基于多任务复数因子分析模型的雷达高分辨距离像识别方法

摘要：

传统的高分辨距离像(HRRP)统计识别方法大部分只使用雷达目标高分辨回波的幅值信息且需要大量的训练样本保证统计模型参数学习的精度。为了充分利用高分辨回波的相位信息，在雷达采样率有限、训练样本数不足的条件下保证统计识别的性能，该文提出一种多任务学习(MTL)复数因子分析(CFA)模型，将数据描述推广到复数域，将每个方位帧训练样本的统计建模视为单一的学习任务，各学习任务共享加载矩阵，利用贝塔伯努利(Beta-Bernoulli)稀疏先验自适应地选择各任务需要的因子，完成多任务的共同学习。基于实测数据的识别实验显示，与传统的单任务学习(STL)因子分析模型相比，该文提出的多任务因子分析模型具有更低的模型复杂度且在小样本条件下可以显著提高识别性能。

关键词：雷达自动目标识别、高分辨距离像、多任务学习、因子分析

分类号：TN958

资助基金：国家自然科学基金61271024,61201296,61322103;高等学校博士学科点专项科研基金20130203110013;陕西省自然科学基础研究计划2015JZ016Foundation Items:The National Natural Science Foundation of China61271024,61201296,61322103;The Foundation for Doctoral Supervisor of China20130203110013;The Natural Science Foundation of Shaanxi Province2015JZ016

在线出版日期：2015-10-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2307-2313