基于深度学习的海上舰船目标多源特征融合识别

• 作者: 宋鹏汉 辛怀声 刘楠楠
• 来源期刊: 中国电子科学研究院学报
• 关键词: 深度学习 舰船目标 特征融合 目标识别
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 工程应用|Engineering and Application
• 页码范围: 127-133
• 页数: 7页
• 分类号: E917|TN957.52
• 语种: 中文
• DOI: 10.3969/j.issn.1673-5692.2021.02.004

摘要

针对海上舰船雷达辐射源特征和高分辨率距离像独立使用难以有效进行目标识别的问题,提出多种基于深度学习的多源特征融合目标识别方法.通过构造深度序贯融合模型、深度分支融合模型、深度卷积融合模型和深度循环融合模型四种框架,实现舰船目标的多辐射源特征与高分辨率距离像深度特征的自动提取与融合识别,完成目标分类.利用不同长度、不同类别和不同信噪比的仿真数据集对四种融合模型进行训练和测试,结果表明深度分支融合模型和深度循环特征融合模型具有较高的应用潜力和研究价值.