简介：针对雷达目标的互易性修正问题，利用机器学习理论，提出一种基于非线性表示子的极化雷达目标互易性修正方法。尝试将Krogager和Cameron目标分解方法用于宽带极化雷达目标的识别，分别基于这两种目标分解方法对宽带极化雷达目标进行特征提取，在Krogager分解中使用核非线性分类器和分类器融合方法对特征矢量进行分类，在Cameron分解中使用投票判决方法对特征矢量进行分类。仿真结果表明，所讨论的方法有较好的性能。
宽带极化雷达目标的互易性修正及识别
