基于深度神经网络的空间目标结构识别

• 作者: 周驰 徐灿 李智
• 来源期刊: 中国空间科学技术
• 学科: 工学
• 关键词: 深度神经网络 RCS序列 结构识别 分形分析 Fisher判决率
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 研究探讨
• 页码范围: 32-39,48
• 页数: 9页
• 分类号: T N957.52
• 字数: 5242字
• 语种: 中文
• DOI: 10.16708／j.cnki.1000-758X.2018.0064

摘要

利用空间目标雷达散射截面(Radar Cross Section ,RCS )序列开展空间目标结构识别是空间态势感知的重要组成部分.文章针对 RCS序列受目标物理特性、姿态特性影响大,序列信号非平稳特征明显的问题,利用深度神经网络(Deep Neural Netw ork ,DNN )算法解决空间目标结构特征识别的问题;针对特征提取不具区分度的问题,提出利用分形分析提取RCS序列的分数维特征,并利用Fisher判决率对传统特征进行选取;介绍了DN N 算法以及数据处理过程;最后,利用一组仿真测试数据对算法进行了仿真验证.分析结果表明,DN N 算法在解决利用RCS序列进行目标结构识别这一问题中具有鲁棒性强、识别准确的特点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐灿	航天工程大学航天指挥学院	14	8	2.0	2.0
2	李智	航天工程大学航天指挥学院	15	11	2.0	2.0