云南高校图书馆联盟文献共享服务平台- MSTAR

MSTAR: 作品数：63被引量：114H指数：7; 导出分析报告; 相关领域：电子电信自动化与计算机技术更多>>; 相关作者：成功胡利平李胜王超李焕敏更多>>; 相关机构：国防科学技术大学北京航空航天大学武汉大学北京环境特性研究所更多>>; 相关期刊：更多>>; 相关基金：国家自然科学基金国家重点基础研究发展计划江苏高校优势学科建设工程资助项目教育部留学回国人员科研启动基金更多>>

介质粗糙地面上目标散射中心正向建模与分析: 《电波科学学报》2025年第1期12-20,共9页田正秋何思远蔡志灏王筱祎; 国家自然科学基金(42188101)。; 基于典型地面背景电磁散射特性的研究,提出了介质粗糙地面上目标散射中心正向建模的方法。首先,通过蒙特卡罗方法随机生成粗糙面,利用高斯谱模拟三维粗糙地面模型,采用介电常数对不同地面材料进行表征;然后,采用正向途径并结合射线追踪...; 关键词：散射中心正向建模粗糙地面介质涂覆耦合散射中心 MSTAR

Dual circularly polarized monostatic STAR antenna with enhanced isolation: 《Journal of Systems Engineering and Electronics》2025年第1期73-81,共9页XIE Mingcong WEI Xizhang TANG Yanqun HU Dujuan; supported by Guangdong Natural Science Foundation(2019A1515011622);Guangdong Provincial Laboratory of Southern Marine Science and Engineering (Zhuhai)(SML2021SP407)。; Separated transmit and receive antennas are employed to improve transmit-receive isolation in conventional short-range radars, which greatly increases the antenna size and misaligns of the transmit/receive radiation p...; 关键词：dual circularly polarization(CP) monostatic simultaneous transmit and receive(MSTAR) sequential rotation array(SRA) uniplanar compact electromagnetic band gap(UC-EBG) ring-shaped defected ground structure(RS-DGS)

基于核稀疏保持投影的SAR目标特征提取方法研究: 《现代信息科技》2023年第21期20-23,27,共5页王欢熊水金陈荣华; 江西省教育厅科学技术研究项目(GJJ2204914)。; 文章提出一种新的特征提取方法,将核稀疏保持投影(KSPP)方法运用到合成孔径雷达(SAR)目标识别中。该方法将原始目标函数投影到高维特征空间,在高维特征空间求得样本的稀疏系数,将所有样本的稀疏系数组成稀疏重构矩阵,利用稀疏重构矩阵...; 关键词：核稀疏保持投影特征提取 SAR SVM分类器 MSTAR

联合多特征的MSTAR数据集SAR目标识别方法被引量：4: 《武汉大学学报（工学版）》2022年第7期732-739,共8页赵高丽宋军平; 河南省教育厅资助项目(编号:2019SJGLX124)。; 提出联合Zernike矩、核主成分分析(kernel principal component analysis,KPCA)及单演信号特征的合成孔径雷达(synthetic aperture radar,SAR)目标识别方法,3类特征分别描述SAR目标几何形状特征、投影特征及图像分解特征,联合使用可以...; 关键词：合成孔径雷达目标识别 ZERNIKE矩核主成分分析单演信号联合稀疏表示 MSTAR数据集

高斯过程模型在SAR图像目标识别中的应用被引量：1: 《红外与激光工程》2021年第7期144-150,共7页尚珊珊余子开范涛金利民; 国家重点研发计划(2019YFB1802700)。; 将高斯过程模型应用于合成孔径雷达(SAR)图像目标识别。高斯过程模型是基于贝叶斯框架的统计学习算法,通过结合核函数和和概率判别构建分类模型。与传统分类模型相比,高斯过程模型可以获得更高的分类效率和精度。方法实施过程中,采用SA...; 关键词：合成孔径雷达目标识别高斯过程模型 MSTAR数据集

基于改进D-S证据理论的数据融合目标分类被引量：8: 《半导体光电》2021年第1期121-126,共6页周文文万晓冬李文; 首先采用分类算法对MSTAR数据集进行十类目标分类识别、三类目标的变体分类识别,然后根据分类调参过程中的先验知识修正证据即分类器输出,构造基本置信函数,并采用改进的合成规则即基于冲突系数K和Pignistic概率距离相结合的冲突度量方...; 关键词：D-S证据理论数据融合目标分类冲突分配 MSTAR数据集 Pignistic概率距离

基于非下采样剪切波特征提取的SAR图像目标识别方法被引量：3: 《探测与控制学报》2020年第1期75-80,共6页丁慧洁; 国家开放大学分部2018年度科研课题(G18E2802Z)。; 针对现有合成孔径雷达(SAR)图像特征提取方面的不足,提出基于非下采样剪切波(NSST)特征提取的SAR目标识别方法。该方法采用NSST对SAR图像进行分解获得多层次的子代图像,这些子代图像具有良好的平移不变性并且可以很好地反映目标的主要...; 关键词：合成孔径雷达目标识别非下采样剪切波联合稀疏表示 MSTAR数据集

基于协同编码分类器的SAR目标识别方法被引量：3: 《中国电子科学研究院学报》2019年第3期290-295,共6页王鑑航张广宇李艳; 吉林省教育厅"十二五"科学技术研究项目(吉教科合字[2015]第445号); 合成孔径雷达(Synthetic Aperture Radar,SAR)自动目标识别(Automatic Target Recognition,ATR)是SAR图像解译的关键技术之一。本文提出了基于协同编码分类器的SAR目标识别方法。协同编码采用所有类别训练样本构建的全局字典最优重构测...; 关键词：合成孔径雷达目标识别协同编码分类器 MSTAR数据集

SAR目标轮廓匹配及其在目标识别中的运用被引量：7: 《计算机工程与设计》2019年第1期184-189,共6页王旭蒋书波张秀梅; 国家自然科学基金项目(61308066); 为提高合成孔径雷达目标识别性能,提出一种基于目标轮廓匹配的目标识别方法,目标轮廓描述目标的几何外形分布以及尺寸信息,是广泛应用于目标识别的特征之一。将目标轮廓进行分段,采用部分Hausdorff距离度量各个分段的距离,通过科学综合...; 关键词：合成孔径雷达目标识别轮廓匹配部分Hausdorff距离 MSTAR数据集

Small sample learning with high order contractive auto-encoders and application in SAR images被引量：3: 《Science China(Information Sciences)》2018年第9期271-273,共3页Qianwen YANG Fuchun SUN; Dear editor,Recently auto-encoders（AEs）are used as intermediate layers or unsupervised learning stages in deep learning networks[1].However,unlike other deep learning algorithms,which can extract higher-order abstra...; 关键词：SAR Small sample learning with high order contractive auto-encoders and application in SAR images MSTAR RBM

MSTAR