基于改進MKELM的紅外空間錐體目標識別

打開文本圖片集

摘 要：針對遠距離探測時僅能獲取目標的紅外輻射強度序列、樣本量有限、信噪比低而導致目標識別困難的問題，提出一種基于改進多核極限學習機（multiple kernel extreme learning machine， MKELM）的紅外空間錐體目標識別方法。首先對紅外輻射強度序列進行變分模態(tài)分解（variational mode decomposition， VMD）并重構，然后對重構序列進行時域特征提取，最后采用鯨魚優(yōu)化算法（whale optimization algorithm， WOA）優(yōu)化MKELM的參數(shù)組合，在仿真生成的空間錐體目標紅外輻射強度序列數(shù)據(jù)集上進行目標分類識別實驗。（剩余16807字）