论文部分内容阅读
针对合成孔径雷达(SAR)目标识别方法中分类决策存在的不足,提出基于增强字典稀疏表示分类的SAR目标识别方法。该方法通过对原始训练样本进行多信噪比、多分辨率样本构造,进而构建描述能力更强、对于扩展操作条件更稳健的增强字典进而采用稀疏表示分类器提高目标识别的整体性能。基于MSTAR数据集的实验结果表明,该方法在对于3类和10类目标的平均识别率可分别达到98.61%和98.12%,验证其区分多类目标的能力;通过测试在不同信噪比、不同分辨率下的识别性能,验证了该方法对于噪声干扰、分辨率变化具有较强的稳健性。