论文部分内容阅读
雷达目标识别是现代雷达技术的一个十分重要的发展方向,利用高分辨率雷达获得目标一维距离像是雷达目标识别领域中研究的热点。随着模式识别技术的推广应用和信号处理技术的不断发展,高速数字信号处理芯片DSP已经在雷达目标识别信号处理和数据处理中占据着非常重要的地位。本文以32位浮点数字信号处理核心DSP为设计应用平台,对雷达目标一维距离像识别算法的架构及高速实现进行讨论和研究。首先,讲述了一维距离像成像模型及特性,简单介绍了雷达目标识别中基于准则函数的特征提取和特征变换方法,进而以此为出发点分析和比较了雷达目标一维距离像识别中常见的两种子空间识别方法,重点研究相对稳定的基于矩阵奇异值分解(SVD)的特征子空间方法的特点和算法结构,得出对矩阵进行奇异值分解是整个目标识别算法的关键。之后,针对较大规模单精度浮点矩阵,对常用的矩阵奇异值分解算法进行了分析和比较。以降低算法复杂度和减少算法运算量为目的,在深入研究经典算法的基础上,对基于正交分解的经典算法进行了适当改进。根据课题中选用的TMS320C6713B DSP处理器的结构和特点,从理论上评估了经典算法和改进算法的执行速度,并对这两种算法进行仿真验证和比较。最后,在基于TI公司的TMS320C6713B DSP硬件平台TDS6713EVM上构建了目标识别最小系统,对矩阵奇异值分解的经典算法和改进算法进行软件设计和实现,通过多种软件优化方法对程序进行优化,并且使用实验数据比较和评估这两种算法的运行速度。进而将两种SVD算法应用在特征子空间雷达目标一维距离像识别法中,使用实测数据对其进行速度验证和性能评估。结论表明在允许的数据精度误差范围内,改进的SVD算法具有一定的可行性,运用在特征子空间方法中可以使整个识别算法的运行速度有效提高。