基于AlexNet-BiLSTM网络的锥体目标微动分类

来源：信号处理杂志 2019年第11期北京时间：

作者：李江, 冯存前, 王义哲, 许旭光

摘要：针对典型弹道锥体目标分类需构造、提取人工特征而缺乏通用性及智能性的问题，提出一种利用卷积神经网络（Convolutional Neural Network，CNN）与长短期记忆网络（Long Short-Term Memory，LSTM）相结合的网络模型，对弹道锥体目标的微动时频图实现智能分类的方法。首先，分析弹道锥体目标的微多普勒特征，得出不同微动形式的微多普勒频率；然后，利用AlexNet网络的图像特征提取能力与BiLSTM网络的时序特征提取能力构造AlexNet-BiLSTM网络模型，并通过模拟雷达回波生成的时频图数据集对网络进行训练、调试；最后，仿真结果表明该网络能实现弹道锥体目标的智能微动分类，验证了该网络的有效性及鲁棒性。

关键词：弹道目标, 微多普勒, 时频分析, 深度学习, 微动分类