第2章
基于机器学习的合成孔径雷达目标识

2.1　引言

在具有全天时、全天候和远距离探测等优势的雷达中，合成孔径雷达（SAR）技术逐渐成熟，为自动目标识别（Automatic Target Recognition，ATR）技术的发展提供了强有力的技术支持。SAR图像预处理是在尽可能保留图像原始信息的前提下，完成图像滤波、减少噪声等操作^[156]，特征提取是从图像中提取出具有鉴别性的特征，分类器是完成对未知目标的身份识别操作。但是，SAR成像的特点决定了SAR图像几何失真较大且含有大量被称为相干斑的乘性噪声^[157]，这使得传统的图像处理技术已经难以满足海量雷达数据的分类精度要求。

MSTAR数据集是由美国国防高级研究计划局（DARPA）和美国空军研究实验室（AFRL）合作资助研究并公开的数据集。本章在MSTAR数据库的基础上讨论了基于卷积神经网络（CNN）的SAR目标识别以及基于群智能算法与SVM的SAR目标识别。