基于二维经验模态分解的合成孔径雷达目标识别方法 
下载： 1072次
Synthetic Aperture Radar Target-Recognition Method Based on Bidimensional Empirical Mode Decomposition
1 邵阳学院信息工程学院, 湖南 邵阳 422000
2 湖南第一师范学院信息科学与工程学院, 湖南 长沙 410205
图 & 表
图 1. BEMD对SAR图像的分解示意图。(a)原始图像;(b)第一层BIMF;(c)第二层BIMF;(d) 第三层BIMF
Fig. 1. Illustration of decomposition of SAR images via BEMD. (a) Original image; (b) BIMF at first level; (c) BIMF at second level; (d) BIMF at third level
下载图片 查看原文
图 2. SVM的分类原理示意图
Fig. 2. Illustration of classification principle of SVM
下载图片 查看原文
图 3. 基于BEMD的SAR目标识别方法的基本流程
Fig. 3. Basic procedure of SAR target recognition method based on BEMD
下载图片 查看原文
图 4. MSTAR数据库中10类目标的光学和SAR图像。(a) BMP2;(b) BTR70;(c) T72;(d) T62;(e) BRDM2; (f) BTR60;(g) ZSU23/4;(h) D7;(i) ZIL131;(j) 2S1
Fig. 4. Optical and SAR images of ten targets in MSTAR data set. (a) BMP2; (b) BTR70; (c) T72; (d) T62; (e) BRDM2; (f) BTR60; (g) ZSU23/4; (h) D7; (i) ZIL131; (j) 2S1
下载图片 查看原文
图 5. 本文方法在标准操作条件下的识别结果
Fig. 5. Recognition results of proposed method under standard operating condition
下载图片 查看原文
图 6. 本文方法与对比方法在不同俯仰角下的识别性能
Fig. 6. Recognition performances of proposed and compared methods at different pitch angles
下载图片 查看原文
图 7. 本文方法与对比方法在噪声干扰条件下的识别性能
Fig. 7. Recognition performances of proposed and compared methods under noise interference
下载图片 查看原文
表 1标准操作条件下的训练与测试样本
Table1. Training and test samples under standard operating condition
| Type | BMP2 | BTR70 | T72 | T62 | BDRM2 | BTR60 | ZSU23/4 | D7 | ZIL131 | 2S1 |
|---|
| Training | 232(Sn_9566) | 233 | 231(Sn_812) | 299 | 298 | 256 | 299 | 299 | 299 | 299 | | Test | 195(Sn_9563) | 196 | 196(Sn_132) | 273 | 274 | 195 | 274 | 274 | 274 | 274 |
|
查看原文
表 2带有型号差异的训练和测试样本
Table2. Training and test samples with configuration variances
| Type | Training | Test |
|---|
| BMP2 | 233(Sn_9563) | 196(Sn_9566)196(Sn_c21) | | BTR70 | 233(Sn_c71) | 196(Sn_c71) | | T72 | 232(Sn_132) | 195(Sn_812)191(Sn_s7) |
|
查看原文
表 3带有俯仰角差异的训练与测试样本
Table3. Training and test samples with pitch angle difference
| Type | Pitchangle /(°) | 2S1 | BDRM2 | ZSU23/4 | T72 |
|---|
| Training | 15 | 299 | 298 | 299 | 299 | | Test | 30 | 288 | 287 | 288 | 288 | | 45 | 303 | 303 | 303 | 303 |
|
查看原文
表 4本文方法与对比方法在标准操作条件下的识别性能
Table4. Recognition performance of proposed and compared methods under standard opearting condition
| Method | Average recognition rate /% |
|---|
| Proposed | 99.12 | | SVM-PCA | 97.26 | | SRC | 96.36 | | CNN | 98.68 |
|
查看原文
表 5本文方法与对比方法在型号变化条件下的识别性能
Table5. Recognition performance of proposed and compared methods under configuration variances
| Method | Average recognition rate /% |
|---|
| Proposed | 98.06 | | SVM | 95.43 | | SRC | 94.88 | | CNN | 97.03 |
|
查看原文
柳小文, 雷军程, 伍雁鹏. 基于二维经验模态分解的合成孔径雷达目标识别方法[J]. 激光与光电子学进展, 2020, 57(4): 041004. Xiaowen Liu, Juncheng Lei, Yanpeng Wu. Synthetic Aperture Radar Target-Recognition Method Based on Bidimensional Empirical Mode Decomposition[J]. Laser & Optoelectronics Progress, 2020, 57(4): 041004.
PDF全文
