利用CNN的海上目标探测背景分类方法

• 作者: 丁昊 关键 刘宁波 徐雅楠 黄勇
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 卷积神经网络 海杂波 探测背景 分类
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 学术论文
• 页码范围: 2505-2514
• 页数: 10页
• 分类号: TN957.51
• 字数: 8442字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2019.12.008

摘要

该文主要研究基于卷积神经网络(Convolutional Neural Networks,CNN)的海上目标探测背景分类方法.以CNN中的经典网络LeNet为例,基于IPIX雷达实测数据集,进行控制变量的模型训练,对分类准确率、训练速度、一维信号的二维特征图变化等进行分析,基于实测数据集验证了利用CNN在一维雷达回波信号中进行海杂波与噪声分类的可行性,并同步分析了数据预处理、单个样本序列长度、网络结构参数等影响因素对分类准确率的影响,并针对典型探测场景分类进行了验证.结果表明,LeNet卷积神经网络在海上探测背景区分方面,具有很高的分类准确率,并且数据预处理方式、单个样本序列长度对结果影响显著,而网络结构参数有一定的调节区间,在此区间内调整,影响不显著,所提方法在顺/逆浪向、高/低海况条件下杂波分类与杂噪分类方面具有很高的准确率.

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	海军航空大学信息融合研究所	191	1648	20.0	29.0
2	黄勇	海军航空大学信息融合研究所	65	565	12.0	21.0
3	丁昊	海军航空大学信息融合研究所	29	176	6.0	12.0
4	刘宁波	海军航空大学信息融合研究所	46	367	12.0	17.0
5	徐雅楠	海军航空大学信息融合研究所	1	0	0.0	0.0