摘要
"边录取、边学习、边建模"是一维高分辨距离像(HRRP)雷达自动目标识别(RATR)工程化的一条路径,宽带雷达对飞行中的机动目标录取的HRRP随着目标相对于雷达的姿态而变化,完备(全姿态)的HRRP数据库可以看做是关于姿态(主要是方位)的非平稳过程,常用的平稳环境下的在线算法对非平稳的环境适应能力有限.文中通过一种在线混合专家(OME)将HRRP数据在线地分割成若干个近似平稳的区域,在各个区域内使用平稳协方差函数的在线Gauss过程分类器(OGPC).针对迭代在线Gauss过程分类(IOGPC)的参数学习算法EP和EM,提出了一种双链Gauss过程(Bi-OGP)来使OGPC的参数得以在单次数据扫掠的情况下实现在线更新.针对迭代在线混合专家门网络参数的学习算法EM,提出了基于初值选择的单次数据扫掠学习方法.基于HRRP实测数据的仿真试验证明,文中方法在单次扫描数据时就获得了高于或接近最近邻、迭代在线线性最小均方(LMS)混合专家和OGPC的识别率.
基金项目
教育部长江学者和创新团队发展计划(IRT0645)
国家自然科学基金(60772140)
国防预研基金()
NETL
NSTL
维普
万方数据