使用广义极化张量的字典匹配进行目标识别
Target Identification Using Dictionary Matching of Generalized Polarization Tensors
AI总结：
本文提出一种基于预计算广义极化张量字典匹配的快速实时成像目标识别方法，利用GPTs的新不变量和形状表示，数值验证了抗噪性和稳定性。
摘要：
本文旨在提供一种基于预计算广义极化张量（GPTs）字典匹配的快速高效（实时）成像目标识别方法。该方法基于GPTs的一些重要性质和新不变量。给出了一种新的形状表示，并在存在测量噪声的情况下进行了数值测试。对所提出的识别算法的稳定性和分辨率进行了数值量化。
英文摘要：
The aim of this paper is to provide a fast and efficient procedure for (real-time) target identification in imaging based on matching on a dictionary of precomputed generalized polarization tensors (GPTs). The approach is based on some important properties of the GPTs and new invariants. A new shape representation is given and numerically tested in the presence of measurement noise. The stability and resolution of the proposed identification algorithm is numerically quantified.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
