基于CNN的舰船高分辨距离像目标识别

来源：雷达科学与技术杂志2020年第1期北京时间：

作者：张奇，卢建斌，刘涛，刘齐悦

单位：1. 海军工程大学电子工程学院，湖北武汉430033;2. 中国人民解放军91245部队，辽宁葫芦岛125000

摘要：针对传统目标识别方法人工提取特征难以挖掘到数据深层次特征的问题，提出了将卷积神经网络(CNN)应用于高分辨距离像(HRRP)的目标识别方法，实现了对数据深层次特征的自动提取。首先构造CNN模型，设置网络参数；然后针对HRRP数据是一维的问题，将HRRP数据重新排列使一维数据变为二维数据；其次用训练数据对CNN模型进行训练得到网络参数；最后用训练好的网络模型对测试数据进行目标识别。通过对数据的减半并且添加噪声，验证了CNN的泛化性能。通过对学习率的优化，可以进一步提高CNN的识别率。实测数据的实验结果表明，CNN具有较好的识别性能。

关键词：雷达目标识别,高分辨距离像,卷积神经网络,深度学习,

基金资助：国家自然科学基金（No.61501486，61372165）