● 摘要
合成孔径雷达（Synthetic Aperture Radar, 简称SAR）因其多波段、多极化、多视向、多俯角的观测手段，以及全天时和全天候的观测能力，已经引起了世界各国的普遍关注。基于SAR的自动目标识别（Automatic Target Recognition, 简称ATR）已成为信息工程领域研究的热门课题。本文重点研究了SAR ATR技术，对其中主要环节——目标检测，目标鉴别以及目标识别等进行了研究和仿真分析。论文研究内容如下： 1. 论文首先深入分析了SAR图像的杂波统计模型，在此基础上研究了目标检测的恒虚警（CFAR）算法，讨论了基于不同分布模型的CFAR目标检测；根据极化SAR多通道杂波与目标模型，重点研究了基于广义似然比（GLRT）的自适应检测算法和自适应匹配滤波（AMF）CFAR检测算法，结合仿真实验，分析了影响算法性能的因素。 2．采用遗传算法进行特征选择，研究了以核模糊C-均值聚类（FKCM）作为分类器的目标与杂波鉴别的最优特征选择方法；结合已有文献，讨论了分类算法及分类有效性参数选择对目标与杂波鉴别结果的影响，分析了选择遗传算法的不同拟合函数的特征选择与分类结果；最后结合SAR图像，对特征选择算法进行了仿真验证。 3. 深入研究了基于模板匹配的SAR图像目标识别技术和概率神经网络的目标识别技术，通过对SAR图像的仿真实验，详细分析和比较了两种算法的性能。