基于自注意力机制的雷达弱目标检测

来源：雷达科学与技术杂志2023年第4期北京时间：

作者：齐美彬，李亚斌，项厚宏，杨艳芳，张学森

单位：1. 合肥工业大学计算机与信息工程学院， 安徽合肥 230009;2. 中国电子科技集团公司第三十八研究所， 安徽合肥 230088

摘要：对于低信噪比下的弱小目标检测，传统的检测算法采用恒虚警（CFAR）的方式定位目标的位置，但其难以设置合适的阈值，无法很好地应对该类目标的检测。针对上述问题，本文提出VU?Net检测方法。该方法首先对雷达回波数据进行处理，得到目标回波的距离?多普勒（RD）矩阵。然后将RD矩阵输入到所提出的网络框架，通过U?Net实现雷达信号的编码与解码，获取RD矩阵中具有辨别性的深度语义特征，实现逐单元的目标位置预测。同时，该网络中引入自注意力模块实现对雷达信号的关系建模，从而提取更加丰富的目标回波特征，提升网络的抗噪性能。实验结果表明，所提方法的检测性能在低信噪比场景下具有较强的鲁棒性，能够实现对弱目标的有效检测。

关键词：弱目标检测,深度学习,自注意力机制,深度语义特征,