雷达目标检测深层自编码器自适应优化算法

来源：计算机工程与应用杂志2019年第13期北京时间：

作者：侯 旋1，2，陈 涛3，王唯良1

单位：1.西北政法大学 新闻传播学院，西安 710122；2.空军工程大学 航空工程学院，西安 710038；3.电子科技大学 电子科学技术学院，成都 611731

摘要：研究了现阶段雷达低小慢目标探测技术的难点与方法。分析了深层自编码器基本模型与算法，通过引入自适应学习理论，提出了基于Rumelhart函数的深层自编码器自适应算法（RDAAA），并证明了算法的收敛性。优化算法避免了网络训练过程中出现惩罚过度的现象，克服了学习速率过高导致网络振荡发散，或学习速率过小降低网络收敛速度等缺陷。利用两种数据集对RDAAA、基于交叉熵函数的深层自编码器学习算法（CDAA）与误差反向传播算法（BPA）进行模式识别能力分析，结果表明在确定限定误差与选取最佳学习速率的情况下，RDAAA相对于CDAA与BPA收敛速度最快，正确识别率更高。围绕雷达目标检测与深度学习理论，分析了低小慢目标特性，将目标检测问题转化为模式分类问题，利用上述三种算法进行目标检测仿真实验，结果表明RDAAA与CDAA的性能明显优于BPA，且RDAAA的检测率更高，特别是处于低信噪比阶段，仍可保持较高的发现概率。

关键词：目标检测,低小慢目标,深度学习,自动编码器,自适应优化算法