对海雷达目标识别中全极化 HRRP 的特征提取与选择

用于合成Kong径雷达目标识别的多视角双向LSTM网络

提出一种基于二维经验模态分解(BEMD)的合成孔径雷达(SAR)目标识别方法。BEMD可以从原始SAR图像提取多层次的二维固态模函数(BIMF),它们可以更好地描述目标的细节信息,因此联合原始SAR图像及其多层次BIMF,可以为后续的分类决策提供更多有益信息。采用支持向量机(SVM)对原始SAR图像以及各个层次的BIMF进行决策,然后基于Bayesian理论对各个SVM输出的结果进行有效融合,从而获得更为稳健的识别结果。基于MSTAR数据集设置几种典型的实验条件,对本文方法进行性能测试,结果验证本文方法相比几类现有SAR目标识别方法更具有性能优势。

自动目标识别(ATR)是雷达信息处理领域的重要研究方向。由于卷积神经网络(CNN)无需进行特征工 程，图像分类性能优越，因此在雷达自动目标识别领域研究中受到越来越多的关注。该文综合论述了CNN在雷达 图像处理中的应用进展。首先介绍了雷达自动目标识别相关知识，包括雷达图像的特性，并指出了传统的雷达自 动目标识别方法局限性。给出了CNN卷积神经网络原理、组成和在计算机视觉领域的发展历程。然后着重介绍了 CNN在雷达自动目标识别中的研究现状，其中详细介绍了合成孔径雷达(SAR)图像目标的检测与识别方法。接下 来对雷达自动目标识别面临的挑战进行了深入分析。最后对CNN新理论、新模型，以及雷达新成像技术和未来复 杂环境下的应用进行了展望。

2010年全国优博提名奖得主，对雷达成像研究方面有很大的借鉴意义

针对合成孔径雷达（SAR）目标识别问题，提出一种结合线性，非线性特征提取和分类器的方法。采用PCA和KPCA分别提取原始SAR图像的特征矢量。在此基础上，分别利用稀疏表示（SRC）和核稀疏表示（KSRC）对两类特征进行分类。通过线性，非线性特征，分类器的结合，可以更好地考察SAR图像的内部数据结构以及测试样本与训练样本的对应关系。实验中，基于MSTAR数据集进行性能测试，结果表明提出方法的有效性。

合成孔径雷达目标识别技术方面的综述书籍，包括目标识别与检测，非影印版

雷达目标识别的遗传算法代码 很值得参考 辛苦得到的

INTRODUCTION TO RADAR TARGET RECOGNITION，英文版，非扫描版

我的毕设代码，内容为 自适应复高斯雷达目标识别 的Matlab程序。