[求助]请问如何对雷达实测数据进行预处理

目前在做HRRP的统计建模问题，但在用实测数据时发现需要做些处理，想问一下如何进行角域划分，并对齐？

---

国防科大很多人研究过这方面的内容，你自己找资料看看再说。

---

相关的资料我看了一些 但是不知道自己做得是不是对的 因为我处理后的一组数据 256维×1024点 得到的协方差行列式为inf 而我的算法里需要用到这个值 不知道怎么办了？ 请版主指点我一下

---

我一般不处理具体的算法或者程序遇到的问题，请你把问题从概念上说清楚。

---

是这样的 假设现有一组HRRP数据{x1，x2，...，xN}1. 首先按等角域分帧，分为L帧,XL；(即将N个数据L等分?)2. 对每帧数据进行包络对齐（采用相关精对齐方法）；3. 对数据取模，得到HRRP实数数据；4. 对每帧数据采用因子分析方法，求解概率密度形式，即估计均值和协方差 两参数采用EM算法求得, EM算法的初始值需要先给定，而EM算法的初始迭 代值我使用了 det(Cov(XL)). 问题就出在det(cov(XL))=inf 我不知道该怎么分析这个数值 或者我该考虑使用其他的初始化方法？之前，因为我是产生一些仿真数据来测试算法的，没有碰到过这种问题。对于实测数据，发现算法无法执行，又不知道问题出在哪里，所以想请有经验的人帮我分析一下，让我摆脱困境。

---

可能是因为XL是个复矩阵，得到的行列式的值为无穷大，将det(cov(XL))改为det(cov(abs(XL)))试试。

---

我尝试过了，但是det(cov(abs(XL)))＝inf 这样就不能计算多维高斯分布的概率密度了，得到的都是0我做了两幅包络对齐前后的HRRP分布图，由于不知道怎么把图粘上来，发到老师的邮箱了，感觉有点不对，请radar老师帮忙分析一下另外，我讲一下测试思路，老师看看对不对？1.对多个HRRP训练样本，用算法将其均值和方差利用基于因子分析的EM算法估计出来，从而得到不同的联合高斯密度函数形式；2.将测试样本待入估计出来的概率密度函数里头，找出概率值最大对应的样本类别，即将其分类了

---

我一直理解的是因子分析描述的联合高斯分布特性能较好的近似HRRP的统计特性，所以采用了这样一个参数化模型；但是，看好多因子分析的应用实例都是用来降维的，不知道在HRRP统计过程中是如何体现？

---

LZ是不是参考 A Two .. }Uj-R3]}K  
`;G@qp:A  

未注册仅能浏览部分内容，查看全部内容及附件请先 登录 或 注册