基于卷積神經網絡的海上微動目標檢測與分類方法
摘要：該文利用深度學習的高維特征泛化學習能力,將卷積神經網絡（CNN）用于海上目標微多普勒的檢測和分類。首先,在海面微動目標模型的基礎上,在實測海雜波背景中分別構建4種類型微動信號的2維時頻圖,并作為訓練和測試數據集;然后,分別采用LeNet, AlexNet和GoogLeNet 3種CNN模型進行二元檢測和多種微動類型分類,并進行比較,研究信雜比對檢測和分類性能的影響。最后,與傳統的支持向量機方法進行比較,結果表明,所提方法能夠智能學習微動特征,具有更好的檢測和分類性能,可為雜波背景下的雷達動目標檢測和識別提供新的技術途徑。
注: 保護知識產權,如需閱讀全文請聯系雷達學報雜志社
相關推薦
更多
