文档名：基于核空间联合稀疏表示和指数平滑的多基地水下小目标识别
摘要：针对多基地水下小目标分类识别问题,本文提出了一种基于核空间联合稀疏表示和指数平滑的多基地水下小目标识别方法.对水下目标多角度散射信号提取6种典型的具有信息互补性和关联性的特征,提出一种随机森林(RandomForest,RF)和最小冗余最大相关(minimumRedundancyandMaximumRelevance,mRMR)相结合的特征选择方法(RF-mRMR),得出综合的特征重要性排序结果.通过实验得出分类模型所需的最优特征子集,达到降低数据处理复杂度和提高目标分类结果的目的.为了捕捉到数据中的高阶结构,在联合稀疏表示模型的基础上,使用核函数将线性不可分的特征数据映射到高维核特征空间.为了充分挖掘稀疏重构后包含在残差波段中的有用信息,使用指数平滑公式对具有一定意义的残差信息进行再利用,最后由核特征空间下的最小误差准则判定目标的类别.应用本文提出的方法对4类目标的海试数据进行识别,结果表明,相较于其他7种对比算法,本文提出的改进方法具有更好的分类性能,而且大多数情况下,本文提出的算法在双基地声呐模式下具有比单基地声呐更高的识别准确率和更低的虚警率.
作者：王佳维 许枫 杨娟 Author：WANGJia-wei XUFeng YANGJuan
作者单位：中国科学院声学研究所,北京100190;中国科学院大学,北京100049中国科学院声学研究所,北京100190
刊名：电子学报
Journal：ActaElectronicaSinica
年，卷(期)：2024, 52(1)
分类号：TB566O427P733.2TP212
关键词：多基地 水下小目标识别 多特征融合 特征选择 核空间联合稀疏表示 指数平滑
Keywords：multi-static underwatersmalltargetrecognition multi-featurefusion featureselection kerneljointsparserepresentation exponentialsmoothing
机标分类号：TP391TP918.1TN911.73-34
在线出版日期：2024年4月16日
基金项目：基于核空间联合稀疏表示和指数平滑的多基地水下小目标识别[
期刊论文] 电子学报--2024, 52(1)王佳维 许枫 杨娟针对多基地水下小目标分类识别问题,本文提出了一种基于核空间联合稀疏表示和指数平滑的多基地水下小目标识别方法.对水下目标多角度散射信号提取6种典型的具有信息互补性和关联性的特征,提出一种随机森林(RandomFores...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于核空间联合稀疏表示和指数平滑的多基地水下小目标识别 Multi-Static Underwater Small Target Recognition Based on Kernel Joint Sparse Representation and Exponential Smoothing
基于核空间联合稀疏表示和指数平滑的多基地水下小目标识别.pdf
- 文件大小:
- 2.74 MB
- 下载次数:
- 60
-
高速下载
|
|
