CN114755636B 一种基于密度聚类和幅度-距离特征联合的目标识别方法 （北京理工大学）_第1页
CN114755636B 一种基于密度聚类和幅度-距离特征联合的目标识别方法 （北京理工大学）_第2页
CN114755636B 一种基于密度聚类和幅度-距离特征联合的目标识别方法 （北京理工大学）_第3页
CN114755636B 一种基于密度聚类和幅度-距离特征联合的目标识别方法 （北京理工大学）_第4页
CN114755636B 一种基于密度聚类和幅度-距离特征联合的目标识别方法 （北京理工大学）_第5页
已阅读5页，还剩8页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

号一种基于密度聚类和幅度-距离特征联合的本发明涉及一种基于密度聚类和幅度-距离对一维数据聚类效果更好；不需预先设置初始了数据的帧内和帧间信息，目标识别准确率更2S2：将S1得到的非相参积累后的数据进行CFAR检测，S42、判断S41的类型识别结果是否正确，前的距离和前五帧舰船类距离均值差值的绝对值；若差值绝对值过大则认为类型识别错3[0001]本发明涉及一种基于密度聚类和幅度-距离特征联合的目标识别方法，属于雷达[0010]S31、根据S2输出的CFAR检测后过门限的点在一维距离像上分布的密度对其进行4[0017]至此，从S1到S4，完成了一种基于密度聚类和幅度-距离特征联合的目标识别方[0019]本发明提出的一种基于密度聚类和幅度-距离特征联合的目标识别方法，与现有[0020]1.所述方法能对任意形状的数据进行聚[0024]图2是实例数据使用本发明基于密度聚类和幅度-距离特征联合的目标识别方法在角反射器干扰场景下以及使用K-means聚类算[0025]图3是本发明基于密度聚类和幅度-距离特征联合的目标识别方法在角反射器干[0026]下面结合附图及具体实施例对本发明所述的一种基于密度聚类和幅度-距离特征效果十分有限。本发明致力于探索利用雷达一维距离像数据的帧内和帧间的多维特征联[0029]本实施例描述了应用本发明所述的一种基于密度聚类和幅度-距离特征联合处理的目标识别方法在角反射器干扰场景下分别5的cluster3认为是舰船类，记为ship_clust，幅度熵最小的cluster2认为是角反类,记为[0039]所述方法对第十帧数据计算舰船距离和[0041]所述方法对第十帧数据计算角反干扰距离和前五帧角反干扰距离均值的差值为6标识别准确率为95.25相比于只利用单个目标特征进行识别，所述幅度-距离多维特征[0044]至此，即完成了本发明所述的一种基于密度聚类和幅度-距离特征联合处理的目标识别方法在角反射器干扰场景下进行目标和干扰识别的7

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论