不均衡样本下的低分辨雷达目标识别算法

• 作者: 朱克凡 王杰贵 叶文强
• 来源期刊: 计算机仿真
• 关键词: 低分辨雷达目标识别 卷积神经网络 焦点损失函数 分段损失函数
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 军事领域仿真
• 页码范围: 10-14,185
• 页数: 6页
• 分类号: TN955
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2021.03.003

摘要

针对传统低分辨雷达目标识别算法在样本不均衡条件下目标识别率较低的问题,提出了基于分段损失函数的卷积神经网络(Convolutional Neural Network,CNN)低分辨雷达目标识别算法.算法首先使用CNN自动提取数据深层本质特征,然后通过引入衰减参数,使CNN在不同的训练阶段采用不同的损失函数,最后将损失反向传播优化权值以提高识别效果.仿真结果表明,提出的基于分段损失函数的CNN低分辨雷达目标识别算法较传统基于加权支持向量机(weighted Support Vec-tor Machine,WSVM)的识别算法识别率提高了 10.38％,较基于交叉熵损失函数的CNN识别算法识别率提高了 6.37％,充分证明了所提算法的有效性.