《雷达学报杂志》发表论文赏析
作者:苏宁远, 陈小龙, 关键, 牟效乾, 刘宁波
单位:海军航空大学 烟台 264001;
摘要:该文利用深度学习的高维特征泛化学习能力,将卷积神经网络(CNN)用于海上目标微多普勒的检测和分类。首先,在海面微动目标模型的基础上,在实测海杂波背景中分别构建4种类型微动信号的2维时频图,并作为训练和测试数据集;然后,分别采用LeNet, AlexNet和GoogLeNet 3种CNN模型进行二元检测和多种微动类型分类,并进行比较,研究信杂比对检测和分类性能的影响。最后,与传统的支持向量机方法进行比较,结果表明,所提方法能够智能学习微动特征,具有更好的检测和分类性能,可为杂波背景下的雷达动目标检测和识别提供新的技术途径。
关键词:微多普勒, 雷达目标检测, 深度学习, 卷积神经网络(CNN), 海杂波, 时频分析
基金资助:国家自然科学基金(61871391,61501487,61871392,U1633122,61471382,61531020);国防科技基金(2102024);山东省高校科研发展计划(J17KB139);泰山学者和中国科协青年人才托举工程(YESS20160115)专项经费
2018年5期其他文献查阅:
正弦调频Fourier-Bessel变换及其在微动目标特征提取中的应用