基于复高斯模型的雷达高分辨距离像目标识别新方法

为了利用雷达高分辨距离像(HRRP)中的相位信息改善识别系统性能,提出了一类针对复距离像的目标识别新方法。分析了复距离像的统计特性,将识别领域常用的三种高斯模型——自适应高斯分类器(AGC)模型、联合高斯(JG)模型和概率主分量分析(PPCA)模型推广至复数域对复距离像统计建模。研究表明,这三种模型及其参数估计结果均不受距离像初相的影响。此外,为了解决噪声环境中的稳健识别问题,进一步提出了噪声稳健的模型修正方法。实验结果显示:在识别过程中加入距离像相位信息能够获得更高的正确识别率;且经过噪声稳健修正后的模型大幅改善了低信噪比下的识别性能。