基于雷达RCS数据的空间目标识别算法研究

来源：电子测量技术杂志2024年第10期北京时间：

作者：张裕，李建鑫，朱勇建，马腾

单位：1.上海应用技术大学计算机科学与信息工程学院 上海 201418; 2.深圳技术大学工程物理学院 深圳 518118

摘要：近年来，深度学习在雷达目标识别领域取得了突破性进展，但基于雷达散射截面积数据的深度学习目标识别算法研究相对甚少。此外，空间目标雷达信号容易受噪声影响，导致目标识别准确率低。本文提出了一种端到端的时频特征融合神经网络TFF-Net用于实现基于RCS序列数据的空间目标识别。首先使用时频分析方法将RCS序列数据转化为二维时频数据来降低噪声干扰，其次使用TFFNet提取时频数据的深层特征。TFF-Net先利用卷积神经网络捕获目标空间特征，接着采用双向长短时记忆网络来建模时序信息，再通过时间注意力网络自适应地关注时频数据中重要的序列。最后，在空间目标数据集上进行了算法对比实验。结果表明，所提出算法的空间目标识别精度达到95.8%，明显高于当前一些主流雷达目标识别算法，且在低信噪比情况下分类精度也优于其他算法，具有更好的噪声鲁棒性。

关键词：空间目标识别;雷达散射截面积;时频分析;神经网络

基金资助：上海市自然科学基金（21ZR1462600）项目资助