论文部分内容阅读
针对非相参雷达目标回波敏感于雷达视角和时延的特性，在基于FFT-WAVELET-MELLIN（FWM）多重变换的基础上，根据获取的特征矢量和模板的特性，运用神经网络的自适应性、鲁棒性，提出了一种基于原型的、多聚类中心的神经网络分类器NNC。经实际数据验证，在飞行目标的架次识别方面取得了满意的识别效果和实时性。文中还将NNC与BP分类器、普通多近邻分类器进行了分类性能比较。最后，对三类声纳水声目标的分类实验结果分析，证明了其广阔的应用前景。