期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

基于SVM的雷达目标高分辨距离像识别研究 被引量：2

Study on radar target recognition based on SVM and HRRP
下载PDF
导出
摘要 本文从模式分类角度讨论基于高分辨距离像(HRRP-high resolution range profile)的雷达目标识别问题,对基于支持向量机(SVM-Support Vector Machine)的高分辨距离像识别方法进行了研究.使用SVM对3类目标的HRRP进行了分类识别,并在同样条件下与基于模板匹配的识别方法进行了比较.结果表明,使用SVM具有更高的分类正确率和更好的泛化性能.
作者 王晓丹 王积勤
出处 《信号处理》 CSCD 2003年第z1期228-231,共4页 Journal of Signal Processing
关键词 SVM 目标识别 距离像
分类号 TN911.7 [电子电信—通信与信息系统]
  • 相关文献

参考文献9

  • 1[1]Hudson S, Psaltis D. Correlation filters for aircraft identification from radar range profiles[J]. IEEE Trans.AES, 1993,29(3):741-748.
  • 2[2]Li Hsueh-Jyh,et al. Matching score properties between range profile of high resolution radar targets[J]. IEEE Trans. AP,1996,44(4):444-449
  • 3[3]V N Vapnik. The nature of statistical learning theory[M].New York: Springer-Verlag, 1995
  • 4[4]B Sholkopf, etal. Comparing support vector machine with Gaussian kernels to radial basis function classifiers[J]. IEEE Trans. Signal Processing, 1997,45:2758-2765
  • 5[5]Cortes C, Vapnik V. Support vector networks. Machine Learning, 1995,20:273-297
  • 6[6]Gish H, Schimdt M. Text-indepentent speaker identification.IEEE Trans. Signal Processing Magazine, 1994,11:18-32
  • 7[7]Bryant M, Garber F. SVM classifier applied to the MSTAR public data set. Algorithms for Synthetic Aperture Radar Imagery VI, Proceedings of the SPIE, 3721 (1999):355-360
  • 8[8]Zhao Q, Principe J. From hyperplanes to large margin classifiers: Applications to SAR ATR. Automatic Target Recognition IX, Proceedings of the SPIE, 3718(1999): 101-109
  • 9[9]Jouny I. Description and classification of ultra-wideband radar targets using wavelets[J]. Digital Signal Processing, 1993,3:78-88.

同被引文献13

  • 1陈家军,王东进,陈卫东.LFMCW雷达目标运动补偿新方法[J].现代雷达,2006,28(7):37-40. 被引量：3
  • 2杜雨沼.近程小扇区LFMCW雷达信号处理研究[D].成都:电子科技大学,2006.
  • 3袁莉.基于高分辨距离像的雷达目标识别方法研究[D].西安:西安电子科技大学,2006.
  • 4Li H J, Yang S H. Using Range Profiles as Features Vectors to Identify Aerospace Objects[J]. IEEE, Trans. on AP, 1993,41(3) :261 - 268.
  • 5Chih Wei Hsu,Chih Jen Lin. A Comparison of Methods for Multi - class Support Vectors Machines [ EB/OL]. http:// www. csie. ntu. edu. tw/-cjlin/bsvm/index, html.
  • 6邓乃扬,田英杰.支持向量机[M].北京:科学出版社,2009.
  • 7维普尼克.统计学习理论的本质[M].纽约:世界科学出版社,1995.
  • 8科尔特斯.支持向量网络.机器学习,1995,:1-25.
  • 9史广智,胡均川.基于目标特征的动态支持向量机研究[J].系统仿真学报,2008,20(2):514-516. 被引量：3
  • 10衣加望,侯慧林.智能交通雷达检测器:远程交通微波传感器(RTMS)[J].航空军转民技术与产品,1999(6):13-14. 被引量：2

引证文献2

信号处理
2003年 第z1期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部