基于中心矩特征的雷达HRRP自动目标识别

针对雷达高分辨距离像 (HRRP)的方位敏感性和平移敏感性 ,对一定角域内的HRRP非相干平均 ,提取具有平移不变性的中心矩作为特征向量 ,采用Karhunen Loeve变换进一步进行特征压缩 ,建立相应的支撑矢量机(SVM)分类算法 .与基于原始距离像特征的最大似然 (ML)方法和基于中心矩特征的ML方法识别结果比较 ,该方法在减少计算量的同时具有较高的识别率 。

基于小波域中心矩特征的SAR图像识别

为克服合成孔径雷达(SAR:Synthetic Aperture Radar)图像的方位敏感性和平移敏感性给识别带来的困难,提出一种基于二维离散小波变换与中心矩特征提取的SAR图像目标识别方法。该方法通过对图像的二维离散小波分解提取低频子带图像,同时提取具有平移不变性的中心矩作为特征向量,利用支持向量机进行目标分类和识别。实验结果表明,该方法在有效抑制噪声的情况下,很好地克服了SAR图像对目标方位的敏感性,在减少计算量的同时具有较高的识别率。

基于频谱图像中心矩特征的雷达信号分选方法

针对新体制频率捷变雷达信号分选准确率低的问题,提出了基于频谱图像中心矩特征的雷达信号分选方法。该方法首先对雷达信号进行离散傅里叶变换(DFT),得到频谱图像;然后对频谱图像进行预处理,提取频谱图像中心矩特征为信号的相参特征;最后采用支持向量机分类器实现信号分选。以新体制频率捷变雷达信号为代表进行的仿真验证表明,该方法在小样本及较低信噪比下仍能获得较为满意的分选准确率,当信噪比为5dB时,信号分选准确率达到98%,验证了所提出方法的有效性。

基于中心矩特征的空间目标识别方法

目标的雷达散射截面(RCS)包含了丰富的目标类别信息,有效地利用目标RCS特征对空间目标的雷达识别具有重要的意义。该文利用空间目标回波的距离维信号来进行识别。中心矩特征具有平移不变性,是一种简单有效的波形特征提取算法。文中首先提取中心矩作为特征向量,再采用Fisher判据进一步进行特征压缩,最后利用支撑矢量机(SVM)分类算法实现识别。基于实测数据的仿真实验结果表明,该方法具有较好的识别性能和推广能力。

一种基于中心矩特征的SAR图像目标识别方法

合成孔径雷达自动目标识别是目前国内外模式识别领域的重点研究课题之一。本文给出了一种内存需求小,低计算复杂度且具有较好识别性能的SAR图像目标识别方法,先通过自适应阈值分割来获得目标图像,然后提取其中心矩特征,采用SVM来进行识别。基于美国M STAR实测数据的识别试验验证了该方法的有效性。

基于主分量分析的空间目标识别方法

目标的雷达散射截面(RCS)包含了丰富的目标类别信息,如何有效利用目标RCS特征对空间目标的雷达识别具有重要意义.文中提取中心矩作为特征向量,采用主分量分析(PCA)进一步进行特征压缩,利用支撑矢量机(SVM)分类算法来实现识别.基于实测数据的仿真实验结果表明,该方法具有较好的识别性能和推广能力.