基于融合网络的HRRP目标识别方法

来源：雷达科学与技术杂志2025年第2期北京时间：

作者：吴文静，但波，王中训

单位：1. 烟台大学物理与电子信息学院， 山东烟台 264005;2. 烟台大学智慧电网先进技术山东省数据开放创新应用实验室， 山东烟台 264005;3. 海军航空大学， 山东烟台 264001

摘要：高分辨一维距离像（High Resolution Range Profile, HRRP）常应用于雷达自动目标识别领域，HRRP数据结构复杂，从中提取稳定可靠的特征是HRRP目标识别的关键，本文提出一种融合网络模型，用于舰船HRRP的目标识别。模型首先通过BERT（Bidirectional Encoder Representations from Transformers）进行初步特征提取，再通过并行网络提取深度特征，左侧分支使用多尺度卷积神经网络（Multi?scale Convolutional Neural Network, MCNN）模块提取不同尺度的局部特征信息，并通过SE（Squeeze?and?Excitation）对卷积结果进行优化，更好地关注数据中的关键信息，右侧分支使用双向门控循环网络（Bidirectional Gated Recurrent Unit, BiGRU）捕捉序列中的长期依赖关系，结合多头注意力模块可以更好地捕捉不同位置间的相关性，最后对结果进行拼接，最大程度地利用不同网络的优势，提升模型的分类性能。实验结果表明，模型能够有效学习HRRP序列中的特征，有较好的识别性能。

关键词：高分辨距离像,BERT模块,MCNN网络,BiGRU网络,

基金资助：国家自然科学基金重点项目（No.62293544）