基于深度多尺度一维卷积神经网络的雷达舰船目标识别

• 作者: 何友 孙顺 徐从安 简涛 郭晨
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 雷达目标识别 高分辨1维距离像 多尺度 卷积神经网络 中心损失函数
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 论文
• 页码范围: 1302-1309
• 页数: 8页
• 分类号: TN957.51
• 字数: 6668字
• 语种: 中文
• DOI: 10.11999/JEIT180677

摘要

为满足雷达舰船目标识别的高实时性和高泛化性的需求,该文提出了一种基于深度多尺度1维卷积神经网络的目标高分辨1维距离像(HRRP)识别方法.针对高分辨1维距离像特征提取难的问题,所提方法通过共享卷积核的权值,使用多尺度的卷积核提取不同精细度的特征,并构造中心损失函数来提高特征的分辨能力.实验结果表明,该模型可以显著提高目标在非理想条件下的识别正确率,克服目标姿态角敏感性问题,具有良好的鲁棒性和泛化性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何友		492	6436	37.0	56.0
2	简涛		61	384	11.0	15.0
3	徐从安		15	40	3.0	5.0
4	孙顺		9	74	3.0	8.0
5	郭晨		2	4	1.0	2.0