3mm波段瞬态信号的采集与处理
|
摘要
本文是国防重点科研课题“3mm脉冲雷达探测技术”的组成部分之一。论文系统的研究了3mm波段瞬态信号的采集及其处理的问题。
根据课题的实际需要，本文提出了一种可行的采集方案，设计完成了一个实用的毫米波瞬态信号的采集系统，为论文后面的工作提供了大量实际信号的数据。
为了提取出毫米波瞬态信号中反映目标的信息，提高目标的识别率，本文将小波分析和神经网络引入了瞬态信号目标识别中。文中提出了首先用小波分析方法提取出瞬态信号的各级小波分解能量，然后再用RBF神经网络对提取的特征向量进行分类。最后，为进一步提高分类的稳定性，还对RBF网络中RBF中心的确定算法进行了改进，取得了令人满意的识别效果。
论文中完成的瞬态信号采集系统为开展毫米波雷达目标识别的研究工作提供了便利。文中将小波分析与神经网络相结合的方法引入了瞬态信号处理，为提取目标特征，提高目标识别率开辟了一条新的途径。
This paper is a part of the important national defence research project-Research on the technique of three millimeter pulsed Radar. In this paper, the problem of the transient signal sampling and disposing of three millimeter wave band is systematically investigated.
According to the practical condition, a feasible collecting scheme is proposed, and an economical collecting system of the transient signal of millimeter wave is designed and completed, which supplied many real datum for later work in the paper.
Wavelet analysis and neural network are introduced to the target recognition of transient signal in the paper, in order to extract the information that can reflect target in the transient signal of millimeter wave and raise the recognition rate of target. At first, all levels energy of wavelet decomposed in the transient are extracted by the means of wavelet analysis, then the extracted feature vectors are classified with RBF neural network. A ameliorating arithmetic is taken on the RBF neural network of RBF center to further improve the classifying stability, in the end, which achieves satisfied recognition results.
The transient signal collecting system which is constructed in the paper supplies convenience for the research of the target recognition of millimeter radar. A hopeful new way is explored for extracting feature of target and raising the target recognition rates by combined wavelet analysis with neural network.
根据课题的实际需要，本文提出了一种可行的采集方案，设计完成了一个实用的毫米波瞬态信号的采集系统，为论文后面的工作提供了大量实际信号的数据。
为了提取出毫米波瞬态信号中反映目标的信息，提高目标的识别率，本文将小波分析和神经网络引入了瞬态信号目标识别中。文中提出了首先用小波分析方法提取出瞬态信号的各级小波分解能量，然后再用RBF神经网络对提取的特征向量进行分类。最后，为进一步提高分类的稳定性，还对RBF网络中RBF中心的确定算法进行了改进，取得了令人满意的识别效果。
论文中完成的瞬态信号采集系统为开展毫米波雷达目标识别的研究工作提供了便利。文中将小波分析与神经网络相结合的方法引入了瞬态信号处理，为提取目标特征，提高目标识别率开辟了一条新的途径。
This paper is a part of the important national defence research project-Research on the technique of three millimeter pulsed Radar. In this paper, the problem of the transient signal sampling and disposing of three millimeter wave band is systematically investigated.
According to the practical condition, a feasible collecting scheme is proposed, and an economical collecting system of the transient signal of millimeter wave is designed and completed, which supplied many real datum for later work in the paper.
Wavelet analysis and neural network are introduced to the target recognition of transient signal in the paper, in order to extract the information that can reflect target in the transient signal of millimeter wave and raise the recognition rate of target. At first, all levels energy of wavelet decomposed in the transient are extracted by the means of wavelet analysis, then the extracted feature vectors are classified with RBF neural network. A ameliorating arithmetic is taken on the RBF neural network of RBF center to further improve the classifying stability, in the end, which achieves satisfied recognition results.
The transient signal collecting system which is constructed in the paper supplies convenience for the research of the target recognition of millimeter radar. A hopeful new way is explored for extracting feature of target and raising the target recognition rates by combined wavelet analysis with neural network.
引文
[1]张贤达编著．《现代信号处理》．北京：清华大学出版社，2002
[2]刘文生，李锦林编著．《取样技术原理与应用》．北京：科学出版社，1981
[3]沈民奋，孙丽莎编著．《现代随机信号与系统分析》．北京：科学出版社，1998
[4]飞思科技产品研发中心．《MATLAB6．5辅助小波分析与应用》．北京：电子工业出版社，2003
[5]飞思科技产品研发中心．《MATLAB6．5辅助神经网络分析与设计》．北京：电子工业出版社，2003
[6]张宝功．雷达目标识别系统中的信号处理及相关问题研究．北京航空航天大学硕士学位论文，2002
[7]曹毅，张榆锋，毛选珍．小波分析及其在信号处理中的应用．现代电子技术，2003，158(15)：35-37
[8]Hlawatsch F, Boudreaux-Bartels G F. Linear and Quadratic Time-Frequency Signal Representation. IEEE Signal Processing Magazine, April,1992
[9]秦前清，杨宗凯编著．《实用小波分析》．西安：西安电子科技大学出版社，1994
[10]Mallat, S. A theory for multiresolution signal decomposition: the wavelet representation [J] . IEEE Trans. On Pattern Analysis and Machine Intelligence, 1989, 11(7): 674～693
[11]刘贵忠，邸双亮编著．《小波分析及其应用》．西安：西安电子科技技术出版社，1992
[12]陈东义，曹长修，朱冰莲．Mallat塔式算法在一维信号处理中的应用研究．重庆大学学报(自然科学版)，1999，22(4)：49～53
[13]Sté phane Mallat．《A Wavelet Tour ofSignal Processing》．Second Edition．北京：机械工业出版社，2003．9
[14]王首勇，朱光喜，唐远炎．应用最优小波包变换的特征提取方法．电子学报，2003，31(7)：1035～1038
[15]陈明奇．瞬态信号的采集及其小波分析．南京理工大学硕士学位论文，1997
[16]高隽编著．《人工神经网络原理及仿真实例》．北京：机械工业出版社，2003．7
[17]Simon Haykin编著，叶世伟等译．《神经网络原理》．北京：机械工业出版社，2004．1
[18]林峰．神经网络理论在模式识别中的研究与应用．中国科学技术大学硕士学位论文，2000
[19]徐秉铮，张百灵，韦岗编著．《神经网络理论与应用》．广州：华南理工大学出版社，1994．12
[20]王永骥，涂健编著．《神经元网络控制》．北京：机械工业出版社，1998．2
[21]A. Webb and S. Shannon. "Shape-adaptive radial basis function". IEEE Trans. Neural Network.nov 1998.vol.9,
[22]赵清林，郭艳兵等．确定RBF神经网络中心点的方法综述．广东自动化与信息工程，2002(2)：13～15，27
[23]S. Chen, C.F.N. Cowan, and P.M. Grant. "Orthogonal least squares learning algorithm for radial basis function networks". IEEE Trans. Neural Network.1991.2: 302～309
[24]赵群，保铮．径向基函数神经网络的分类机理．通信学报，1996(2)：86～91
[25]王长琼，孙国正．一种组合径向基函数网络结构的分类方法．武汉交通科技大学学报，1998(1)：47～50
[26]张建宝，赵宗涛等．一个神经网络分类器的构造．西北大学学报(自然科学版)，2000(6)：473～475
[27]张玉芳，毛嘉丽等．一种改进的K-means算法．计算机应用，2003(8)：31～33．60
[28]Fayyad U, Reina C, Bradley PS. Initialization of Iterative Refinement Clustering Algorithms[R] Microsoft Research Technical Report MSR-TR-98-38, June 1998
[29]姜礼平，胡伟文等．基于神经网络和小波分解的目标信号检测方法研究．数据采集与处理，2003(18)，：475～478
[30]韩力群编著．《人工神经网络理论、设计及应用》．北京：化学工业出版社，2002，1
[31]张静远，张冰．基于小波变换的特征提取方法分析．信号处理，2000(16)：155．156～162
[32]LI Ying, JIAO Licheng. A Hybrid Recognition System for Radar Targets. Chinese Journal of Electronics,Vol. 12.No. 1 ,Jan.2003: 135～138
[33]蒋德明．神经网络模式识别方法在云分类中的应用研究．南京气象学院硕士学位论文，2001
[34]沈清，胡德文，时春编著．《神经网络应用技术》．长沙：国防科技大学出版社．1993
[35]彭玉华编著．《小波变换与工程应用》．北京：科学出版社，1999
[36]杨福生编著．《小波变换的工程分析与应用》．
[37]Bruce A. Whitehead, Timothy D. Choate. Cooperative-Competitive Genetic Evolution of Radial Basis Function Centers and Widths for Time Series Prediction. IEEE TRANSACTIONS ON NEURAL NETWORKS, Vol.7. No.4, July, 1996
[38]李兴国编著．《毫米波近感技术及其应用》．北京：国防工业出版社，1991
[39]姜礼平，龚沈光．胡伟文．一种基于小波分解的信号特征提取方法．武汉理工大学学报(交通科学与工程版，2003，27(3)：358～360
[40]I.Daubechies. The Wavelet transform: Time-Frequency Localization and Signal Analysis. IEEE Trans. on Information Theory. 36(5), 1990
[41]I.Sohn and N.Ansari. Configuring RBF neural networks. Electronics Letters, Vol.34, No.7, April 1998: 684～685
[42]L. Bruzzone and D. Fernandez Prieto. Supervised training technique for radial basis function neural networks. Electronics Letters, Vol.34, No.11: 1115～1116
[43]T.A. Hoang and D.T. Nguyen. Improving training of radial basis function network for classification of power quality disturbances. Electronics Letters, Vol.38, No. 17, August 2002
[2]刘文生，李锦林编著．《取样技术原理与应用》．北京：科学出版社，1981
[3]沈民奋，孙丽莎编著．《现代随机信号与系统分析》．北京：科学出版社，1998
[4]飞思科技产品研发中心．《MATLAB6．5辅助小波分析与应用》．北京：电子工业出版社，2003
[5]飞思科技产品研发中心．《MATLAB6．5辅助神经网络分析与设计》．北京：电子工业出版社，2003
[6]张宝功．雷达目标识别系统中的信号处理及相关问题研究．北京航空航天大学硕士学位论文，2002
[7]曹毅，张榆锋，毛选珍．小波分析及其在信号处理中的应用．现代电子技术，2003，158(15)：35-37
[8]Hlawatsch F, Boudreaux-Bartels G F. Linear and Quadratic Time-Frequency Signal Representation. IEEE Signal Processing Magazine, April,1992
[9]秦前清，杨宗凯编著．《实用小波分析》．西安：西安电子科技大学出版社，1994
[10]Mallat, S. A theory for multiresolution signal decomposition: the wavelet representation [J] . IEEE Trans. On Pattern Analysis and Machine Intelligence, 1989, 11(7): 674～693
[11]刘贵忠，邸双亮编著．《小波分析及其应用》．西安：西安电子科技技术出版社，1992
[12]陈东义，曹长修，朱冰莲．Mallat塔式算法在一维信号处理中的应用研究．重庆大学学报(自然科学版)，1999，22(4)：49～53
[13]Sté phane Mallat．《A Wavelet Tour ofSignal Processing》．Second Edition．北京：机械工业出版社，2003．9
[14]王首勇，朱光喜，唐远炎．应用最优小波包变换的特征提取方法．电子学报，2003，31(7)：1035～1038
[15]陈明奇．瞬态信号的采集及其小波分析．南京理工大学硕士学位论文，1997
[16]高隽编著．《人工神经网络原理及仿真实例》．北京：机械工业出版社，2003．7
[17]Simon Haykin编著，叶世伟等译．《神经网络原理》．北京：机械工业出版社，2004．1
[18]林峰．神经网络理论在模式识别中的研究与应用．中国科学技术大学硕士学位论文，2000
[19]徐秉铮，张百灵，韦岗编著．《神经网络理论与应用》．广州：华南理工大学出版社，1994．12
[20]王永骥，涂健编著．《神经元网络控制》．北京：机械工业出版社，1998．2
[21]A. Webb and S. Shannon. "Shape-adaptive radial basis function". IEEE Trans. Neural Network.nov 1998.vol.9,
[22]赵清林，郭艳兵等．确定RBF神经网络中心点的方法综述．广东自动化与信息工程，2002(2)：13～15，27
[23]S. Chen, C.F.N. Cowan, and P.M. Grant. "Orthogonal least squares learning algorithm for radial basis function networks". IEEE Trans. Neural Network.1991.2: 302～309
[24]赵群，保铮．径向基函数神经网络的分类机理．通信学报，1996(2)：86～91
[25]王长琼，孙国正．一种组合径向基函数网络结构的分类方法．武汉交通科技大学学报，1998(1)：47～50
[26]张建宝，赵宗涛等．一个神经网络分类器的构造．西北大学学报(自然科学版)，2000(6)：473～475
[27]张玉芳，毛嘉丽等．一种改进的K-means算法．计算机应用，2003(8)：31～33．60
[28]Fayyad U, Reina C, Bradley PS. Initialization of Iterative Refinement Clustering Algorithms[R] Microsoft Research Technical Report MSR-TR-98-38, June 1998
[29]姜礼平，胡伟文等．基于神经网络和小波分解的目标信号检测方法研究．数据采集与处理，2003(18)，：475～478
[30]韩力群编著．《人工神经网络理论、设计及应用》．北京：化学工业出版社，2002，1
[31]张静远，张冰．基于小波变换的特征提取方法分析．信号处理，2000(16)：155．156～162
[32]LI Ying, JIAO Licheng. A Hybrid Recognition System for Radar Targets. Chinese Journal of Electronics,Vol. 12.No. 1 ,Jan.2003: 135～138
[33]蒋德明．神经网络模式识别方法在云分类中的应用研究．南京气象学院硕士学位论文，2001
[34]沈清，胡德文，时春编著．《神经网络应用技术》．长沙：国防科技大学出版社．1993
[35]彭玉华编著．《小波变换与工程应用》．北京：科学出版社，1999
[36]杨福生编著．《小波变换的工程分析与应用》．
[37]Bruce A. Whitehead, Timothy D. Choate. Cooperative-Competitive Genetic Evolution of Radial Basis Function Centers and Widths for Time Series Prediction. IEEE TRANSACTIONS ON NEURAL NETWORKS, Vol.7. No.4, July, 1996
[38]李兴国编著．《毫米波近感技术及其应用》．北京：国防工业出版社，1991
[39]姜礼平，龚沈光．胡伟文．一种基于小波分解的信号特征提取方法．武汉理工大学学报(交通科学与工程版，2003，27(3)：358～360
[40]I.Daubechies. The Wavelet transform: Time-Frequency Localization and Signal Analysis. IEEE Trans. on Information Theory. 36(5), 1990
[41]I.Sohn and N.Ansari. Configuring RBF neural networks. Electronics Letters, Vol.34, No.7, April 1998: 684～685
[42]L. Bruzzone and D. Fernandez Prieto. Supervised training technique for radial basis function neural networks. Electronics Letters, Vol.34, No.11: 1115～1116
[43]T.A. Hoang and D.T. Nguyen. Improving training of radial basis function network for classification of power quality disturbances. Electronics Letters, Vol.38, No. 17, August 2002