基于混合核深度适配网络的HRRP目标识别

来源：雷达科学与技术杂志2020年第6期北京时间：

作者：王国帅，汪文英，魏耀，郑玄玄，雷志勇

单位：南京电子技术研究所， 江苏南京210039

摘要：为了改善基于卷积神经网络（CNN）的雷达目标识别模型的泛化能力，本文将深度适配网络（DAN）方法引入到高分辨一维距离像（HRRP）目标识别中。为了进一步提高DAN方法的性能，创新性地提出了混合核函数MMD代替传统DAN中的多核MMD，设计了基于混合核函数的MMD损失函数。本文使用服从瑞利分布的海杂波来干扰目标域数据。网络模型中使用一维CNN提取特征，使用混合核函数DAN来减少源域和目标域间特征分布的差异。实验表明，相对常规迁移学习方法和DAN方法, 在海杂波影响下该方法可将目标域数据识别率提高15%左右，显著提高了模型的泛化性能和鲁棒性。

关键词：深度迁移学习,目标识别,高分辨一维距离像,混合核深度适配网络,