基于卷積神經(jīng)網(wǎng)絡(luò)的海上微動目標檢測與分類方法
摘要:該文利用深度學(xué)習(xí)的高維特征泛化學(xué)習(xí)能力,將卷積神經(jīng)網(wǎng)絡(luò)(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(chǔ)上,在實測海雜波背景中分別構(gòu)建4種類型微動信號的2維時頻圖,并作為訓(xùn)練和測試數(shù)據(jù)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(tǒng)的支持向量機方法進行比較,結(jié)果表明,所提方法能夠智能學(xué)習(xí)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(shù)途徑。
注: 保護知識產(chǎn)權(quán),如需閱讀全文請聯(lián)系雷達學(xué)報雜志社