论文部分内容阅读
针对如何提高末敏弹目标识别率的问题，本文采用了毫米波敏感器和红外敏感器的非成像复合模式的方法。对于探测金属目标，毫米波敏感器和红外敏感器具有自己的独特优势。在毫米波波段，金属目标具有热辐射度低和反射能力强的特点，毫米波敏感器基于此特点区分金属目标和背景;在红外波段，金属热目标和背景表面温差较大，红外敏感器基于此特点区分金属目标和背景。结合两者的优点，可以有效的提高金属热目标的识别率。 本文主要论述了毫米波和红外信号特征提取和目标识别的方法。首先，根据毫米波敏感器和红外敏感器的探测原理，分析了敏感器信号的数学模型，分析了影响敏感器信号的各物理量，并讨论了敏感器的噪声模型。然后，在叙述了敏感器信号的获取和预处理的方法后，讨论了提取敏感器信号时域特征的方法。通过时域特征量的均值和方差分析了时域特征的稳定性和差异性，同时提出并初步分析了一种基于流域分割时频图的方法对毫米波敏感器信号进行时频域特征的提取。最后，根据不同层次的数据融合的特点，提出了一种径向基神经网络对时域特征进行特征层数据融合和进行目标识别的方法，并且采用了改进的最近邻聚类算法训练径向基神经网络，降低了学习时间，优化了网络的结构，提高了网络的推广能力。