基于PCA-LDA-SVM的多普勒雷达车型识别算法

• 作者: 余稳 方菲菲
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 雷达目标识别 多普勒雷达 主成分分析 线性判别分析 支持向量机
• 年，卷（期）: 2012,（1）
• 页码范围: 111-116
• 分类号: TN958.95
• 字数: 4470字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-9037.2012.01.019

摘要

车辆检测和车型识别是智能交通系统(Intelligent transportation system,ITS)中的一个重要方面,而目标识别是低分辨率雷达领域的一个难点.该文提出一种用多普勒雷达进行车型识别的方法,把车辆建模成包含多个散射中心的目标体,散射中心与雷达的距离与频谱能量有关,因此同一目标的频谱变化反映了该目标长高等轮廓特征.然后将有效的频谱特征结合主成分分析(Principal component and analysis,PCA)和线性判别分析(Linear discriminant analysis,LDA)进行降维,再利用支持向量机(Support vector machine,SVM)等分类器实现分型.文章对不同识别算法交叉验证的实验结果进行比较,表明基于PCA-LDA-SVM的车型识别算法效果理想,有广泛的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方菲菲	中国科学院上海微系统与信息技术研究所	2	42	2.0	2.0
5	余稳	中国科学院上海微系统与信息技术研究所	9	64	5.0	8.0