| 摘要: |
| 针对雷达目标的互易性修正问题,利用机器学习理论,提出一种基于非线性表示子的极化雷达目标互易性修正方法。尝试将Krogager和Cameron目标分解方法用于宽带极化雷达目标的识别,分别基于这两种目标分解方法对宽带极化雷达目标进行特征提取,在Krogager分解中使用核非线性分类器和分类器融合方法对特征矢量进行分类,在Cameron分解中使用投票判决方法对特征矢量进行分类。仿真结果表明,所讨论的方法有较好的性能。 |
| 关键词: 极化目标识别 互易性修正 目标分解法 核非线性分类 |
| DOI： |
| 分类号: |
| 基金项目:教育部重点项目(No.105150);ATR重点实验室基金项目(No.51483010305DZ0207) |
|
|
|
|
|
|
| Abstract: |
|
| Key words: |
