基于轻量化网络的车载雷达目标分类方法

来源：雷达科学与技术杂志2023年第6期北京时间：

作者：李家强，任梦豪，危雨萱，陈金立

单位：南京信息工程大学电子与信息工程学院， 江苏南京 210044

摘要：针对现有车载毫米波雷达目标分类方法存在静止杂波干扰和网络模型复杂度高的问题，本文将Ghost模块和MobileNet相结合设计了G?MobileNet轻量化神经网络，并提出了一套完整的车载毫米波雷达目标分类流程。首先对雷达原始AD采样信号进行向量均值相消处理，滤除静止杂波，再进行二维快速傅里叶变换（FFT）得到目标的距离?多普勒（RD）图像，最后使用G?MobileNet对RD图像特征进行提取及分类得到分类结果。实测数据处理结果表明，所提方法能够消除静止杂波对多普勒特征产生的干扰，且分类网络模型复杂度低，在具有较高的分类准确率的同时节省了网络模型储存空间和运行网络所需内存。

关键词：毫米波雷达,目标分类,向量均值相消,距离⁃多普勒图像,轻量化网络,

基金资助：国家自然科学基金（No.62071238）