共 2 条
[1]
Vector quantization and learning vector quantization for radar target classification..Stewart C et al;.SPIE: Automatic Object Recognition.1993,
基于模糊极小极大神经网络的雷达一维像识别
被引：1
作者：
汤光华
戴毅
刘国岁
机构：
[1] 南京理工大学电子技术研究中心
[2] 解放军理工大学
来源：
关键词：
雷达工程;
雷达一维距离像;
模糊极小极大神经网络;
目标识别;
D O I：
暂无
中图分类号：
TN957.52 [数据、图像处理及录取];
学科分类号：
摘要：
雷达目标一维距离像是随雷达姿态角变化的 ,但由于目标姿态变化的连续性及目标散射点分布的连续性 ,其一维距离像是一个随视角变化而逐渐演变的过程 ,它们应随姿态角的连续变化在特征空间中形成一条特征轨迹线。本文在基于线性内插神经网络对雷达一维距离像识别的基础上 ,改进了线性内插时特征轨迹线的形成方法。提出了一种基于模糊极小极大神经网络分类器的雷达目标一维距离像目标识别方法 ,利用模糊极小极大神经网络中的超方匣的并集来形成雷达目标特征轨迹线。进行了三类飞机目标的 0～ 180°姿态角范围内一维距离像的分类实验研究 ,结果表明 ,用模糊极小极大神经网络分类器对雷达目标一维像分类有较高的分类准确率
引用
收藏
页码：218 / 221
页数：4
相关论文