题目：基于SVM的毫米波主动雷达目标识别方法研究

本文针对当前毫米波雷达自动目标识别技术（Automatic Target Recognition,简称ATR）研究的现状和难点，利用GRECO原理（Graphic Electromagnetic Computing）和雷达建模仿真成像技术相结合的方法对典型军事目标进行RCS（Radar Cross Section）建模，生成目标不同雷达视角和方位角下的高分辨率雷达图像，为毫米波主动雷达ATR研究提供精确雷达数据源。然后采用基于支持向量机（Support Vector Machine,简称SVM）的分类方法对任意雷达视角和方位角下的目标进行识别。这种方法为解决毫米波雷达ATR研究雷达数据源短缺提供了一种可行的途径。实验结果证明利用SVM分类器对毫米波主动雷达目标进行识别有如下优势：运算量小、识别精度高。本文的主要工作体现在以下三个方面：（1）RCS建模部分。利用GRECO技术进行典型军事目标RCS建模的方法。主要利用OpenGL建模原理和高频近似计算理论来计算目标模型每个散射点的雷达散射截面（RCS）。构建机载雷达模型对场景目标进行成像处理，生成典型军事目标在不同雷达视角和方位角下的高分辨率的雷达图像。（2）特征提取。介绍了基于颜色、纹理、形状的特征提取方法，本文针对雷达图像的特殊性，采用了基于形状的特征提取，建立了典型军事目标的特征向量库，作为毫米波雷达ATR研究的训练样本数据库。（3）SVM目标识别。介绍了统计学习理论和SVM分类器的优势，指出了SVM分类器的设计的难点。最后构建了SVM分类器对典型军事目标进行目标识别，并对SVM和传统的目标识别方法进行了性能分析。