| 摘要: |
| 针对不相关辨别分析方法在目标类别数较多时计算量大,且可能面临散度矩阵奇异的问题,提出了一种核不相关辨别子空间算法,并将其用于雷达目标一维距离像识别。新算法继承了原方法提取目标统计不相关辨别特征的优点,同时利用核机器学习理论与广义奇异值分解,有效解决了计算量与矩阵奇异的问题,并进一步改善了目标的类可分性。对ISAR实测飞机数据进行了分类,并与几种经典核非线性方法进行了比较,结果表明所提方法的识别性能得到了明显改善。 |
| 关键词: 雷达目标识别 核不相关辨别子空间 广义奇异值分解 一维距离像 |
| DOI： |
| 分类号: |
| 基金项目:国家自然科学基金(No.60702070) |
|
|
|
|
|
|
| Abstract: |
|
| Key words: |
