卷积神经网络联合SVM的降水粒子分类

来源：雷达科学与技术杂志2023年第4期北京时间：

作者：罗泽虎，王旭东，徐桂光，高涌荇

单位：南京航空航天大学雷达成像与微波光子技术教育部重点实验室， 江苏南京 211106

摘要：针对传统模糊逻辑降水粒子识别算法存在过度依赖专家经验来设置参数的缺陷，提出一种基于卷积神经网络（Convolutional Neural Network, CNN）和支持向量机（Support Vector Machine, SVM）联合结构的降水粒子分类方法。本文首先搭建了适用于双偏振雷达数据矩阵传播结构的4种卷积神经网络模型，通过对KOHX雷达各极化参数进行分块和堆叠操作，制作模型所需数据集并训练模型。然后根据各CNN模型对目标块的分类特点，结合SVM分类器，搭建能够识别5类目标粒子的联合结构。最后，对KOHX雷达0.5°仰角扫描数据进行测试，得到该联合结构模型的分类准确率达94.92%。并且对于不同仰角、不同雷达的扫描数据均能进行有效分类，表现出较好的鲁棒性。

关键词：模糊逻辑,卷积神经网络,极化参数,支持向量机,降水粒子分类,

基金资助：工信部民机专项（No.MJ?2018?S?28）