基于斯皮尔曼等级相关的单演谱成分选择及其在SAR目标识别中的应用

作     者：兰文宝 车畅 陶成云 LAN Wenbao;CHE Chang;TAO Chengyun

作者机构：哈尔滨学院工学院哈尔滨150080 

出 版 物：《电波科学学报》 (Chinese Journal of Radio Science)

年 卷 期：2020年第35卷第3期

页      面：414-421页

核心收录：

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

基　　金：2019年度黑龙江省高等教育教学改革研究项目(SJGY20190398,SJGY20190397) 黑龙江教育科学2019年度备案课题(GJC1319058) 

主　　题：合成孔径雷达(SAR) 目标识别 单演信号 斯皮尔曼等级相关 联合稀疏表示(JSR) 标准操作条件(SOC) 

摘      要：特征提取是合成孔径雷达(synthetic aperture radar,SAR)目标识别中的关键因素之一.文中提出联合多层次单演谱特征的SAR目标识别方法,采用单演信号对原始SAR图像进行分解,获得不同层次的单演谱成分.基于斯皮尔曼等级相关分析分解的谱成分与原始SAR图像的相关性,设置相似度门限来选取若干具有较强鉴别力的谱成分.采用联合稀疏表示(joint sparse representation,JSR)对筛选得到的谱成分进行表征和分类,并基于MSTAR公开数据集在标准操作条件(standard operating conditions,SOC)和若干扩展操作条件下对多类地面车辆目标进行分类测试.实验结果表明:本文方法在SOC下对10类目标的平均识别率达到98.52%;对30°和45°俯仰角下的10类目标平均识别率分别为98.15%和72.06%;在噪声干扰条件下也可以保持良好的稳健性.综合对比,提出的方法相比现有几类SAR目标识别方法具有一定的性能优势.