基于时频图深度学习的雷达动目标检测与分类

• 作者: 关键 牟效乾 苏宁远 陈唯实 陈小龙
• 来源期刊: 太赫兹科学与电子信息学报
• 学科: 工学
• 关键词: 雷达动目标检测 目标分类 深度学习 卷积神经网络 时频图
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 信号与信息处理、计算机与控制
• 页码范围: 105-111
• 页数: 7页
• 分类号: TN959
• 字数: 4701字
• 语种: 中文
• DOI: 10.11805/TKYDA201901.0105

摘要

雷达动目标检测技术一直是雷达信号处理领域中的关键技术,而传统的雷达动目标检测技术仅适用于匀速运动目标,检测性能有限.针对该问题提出一种基于卷积神经网络(CNN)时频图处理的雷达动目标检测方法,通过从雷达动目标回波中提取多普勒频移信息,然后利用短时傅里叶变换转换为时频图,输入卷积神经网络,进行深度特征学习,进而实现检测和分类的目的.仿真数据验证表明,所提方法能够有效检测和区分匀速、匀变速运动以及微动目标,稳健性高,与传统动目标检测方法相比具有显著优势.

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	陈唯实		16	74	5.0	8.0
4	苏宁远		5	25	2.0	5.0
5	牟效乾		3	25	2.0	3.0