刘 轩，王卫红，唐晓斌，李 鹏

(电子科学研究院 综合电子信息研究所，北京 100041)

在SAR－ATR 研究中，目标鉴别是一个重要阶段，其主要目的是对目标检测后获得的感兴趣区域(ROI)进行进一步处理，去除只含有杂波的ROI 切片，保留目标ROI 切片，从而减小目标分类和识别的代价［1－2］。目标鉴别工作主要分为:首先提取一些对目标、杂波有一定区分度的特征，组成初始特征集;然后针对不同的鉴别需求，对初始特征集进行选择，选择出最优的特征序列;最后利用相应的鉴别器和适应度函数对选择出的特征序列进行决策［3］。其中，特征选择是影响目标鉴别性能的关键步骤［4］。

早期的特征选择主要依靠专家的经验知识。后来随着问题的深入和目标鉴别技术的发展，越来越多的特征选择方法涌现出来。文献［5］中提到一种基于特征相关性的特征选择方法，文献［6］中提出一种量子进化理论的特征选择方法。遗传算法(GA)由于其本身属于一种全局优化随机搜索算法［7］，在鉴别特征选择上也得到了实际应用。最早将遗传算法应用到鉴别特征选择上的是Bhanu［8］研究小组，国防科技大学高贵博士在Bhanu 小组的工作基础上，对Bhanu 小组设定的适应度函数进行了改进，提出了一种对特征优劣评价更全面的特征选择算法［9－10］，但在适应度函数权值设定方面仍存在一定的不足。基于此，本文对文献［9］提出的适应度函数，在权值设定方面进行了改进，提出一种新的适应度函数。对比研究结果表明，采用本文提出的特征选择算法评价更准确，且目标鉴别率也得到提高。……