發(fā)布時間：2021-01-04 12:51

　　提出結(jié)合全局和局部稀疏表示的合成孔徑雷達（SAR）目標識別方法�；谌肿值涞南∈璞硎究梢员容^各個訓練類別對于測試樣本的相對表征能力。而基于局部字典的稀疏表示則體現(xiàn)各個類別對于測試樣本的絕對描述能力。因此,兩者的結(jié)果具有良好的互補性,可以為正確決策提供更充分的信息。采用D-S （Dempster-Shafer）證據(jù)理論對兩者的決策矢量（即重構(gòu)誤差）進行決策融合從而得到更為穩(wěn)健的識別結(jié)果。基于MSTAR數(shù)據(jù)集進行了目標識別實驗并與其他SAR目標識別方法進行了充分對比,實驗結(jié)果證明了提出方法的有效性。 

【文章來源】：電子測量與儀器學報. 2020年02期 北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

結(jié)合全局和局部稀疏表示的SAR目標識別方法的流程

首先基于表1的訓練和測試集對提出方法進行測試。此時,訓練和測試樣本之間僅存在較小的俯仰角和型號(BMP2和T72)差異,可近似認為是標準操作條件。本文方法的識別結(jié)果展示如圖3所示。其中,對角線上的元素分別對應不同類別的正確識別率�？梢�,在本文方法下,各類目標的正確識別率均達到97%以上,10類目標的平均識別率達到98.54%。這一結(jié)果充分證明了提出方法在標準操作條件下的有效性。表2為各類方法的平均識別率。經(jīng)過對比,本文方法的性能優(yōu)于其他方法。盡管深度學習模型具有較強的分類能力,當其性能與訓練樣本的覆蓋面緊密相關。表1所示的實驗設置中,BMP2和T72的測試樣本與訓練樣本存在一定的型號差異,這導致CNN方法的性能出現(xiàn)了一定的下降。特別地,與GSRC和LSRC相比,本文通過結(jié)合兩者的表示能力,有效提升了最終的識別性能�？梢�,結(jié)合全局和局部稀疏表示是提高標準操作條件下SAR目標識別性能的有效手段之一。表1 十類目標標準操作條件下訓練和測試集Table 1 Training and test sets of the ten targets under the standard operating condition. 類別 BMP2 BTR70 T72 T62 BDRM2 BTR60 ZSU23/4 D7 ZIL131 2S1 訓練集 232(Sn_9566) 233 231(Sn_812) 299 298 256 299 299 299 299 測試集 195(Sn_9563) 196 196(Sn_132) 273 274 195 274 274 274 274 196(Sn_9566) 195(Sn_812) 196(Sn_c21) 191(Sn_s7)

表1 十類目標標準操作條件下訓練和測試集Table 1 Training and test sets of the ten targets under the standard operating condition. 類別 BMP2 BTR70 T72 T62 BDRM2 BTR60 ZSU23/4 D7 ZIL131 2S1 訓練集 232(Sn_9566) 233 231(Sn_812) 299 298 256 299 299 299 299 測試集 195(Sn_9563) 196 196(Sn_132) 273 274 195 274 274 274 274 196(Sn_9566) 195(Sn_812) 196(Sn_c21) 191(Sn_s7)表2 標準操作條件下的平均識別率Table 2 Average recognition rates understandard operating condition 方法類型 平均識別率/% 本文方法 98.54 KNN 93.15 SVM 95.11 CNN 97.69 GSRC 94.66 LSRC 95.61

【參考文獻】：
期刊論文
[1]基于KNN的合成孔徑雷達目標識別[J]. 郝巖,白艷萍,張校非.  火力與指揮控制. 2018(09)
[2]SAR圖像多層次正則化增強及在目標識別中的應用[J]. 謝晴,張洪.  電子測量與儀器學報. 2018(09)
[3]改進D-S證據(jù)理論在變電站人體跌倒檢測的應用[J]. 王磊,江偉建,孫朋,夏飛.  電子測量與儀器學報. 2017(07)
[4]基于三維電磁散射參數(shù)化模型的SAR目標識別方法[J]. 文貢堅,朱國強,殷紅成,邢孟道,楊虎,馬聰慧,閆華,丁柏圓,鐘金榮.  雷達學報. 2017(02)
[5]屬性散射中心匹配及其在SAR目標識別中的應用[J]. 丁柏圓,文貢堅,余連生,馬聰慧.  雷達學報. 2017(02)
[6]基于仿真SAR和SVM分類器的目標識別技術研究[J]. 劉長清,陳博,潘舟浩,王衛(wèi)紅,唐曉斌.  中國電子科學研究院學報. 2016(03)
[7]基于幾何特征的高分辨率SAR圖像飛機目標解譯方法[J]. 高君,高鑫,孫顯.  國外電子測量技術. 2015(08)
[8]結(jié)合KPCA和稀疏表示的SAR目標識別方法研究[J]. 韓萍,王歡.  信號處理. 2013(12)



本文編號：2956795