雷达海上目标双通道卷积神经网络特征融合智能检测方法

• 作者: 关键 苏宁远 陈宝欣 陈小龙
• 来源期刊: 现代雷达
• 学科: 工学
• 关键词: 雷达目标检测 海上目标 特征提取 双通道卷积神经网络 虚警可控 分类器
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 智能化探测感知专题
• 页码范围: 47-52,57
• 页数: 7页
• 分类号: TN957
• 字数: 4557字
• 语种: 中文
• DOI: 10.16592/j.cnki.1004-7859.2019.10.009

摘要

受复杂海洋环境影响,基于统计理论的海面目标检测方法由于假设条件不成立,在实际应用中难以实现高性能检测,本文从特征提取分类角度,通过深度学习分类方法对目标和杂波的雷达回波信号进行二元分类,提出了一种基于双通道卷积神经网络(DCCNN)的雷达海上目标智能检测方法.首先,对实测海杂波和目标雷达信号进行预处理,得到信号的时间-多普勒谱和幅度信息;然后,构建DCCNN对预处理得到的数据进行智能特征提取,得到信号的特征向量,并对不同特征提取模型性能进行测试;最后,通过阈值可设的Softmax分类器作为检测器对特征向量进行分类,实现虚警率的控制.测试结果表明:与传统的单通道CNN以及无虚警控制Hog-SVM分类算法相比,基于二维卷积核VGG16和一维卷积核LeNet的DCCNN特征提取模型和softmax分类器可实现更高的检测性能,并可以实现虚警率控制,为复杂海杂波背景下目标智能检测提供了新的技术途径.

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	海军航空大学电子信息工程系	191	1648	20.0	29.0
2	陈小龙	海军航空大学电子信息工程系	43	417	13.0	19.0
3	陈宝欣	海军航空大学电子信息工程系	7	17	2.0	4.0
4	苏宁远	海军航空大学电子信息工程系	5	25	2.0	5.0