SAR自動目標(biāo)識別及相關(guān)技術(shù)研究.pdf

1、基于合成孔徑雷達(dá)(Synthetic Aperture Radar,簡稱SAR)的自動目標(biāo)識別(Automatic Target Recognition,簡稱ATR)技術(shù)在戰(zhàn)場感知方面非常重要,已成為國內(nèi)外研究的熱門課題.近些年來,雷達(dá)目標(biāo)識別在特征提取、目標(biāo)模式分類、目標(biāo)識別算法的實現(xiàn)等技術(shù)領(lǐng)域取得了不同程度的進(jìn)步,已成功應(yīng)用于星載和機(jī)載合成孔徑雷達(dá)地面?zhèn)刹?、精確制導(dǎo)等領(lǐng)域.該文綜述了自動目標(biāo)識別技術(shù)的發(fā)展現(xiàn)狀,深入研究了基于SAR的

2、自動目標(biāo)識別及其相關(guān)技術(shù),在此基礎(chǔ)上,提出了一些新方法,具體如下:1.提出了一種新的SAR圖像配準(zhǔn)新方法.這是一種基于非線性最小二乘的圖像配準(zhǔn)方法,除了有效地實現(xiàn)目標(biāo)圖像的位置對準(zhǔn)、幅度差異補(bǔ)償外,還能補(bǔ)償圖像間的平均偏差.該方法具有速度快、匹配精度高的特點.2.提出了一種基于最佳線性變換的SAR目標(biāo)識別方法.它是將樣本的幅頻特性進(jìn)行最佳線性變換并與支持矢量機(jī)(Support Vector Machine,簡稱SVM)相結(jié)合,完成目標(biāo)識

3、別.該方法保證了目標(biāo)的平移不變性,有效地提高了識別率、訓(xùn)練速度和識別速度,降低了對目標(biāo)方位估計精度的要求.3.將幾種非線性特征提取技術(shù)首次應(yīng)用于SAR自動目標(biāo)識別中.分別提出了基于KPCA(Kernel Principle Component Analysis,簡稱KPCA)和KFD(Kernel Fisher Discriminant,簡稱KFD)的SAR目標(biāo)特征提取與識別方法,這兩種方法都是在非線性空間內(nèi)提取樣本特征并與SVM相結(jié)合