面向机器学习的高分辨距离像对齐算法

作     者：虞盛康 孙晶明 于俊朋 YU Shengkang;SUN Jingming;YU Junpeng

作者机构：南京电子技术研究所南京210039 中国电子科技集团公司智能感知技术重点实验室南京210039 

出 版 物：《现代雷达》 (Modern Radar)

年 卷 期：2020年第42卷第8期

页      面：25-29页

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] 

主　　题：高分辨距离像 对齐算法 目标识别 机器学习 

摘      要：平移敏感性问题是机器学习方法应用在基于高分辨距离像的雷达目标识别领域的重要限制。在实际雷达工作场景中,高分辨距离像中的目标可能出现在高分辨距离像的不同位置,导致将高分辨距离像作为样本向量直接输入机器学习系统时不同样本的相同特征维度代表信息不统一,严重制约了机器学习系统的性能。针对这一问题,文中尝试建立高分辨距离像样本集对齐的目标函数,并给出该目标函数的近似解。在将高分辨距离像样本集进行对齐处理后,使用机器学习方法进行基于高分辨距离像的雷达目标识别的性能将得到显著提升。基于实测数据对该方法进行了性能验证,实验结果证实了该方法的有效性。