基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对相控阵雷达获取单个空间目标RCS数据率低、传统姿态异常检测方法提取短RCS序列有效特征困难、检测准确率低的问题,提出了一种基于CNN-BiGRU网络的RCS异常检测方法.首先利用滑动窗口对一段时间空间目标RCS实时数据进行积累;之后采用一维CNN提取不同检测窗口RCS序列的多尺度高维特征向量,采用BiGRU提取特征向量的时序依赖特征.通过将两个网络级联,实现对RCS随目标姿态变化的多元特征信息的有效提取;最后基于全连接层实现对目标异常RCS序列的分类与识别.仿真实验结果表明:相较于传统方法,所提方法检测准确率更高,抗噪声干扰能力更强.实测实验结果表明:利用仿真数据训练的模型针对不同源的实测数据,在低数据率条件下能够保持较高的检测准确度,所提方法具有较好的泛化性,更适用于相控阵雷达体制下RCS的异常检测.
推荐文章
基于多通道CNN-BiGRU与多特征融合方法
卷积神经网络
双向门控循环单元
注意力机制
用户表征
基于CNN的海空目标检测
元胞神经网络
目标检测
Sobel
Canny
形态学
基于最大Lyapunov指数的空间目标RCS序列分析
空间目标
RCS序列
最大Lyapunov指数
基于CNN-BIGRU的中文文本情感分类模型
卷积神经网络
循环神经网络
文本分析
情感分类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于CNN-BiGRU的空间目标RCS异常检测方法
来源期刊 空间电子技术 学科 工学
关键词 相控阵雷达 雷达散射截面 CNN-BiGRU 异常检测
年,卷(期) 2022,(1) 所属期刊栏目 其他|Others
研究方向 页码范围 82-88
页数 7页 分类号 TN95
字数 语种 中文
DOI 10.3969/j.issn.1674-7135.2022.01.014
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
相控阵雷达
雷达散射截面
CNN-BiGRU
异常检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
空间电子技术
双月刊
1674-7135
61-1420/TN
大16开
西安市165信箱
1971
chi
出版文献量(篇)
1737
总下载数(次)
9
论文1v1指导