【窄带雷达多目标特徵提取理论与方法研究】王首勇.pdf

华中科技大学博士学位论文 ADissertationSubmittedinPartialFulfillmentoftheRequirements for the Degree of Doctor of Philosophy in Engineering Researches onMultiple-target Feature Extraction BasedonNarrow-bandRadar Ph.D.Candidate:Wang Shouyong Major:Information and Communication Engineering Supervisor:Prof.

华中科技大学博士学位论文了小波变换在特征提取中的应用.研究了散度与贝叶斯分类的错误概率之间的关系,在此基础上提出了应用散度准则选择最优小波包基和提取特征的方法。在多模式类别情况下,为使散度具有更可靠的可分性判别能力,进一步提出使用变换散度准则选择最优小波包基的特征提取方法。该方法的优点在于直接依据分类错误概率最小的准则进行特征提取和选择.因为散度用来度量两类模式概率分布之间的不一致性,提供了模式类间可分性信息,在模式为高斯分布的情况下,贝叶斯分类的错误概率与散度有明确的关系。为此根据散度的大小选择小波包基提取特征,就能更直接、准确地提取分类特征。

华中科技大学博士学位论文 coefficientscorrespondingtothebasis areusedforclassify.Bytheselectedwavelet packet basis, the signal time-frequency decomposition for optimal classify can accomplished.Thewaveletpackettransform,whichistheorthogonaltransform depending on signal characteristic, is appropriate for extracti