GA优化的稀疏分解在雷达目标识别中的应用  

Genetic algorithm optimization of sparse decomposition in the application of radar target recognition

作　　者：赵东波 李辉[2] 

机构地区：[1]西安航空学院电子工程学院,西安710077 [2]西北工业大学电子信息学院,西安710129

出　　处：《信息技术》2017年第9期18-21,30,共5页Information Technology

基　　金：国家自然科学基金资助项目(61571364)

摘　　要：特征提取是雷达目标识别系统中很关键的环节,获得一种稳健的目标特征尤为重要。可以利用稀疏分解的方法把雷达高分辨距离像(HRRP)表示在一个超完备Gabor时频字典上,进而提取字典原子的特征参数作为特征向量进行识别;针对匹配追踪算法计算量大的问题,利用遗传算法搜索能力强收敛速度快的优点对OMP算法进行改进。通过对雷达高分辨距离像(HRRP)的识别实验表明,采用Gabor原子提取的特征参数作为特征向量对雷达目标的分类效果比较好。同时,基于GA改进的OMP算法大大降低了参数寻优的计算量。Feature extraction is a critical link in radar target recognition system, it is especially important to acquire a solid target feature. The radar high resolution range profile（ HRRP） is projected on a super complete Gabor dictionary by sparse representation（ SR）,and recognition of HRRP by extracting the characteristic parameters of dictionary atoms from the signal. The OMP algorithm based on genetic algorithm（ GA） is improved to reduce large amount of calculation of matching pursuit by using the strong search ability and the fast convergence rate. Through the recognition experiments of the radar high resolution distance profile（ HRRP） show that classification effect is better using feature parameters extraction of Gabor atoms,and the OMP algorithm based on genetic algorithm（ GA） greatly reduced the computation of parameter optimization.

关 键 词：匹配追踪 Gabor原子 遗传算法(GA) 特征提取 

分 类 号：TP391.9[自动化与计算机技术—计算机应用技术]