基于增量非负矩阵分解的合成孔径雷达目标识别

摘要：

随着合成孔径雷达(SAR)数据的快速增长,传统的目标识别方法由于不具备增量学习的能力,导致计算代价逐渐增加,从而越来越无法满足实时信息处理的需求.在识别过程中关键的特征提取环节,非负矩阵分解能够获取目标基于部分的特征表示,已被成功应用于SAR目标识别领域.然而面对新增样本,采用非负矩阵分解描述SAR目标特征的过程中,会产生重复训练,从而大大降低了识别效率.提出基于增量非负矩阵分解的SAR目标识别方法,实现了基于非负矩阵分解的SAR目标特征表示的增量学习能力,从而大大降低计算代价.针对MSATR数据集的仿真试验结果表明,在保证识别率的基础上,提出的方法能够降低样本训练时间74.7%以上.因此该方法能够适应数据增加的现实需求,并能够为建立具有自主学习能力的SAR目标识别系统提供有效的技术支撑.

关键词：增量非负矩阵分解、合成孔径雷达、目标识别、增量学习

所属期刊栏目：17

分类号：TP391.41(计算技术、计算机技术)

资助基金：四川省教育厅科研项目16ZB0446

在线出版日期：2017-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：205-210