基于混合核深度适配网络的HRRP目标识别

• 作者: 汪文英 王国帅 郑玄玄 雷志勇 魏耀
• 来源期刊: 雷达科学与技术
• 学科: 工学
• 关键词: 深度迁移学习 目标识别 高分辨一维距离像 混合核深度适配网络
• 年，卷（期）: 2020,（6）
• 页码范围: 618-624
• 页数: 7页
• 分类号: TN957.51|TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1672-2337.2020.06.007

摘要

为了改善基于卷积神经网络(CNN)的雷达目标识别模型的泛化能力,本文将深度适配网络(DAN)方法引入到高分辨一维距离像(HRRP)目标识别中.为了进一步提高DAN方法的性能,创新性地提出了混合核函数MMD代替传统DAN中的多核MMD,设计了基于混合核函数的MMD损失函数.本文使用服从瑞利分布的海杂波来干扰目标域数据.网络模型中使用一维CNN提取特征,使用混合核函数DAN来减少源域和目标域间特征分布的差异.实验表明,相对常规迁移学习方法和DAN方法,在海杂波影响下该方法可将目标域数据识别率提高15％左右,显著提高了模型的泛化性能和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	雷志勇		19	102	6.0	10.0
2	魏耀		9	11	1.0	3.0
3	汪文英		8	14	2.0	3.0
4	郑玄玄		3	3	1.0	1.0
5	王国帅		1	0	0.0	0.0