雷达目标检测深层自编码器自适应优化算法

• 作者: 侯旋 王唯良 陈涛
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 目标检测 低小慢目标 深度学习 自动编码器 自适应优化算法
• 年，卷（期）: 2019,（13）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 165-171
• 页数: 7页
• 分类号: TP183
• 字数: 5566字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1805-0269

摘要

研究了现阶段雷达低小慢目标探测技术的难点与方法.分析了深层自编码器基本模型与算法,通过引入自适应学习理论,提出了基于Rumelhart函数的深层自编码器自适应算法(RDAAA),并证明了算法的收敛性.优化算法避免了网络训练过程中出现惩罚过度的现象,克服了学习速率过高导致网络振荡发散,或学习速率过小降低网络收敛速度等缺陷.利用两种数据集对RDAAA、基于交叉熵函数的深层自编码器学习算法(CDAA)与误差反向传播算法(BPA)进行模式识别能力分析,结果表明在确定限定误差与选取最佳学习速率的情况下,RDAAA相对于CDAA与BPA收敛速度最快,正确识别率更高.围绕雷达目标检测与深度学习理论,分析了低小慢目标特性,将目标检测问题转化为模式分类问题,利用上述三种算法进行目标检测仿真实验,结果表明RDAAA与CDAA的性能明显优于BPA,且RDAAA的检测率更高,特别是处于低信噪比阶段,仍可保持较高的发现概率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈涛	电子科技大学电子科学技术学院	34	256	10.0	15.0