《雷达目标识别算法性能优化与评估系统》由会员分享，可在线阅读，更多相关《雷达目标识别算法性能优化与评估系统（10页珍藏版）》请在金锄头文库上搜索。
1、雷达目标识别算法性能优化与评估系统 周颖 张兴敢 王琼 南京大学电子科学与工程学院 摘 要： 雷达回波信息量少, 目标种类多, 给雷达目标识别带来了困难.对不同种类目标, 要用不同的特征组合和分类方法, 才能得到比较正确的目标识别结果.研究设计了一种使用 Qt 与 MATLAB 混合编程的雷达目标识别算法性能优化与评估系统.在 MySQL 数据库的开发支持环境下建立目标识别算法规则库, 使用 Qt 搭建系统框架和实现前台人机交互, 使用 MATLAB 实现后台数据的计算处理和算法的评估与优化, 实现了 Qt 关于 MySQL 驱动 QMYSQL 的编译和 Qt 通过引擎调用 MATLAB的关键
2、技术.整个系统以面向对象的技术和模块化设计思想进行设计, 集成了数据导入、后台数据计算处理、识别规则管理、新识别方法输入等功能, 为解决不同特征类型的智能化识别问题提供了有效的研究平台, 使用方便, 具有广泛的应用前景.关键词： 目标识别; Qt; MATLAB; 混合编程; MySQL; 作者简介：张兴敢, E-mail:收稿日期：2017-06-06基金：江苏省基础研究计划 (BK20151391) Performance optimization and evaluation system for radar target recognition algorithmZhou Ying Z
3、hang Xinggan Wang Qiong School of Electronic Science and Engineering, Nanjing University; Abstract： Radar target recognition has always been a hotspot in radar and signal processing, wherein the used data and techniques depend heavily on the scenario.For different kinds of targets, different combina
4、tions of characteristics and classification methods are needed in order to make target recognition results more accurate.Radar target recognition technology research not only involves complex algorithms, but also is a very experimental system engineering.A system ofperformance optimization and evalu
5、ation for radar target recognition algorithms is designed in this paper.The system is designed on Qt and MATLAB platform.The former is used to build the system framework and realize the foreground man-machine interaction.The latter is used to realize the calculation and optimization of background da
6、ta.Andthe target recognition algorithm rule database is established on the MySQL database development support environment.Object-oriented technology and modular design ideasare adopted.At the same time, security, reliability, openness and scalability are taken into account in the design phase.In thi
7、s system, data importing, calculation and processing are excuted in the background, and multiple functions are intergrated, which including mangement of recognition rules, importing of new recognition methods and other functional modules.The target feature data is impor-ted through the foreground ma
8、n-machine interaction, and according to the selected computing mode, the specific feature transformation algorithm and recognition algorithm are adopted during the phase of training, testing or identifying.According to the specific requirements of the application, the recognition algorithms are sele
9、cted manually, as well as the recommended rules are stored on the database automatically.And the system is convenient to add the input feature type and recognition algorithm.The system ofperformance optimization and evaluation for radar target recognition algorithms is convenient to use.It provides
10、an effective research platformto solve the intelligent identification problem of different feature types, and has wide application prospects.Keyword： target recognition; Qt; MATLAB; mixed programming; MySQL; Received： 2017-06-06近年来, 随着雷达技术的快速发展和军事应用的迫切需求, 目标识别问题日益受到重视, 利用雷达采集数据进行目标识别成为雷达和信号处理领域的一个研究
11、热点1.其中所使用的特征数据类型在很大程度上取决于场景2, 空中目标的研究主要集中在高分辨距离像 (HR-RP) 3-5、微多普勒特征 (MD) 6-8和逆合成孔径雷达 (ISAR) 图像9-10, 而对于地面目标, 主要使用合成孔径雷达 (SAR) 图像进行分类11-13.由于雷达目标识别中可采用的特征和处理算法种类较多, 提取不同的特征往往对应不同的算法.在高性能的目标识别算法研究中, 需要高效的算法性能优化与评估平台, 用于进行算法运算和比较, 并实现系统自适应推荐最优识别策略.本文研究设计一套使用方便、功能丰富的雷达目标识别算法性能优化与评估系统.该系统的实现基于 Qt 和 MATLA
12、B 两种编程平台, 在 MySQL 数据库的开发支持环境下建立雷达目标识别算法规则库, 实现用户界面的设计和算法的研发改进和管理.系统可扩展性良好, 方便添加输入目标特征类型和识别算法.1 雷达目标识别方法雷达目标识别是通过对所获取的雷达回波信息进行分析, 确定目标的种类、型号等属性.雷达目标识别系统的基本结构如图 1 所示, 它由特征信号提取、特征变换和分类识别等模块组成.不同类型的雷达会输出不同的目标特征, 识别规则库提供对应特征的、经过训练和优化的识别算法.图 1 雷达目标识别系统结构图 Fig.1 Radar target recognition system structure 下载
13、原图目标特征是雷达发射的电磁波与目标在传播空间相互作用产生的信息, 它载于散射回波之上, 是雷达识别目标的主要信息来源.目前可用的雷达目标特征主要包括频谱、一维距离像、极化、合成孔径雷达 (SAR) 图像等相关特征.特征空间变换是采用各种优化的特征变换算法改善特征空间中原始特征的分布结构, 去除冗余部分, 压缩特征维数.目前常用的特征变换算法包括 Fisher 变换、PCA分解、ICA 分解、小波变换等.在分类阶段有三种主流模式:模板匹配, 基于模型的方法和机器学习14.模板匹配是通过模板图像或特征向量来描述每一类的目标, 每个模板提供了一种分类假设, 通过选择待识别目标图像或特征向量与模板的
14、最佳匹配来完成分类.基于模型的方法是利用神经网络等模型来描述每一类特征, 并进行目标分类.机器学习致力于通过计算的手段, 利用训练数据产生经验模型, 从而生成识别规则, 用于对未知数据进行类别判断15.目前常用的机器学习算法包括模糊决策、神经网络、支持向量机、稀疏表示.随着计算能力的大幅提高减缓了训练低效性, 训练数据的大幅增加降低了过拟合风险, 以“深度学习”为代表的复杂模型开始用于雷达目标识别, 如卷积神经网络用于合成孔径雷达 (SAR) 图像分类.2 系统架构设计本文研究的系统使用 Qt 与 MATLAB 混合编程的方法进行雷达目标识别算法性能优化与评估系统设计, 以面向对象的技术和模块
15、化的思想进行系统的设计和开发, 包括前台人机交互、后台数据计算处理和识别规则模型管理, 建立一个基于图形界面的算法研究改进和评估系统.通过简单的界面操作实现使用目标特征变换算法和目标识别算法分析目标特征数据, 生成并存储目标识别规则模型, 并实现对模型的管理.2.1 总体结构本系统主要实现对 Fisher 变换、PCA 分解、ICA 分解等特征变换算法和模糊决策、神经网络、支持向量机、稀疏表示等目标识别算法在雷达目标识别方面的性能测试、比较.系统由前台人机交互、后台数据计算处理和识别规则模型管理组成 (图 2) .前台人机交互包括导入数据选择、算法选择、结果显示.后台数据计算处理包括训练、测试
16、和识别三种模式.图 2 系统结构图 Fig.2 System structure 下载原图2.2 前台人机交互系统前台人机交互模块以 C+为编程语言, Qt5.4.0 为编程软件, 进行系统的设计开发.Qt 是一个专业的图形用户界面开发软件, 作为一种面向对象的语言, Qt 具有良好的封装机制, 在保证较高模块化程度的同时也维系了很好的扩展性.同时, Qt 丰富的 API (如图形视图框架、模型视图框架) 、信号与槽机制、事件处理等关键技术方便搭建美观的人机交互界面, 实现系统人机交互的相关功能.如创建训练和识别数据导入条件选择界面、算法选择界面、QTableView 中数据以表格形式显示等.2.3 后台数据计算处理系统包含基于矩阵、向量等大规模复杂科学运算, Qt 提供的数学函数有限, 在处理复杂的数学计算方面力不从心, 而 MATLAB 作为一个强大的数学分析应用工具, 具有强大的符号计算、数值计算、矩阵计算能力, 是一个功能强大的计算机辅助设计工具.所以本文选择 MATLA
