Supervised kernel discriminant local tangent space alignment for high-resolution range profile-based radar target recognition
Supervised kernel discriminant local tangent space alignment for high-resolution range profile-based radar target recognition
复制标题
基于高分辨率距离轮廓的雷达目标识别的监督核判别局部切线空间对齐
DOI：
10.1117/1.jrs.13.046513
复制
发表时间：
2019-10
影响因子：
1.7
通讯作者：
Xuegang Wang
中科院分区：
文献类型：
--
作者：
Haohao Ren;Xuelian Yu;Xuegang Wang
抽象的。提出了一种改进的局部切空间对齐（LTSA）算法，称为有监督核判别局部切空间对齐（SKDLTSA），用于基于高分辨距离像（HRRP）的雷达目标识别。SKDLTSA的目标是提取嵌入在局部邻域中的类内几何结构，以及最大限度地提高不同类之间的整体距离所表征的类间可分性。该算法采用核技术提取非线性特征，比线性特征有更好的性能。通过对三架飞机的实测HRRP数据进行实验，验证了该方法的有效性。进一步的结果还表明其对目标姿态变化和噪声污染的鲁棒性。
Abstract. We present a modified local tangent space alignment (LTSA) algorithm, called supervised kernel discriminant local tangent space alignment (SKDLTSA), for radar target recognition based on high-resolution range profile (HRRP). SKDLTSA aims to extract intraclass geometric structure embedded in local neighborhoods, as well as to maximize interclass separability characterized by overall distances among different classes. It is formulated with kernel technique to extract nonlinear features, which helps to obtain better performance than its linear counterparts. Extensive experiments on measured HRRP data from three flying airplanes demonstrate that the proposed method can significantly improve the recognition performance. Further results also indicate its robustness to target attitude variations and noise corruption.
登录
查看更多内容
影响因子：
4.2
作者：
Huan-huan Zhang;D. Ding;Z. Fan;Rushan Chen
通讯作者：
Huan-huan Zhang;D. Ding;Z. Fan;Rushan Chen
DOI：
10.1109/tpami.2005.55
发表时间：
2005-03-01
影响因子：
23.6
作者：
He, XF;Yan, SC;Zhang, HJ
通讯作者：
Zhang, HJ
DOI：
--
发表时间：
2002-12
期刊：
ArXiv
影响因子：
--
作者：
Zhenyue Zhang;Hongyuan Zha
通讯作者：
Zhenyue Zhang;Hongyuan Zha
影响因子：
4.4
作者：
Zhou, Daiying
通讯作者：
Zhou, Daiying
黎曼流形学习
DOI：
10.1109/tpami.2007.70735
发表时间：
2008-05-01
影响因子：
23.6
作者：
Lin, Tong;Zha, Hongbin
通讯作者：
Zha, Hongbin