术及其在人体活动识别中的应用研究[D];兰州大学;2015年
5 周叶;基于新异类检测和支持向量机的水电机组诊断技术研究[D];中国水利水电科学研究院;2015年
6 张华美;穿墙雷达基于支持向量机的成像算法研究[D];南京邮电大学;2015年
7 周喜川;非可信环境下的支持向量机研究[D];浙江大学;2010年
8 常甜甜;支持向量机学习算法若干问题的研究[D];西安电子科技大学;2010年
9 王超;三类不确定支持向量机及其应用[D];河北大学;2013年
10 张国云;支持向量机算法及其应用研究[D];湖南大学;2006年
中国硕士学位论文全文数据库 前10条
1 佟乐;添加Universum数据双支持向量机[D];河北大学;2015年
2 胡金扣;鲁棒支持向量机研究[D];河北大学;2015年
3 邱志勇;一类支持张量机及其算法研究[D];华南理工大学;2015年
4 董慧康;基于人群搜索—支持向量机的心脏病多生理参数诊断方法研究[D];河北工业大学;2014年
5 李萌;基于支持向量机的高分遥感影像分类技术研究与应用[D];中国地质大学(北京);2015年
6 甘乐;基于支持向量机的高光谱图像降维与分类研究[D];长江大学;2015年
7 苏超;基于支持向量机的太原市土壤重金属污染评价研究[D];山西大学;2014年
8 李胜刚;基于支持向量机的短期风电功率预测[D];湖南工业大学;2015年
9 孙亭亭;基于支持向量机的燃煤机组燃烧优化算法的研究[D];山东大学;2015年
10 王芳;基于支持向量机的沪深300指数回归预测[D];山东大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978