基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种基于QR分解的广义辨别分析算法,并将其用于雷达目标一维距离像识别.与传统用奇异值分解获取目标特征子空间的方式不同,新算法运用核修正格兰-施密特正交化过程直接提取最优投影变换矩阵,不仅有效地地保留了类内散度矩阵最具辨别力的零空间信息,同时使所求解在数值上更稳定.对3种实测飞机数据的分类结果表明,所提方法不仅在识别性能上优于传统方法,而且在一定程度上降低了算法的计算复杂度,提高了系统的实时性能.
推荐文章
一种优化稀疏分解的雷达目标识别方法
稀疏分解
粒子群优化
自适应变化
高分辨率距离像
基于平移不变核主分量分析的雷达目标识别研究
核主分量分析
零相位表示法
特征提取
高分辨率距离像
BP神经网络
基于BP网络的侦察雷达目标识别方法研究
目标识别
BP网络
多普勒频率
基于混淆矩阵的全方位角雷达目标识别
HRRP
雷达目标识别
混淆矩阵
SVM
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于QR分解的广义辨别分析用于雷达目标识别
来源期刊 红外与毫米波学报 学科 工学
关键词 雷达目标识别 广义辨别分析 核修正格兰-施密特正交化 特征提取 一维距离像
年,卷(期) 2007,(3) 所属期刊栏目
研究方向 页码范围 205-208
页数 4页 分类号 TN957.54
字数 3603字 语种 中文
DOI 10.3321/j.issn:1001-9014.2007.03.011
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨万麟 电子科技大学电子工程学院 83 616 13.0 18.0
2 刘华林 电子科技大学电子工程学院 7 38 5.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (17)
共引文献  (8)
参考文献  (7)
节点文献
引证文献  (9)
同被引文献  (14)
二级引证文献  (24)
1967(1)
  • 参考文献(1)
  • 二级参考文献(0)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(5)
  • 参考文献(2)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(2)
  • 引证文献(2)
  • 二级引证文献(0)
2011(2)
  • 引证文献(0)
  • 二级引证文献(2)
2012(4)
  • 引证文献(1)
  • 二级引证文献(3)
2013(1)
  • 引证文献(0)
  • 二级引证文献(1)
2014(2)
  • 引证文献(0)
  • 二级引证文献(2)
2015(4)
  • 引证文献(0)
  • 二级引证文献(4)
2016(4)
  • 引证文献(1)
  • 二级引证文献(3)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
2018(5)
  • 引证文献(1)
  • 二级引证文献(4)
2019(3)
  • 引证文献(1)
  • 二级引证文献(2)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
雷达目标识别
广义辨别分析
核修正格兰-施密特正交化
特征提取
一维距离像
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
红外与毫米波学报
双月刊
1001-9014
31-1577/TN
大16开
上海市玉田路500号
4-335
1982
chi
出版文献量(篇)
2620
总下载数(次)
3
总被引数(次)
28003
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导