作者:苏宁远,陈小龙,关键,牟效乾,刘宁波 单位:中国科学院电子学研究所;中国雷达行业协会 出版:《雷达学报》2018年第05期 页数:10页  (PDF与DOC格式可能不同) PDF编号:PDFLDAX2018050050 DOC编号:DOCLDAX2018050059 下载格式:PDF + Word/doc 文字可复制、可编辑
  • 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。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。