基于自适应SVDD的雷达目标分类方法

摘要：

支持向量数据描述(support vector data description,SVDD)常用于实现目标类样本充分、非目标类样本多样化的两类分类.在雷达目标识别应用中,SVDD分类性能随样本噪声增加迅速下降.为了解决这个问题,通过深入分析SVDD抗噪性能差的原因,提出了基于自适应SVDD的雷达目标分类方法.该方法利用接收机工作特性曲线建立信噪比与分类最优超球半径的关系模型,在目标分类过程中,针对不同信噪比自适应选择分类判决门限.仿真实验表明,相比于常规SVDD方法,自适应SVDD方法大大提高了低信噪比下目标分类性能.

关键词：支持向量数据描述、目标分类、自适应、超球半径

所属期刊栏目：33

分类号：TN957

资助基金：国家自然科学基金60572138;重点实验室基金9140C8001020901资助课题

在线出版日期：2011-06-14（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：253-258