基于主分量分析的空间目标识别方法  

Space target recognition based on principal component analysis

作　　者：温福喜[1] 刘宏伟[1] 

机构地区：[1]西安电子科技大学雷达信号处理重点实验室,陕西西安710071

出　　处：《应用科技》2007年第1期1-4,共4页Applied Science and Technology

基　　金：国家自然科学基金资助项目(60302009)

摘　　要：目标的雷达散射截面(RCS)包含了丰富的目标类别信息,如何有效利用目标RCS特征对空间目标的雷达识别具有重要意义.文中提取中心矩作为特征向量,采用主分量分析(PCA)进一步进行特征压缩,利用支撑矢量机(SVM)分类算法来实现识别.基于实测数据的仿真实验结果表明,该方法具有较好的识别性能和推广能力.The radar cross section （RCS） of targets contains abundant classification information, which is very important to radar automatic space target recognition. A multi-class support vector machine （SVM） classifier is designed to classify space objects based on the selected central moments features by using principal component analysis（PCA）. The experimental comparisons based on measured data show that the proposed method achieves good classification performance and low computational complexity.

关 键 词：中心矩特征 主分量分析 支撑向量机 目标识别 

分 类 号：TN959.17[电子电信—信号与信息处理]