小样本条件下 SCGA N+ CN N 低分辨雷达目标一步识别算法

• 作者: 朱克凡 王杰贵
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 低分辨雷达目标识别 一步识别算法 卷积神经网络 生成对抗网络
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 传感器与信号处理
• 页码范围: 67-75
• 页数: 9页
• 分类号: TN959.1
• 字数: 6212字
• 语种: 中文
• DOI: 10.3969／j.issn.1001‐506X.2020.01.10

摘要

现有低分辨雷达目标识别方法,通常采用先特征提取、再进行目标分类的两步识别算法,这种算法存在识别率难以提高和方法泛化性不足的问题,对此,提出一种增强条件生成对抗网络(strengthening condition generative adversarial network ,SCGAN )+卷积神经网络(convolutional neural netw ork ,CNN )的低分辨雷达目标一步识别算法.该算法利用CNN自动获取采样数据深层本质特征,无需特征提取,实现对目标的一步识别.为进一步提高小样本条件下的识别效果,基于CGAN理论来提高样本在特征空间的覆盖程度,并对CGAN的判别器进行改进,在损失函数中增加混叠惩戒项,通过SCGAN生成不混叠的生成样本来更好地训练CNN ,提高其在小样本条件下的识别能力.仿真对比实验校验了一步识别算法较传统两步识别算法的优越性,以及SCGAN+CNN的低分辨雷达目标一步识别算法在小样本条件下的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王杰贵	国防科技大学电子对抗学院	10	3	1.0	1.0
2	朱克凡	国防科技大学电子对抗学院	7	0	0.0	0.0