基于卷积神经网络的海上微动目标检测与分类方法

• 作者: 关键 刘宁波 牟效乾 苏宁远 陈小龙
• 来源期刊: 雷达学报
• 学科: 工学
• 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
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 雷达微多普勒分析技术专题
• 页码范围: 565-574
• 页数: 10页
• 分类号: TN957.51
• 字数: 5749字
• 语种: 中文
• DOI: 10.12000/JR18077

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	关键		191	1648	20.0	29.0
2	陈小龙		43	417	13.0	19.0
3	刘宁波		46	367	12.0	17.0
4	苏宁远		5	25	2.0	5.0
5	牟效乾		3	25	2.0	3.0