文献类型：期刊文章

作　　者：韩萍[1] 王欢[1]

机构地区：[1]中国民航大学智能信号与图像处理天津市重点实验室,天津300300

出　　处：《信号处理》

基　　金：国家自然科学基金重点项目(61231017);中央高校基金(ZXH2012D001);中国民航大学科研基金(2012KYE03);中央高校基本科研业务费资助项目(3122013SY26)

年　　份：2013

卷　　号：29

期　　号：12

起止页码：1696-1701

语　　种：中文

收录情况：BDHX、BDHX2011、CSA、CSCD、CSCD2013_2014、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：提出了一种结合KPCA(Kernel Principal Component Analysis)和稀疏表示的合成孔径雷达(Synthetic Aperture Rader,SAR)目标识别方法。该方法首先利用KPCA方法提取样本特征,然后在特征空间内构造稀疏表示模型,通过梯度投影法(Gradient Projection for Sparse Reconstruction,GPSR)求得测试样本的稀疏系数,最后根据稀疏系数的能量特征实现分类识别。利用美国运动和静止目标获取与识别(Moving and Stationary Target Acquisition and Recognition,MSTAR)实测SAR数据进行实验,实验结果表明该方法在方位角未知的情况下平均识别率达到96.78%,能够明显地提高目标的识别结果,是一种有效的SAR目标识别方法。

关 键 词：目标识别 合成孔径雷达 核主成分分析 稀疏表示  梯度投影法

分 类 号：TP753]