Resumen

Para abordar el problema del reconocimiento de objetivos de radar de apertura sintética (SAR), se propone una mejora en la clasificación basada en representación dispersa (SRC). Según el vector de coeficientes dispersos resultante del diccionario global, se toma el coeficiente más grande en cada clase como referencia. Luego, se seleccionan los vecindarios circundantes de la muestra con el coeficiente más grande para construir el diccionario local óptimo en cada clase de entrenamiento. Posteriormente, las muestras en el diccionario local se utilizan para reconstruir la muestra de prueba a identificar. Finalmente, la decisión se toma según la comparación de los errores de reconstrucción de diferentes clases. En los experimentos, se verifica el método propuesto en base al conjunto de datos de adquisición y reconocimiento de objetivos móviles y estacionarios (MSTAR). Los resultados muestran que el método propuesto tiene ventajas de rendimiento sobre los métodos existentes, lo que demuestra su efectividad y robustez.

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Radar de apertura sintética; Reconocimiento de objetivos; Clasificación basada en representación dispersa; Diccionario global; Diccionario local; Errores de reconstrucción
• Keywords:Synthetic aperture radar; Target recognition; Sparse representation-based classification; Global dictionary; Local dictionary; Reconstruction errors