基于SAR仿真图像的地面车辆非同源目标识别

TN958; 充分的合成孔径雷达(synthetic aperture radar,SAR)模板数据是目标识别算法(尤其是基于深度学习的智能目标识别算法)获得优异识别性能的关键,基于实际测量获取充分SAR数据是不现实的,基于电磁散射建模的SAR仿真成为当前获取充分样本的一种有效途径.SAR仿真图像与实测图像为非同源数据,由于SAR仿真的目标几何模型与实物之间差异、SAR仿真过程中的传感器模型与实际传感器性能之间差异、实物所处的背景环境与SAR仿真的环境之间差异、电磁建模方法本身误差等因素导致SAR仿真图像与实测图像存在差异,会影响识别性能.针对这一问题,首先采用一种基于高频渐近技术和离散射线追...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 43; no. 12; pp. 3518 - 3525
Main Authors 胡利平, 董纯柱, 刘锦帆, 殷红成, 王超, 宁超
Format Journal Article
LanguageChinese
Published 北京环境特性研究所电磁散射重点实验室,北京100854 01.12.2021
Subjects
合成孔径雷达仿真;特征变换;非同源合成孔径雷达目标识别
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2021.12.13

Cover

More Information
Summary:TN958; 充分的合成孔径雷达(synthetic aperture radar,SAR)模板数据是目标识别算法(尤其是基于深度学习的智能目标识别算法)获得优异识别性能的关键,基于实际测量获取充分SAR数据是不现实的,基于电磁散射建模的SAR仿真成为当前获取充分样本的一种有效途径.SAR仿真图像与实测图像为非同源数据,由于SAR仿真的目标几何模型与实物之间差异、SAR仿真过程中的传感器模型与实际传感器性能之间差异、实物所处的背景环境与SAR仿真的环境之间差异、电磁建模方法本身误差等因素导致SAR仿真图像与实测图像存在差异,会影响识别性能.针对这一问题,首先采用一种基于高频渐近技术和离散射线追踪技术的SAR仿真方法获取地面车辆目标的SAR仿真图像,再利用卷积神经网络方法、线性/非线性特征变换方法实现对MSTAR买测数据的非同源SAR目标识别性能对比分析.实验结果表明,直接使用SAR仿真数据无法实现对实测SAR数据有效识别,而线性/非线性特征变换可以改善非同源SAR目标识别性能,一定程度上缓解由于SAR仿真数据与实测数据存在差异导致的识别性能差的问题.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2021.12.13