基于卷积神经网络的海面目标全极化高分辨距离像识别技术

• 作者: 但波 付哲泉 高山 简涛
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 卷积神经网络 全极化高分辨距离像 可分性特征 Pauli分解
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 传感器与信号处理|Sensors and Signal Processing
• 页码范围: 108-116
• 页数: 9页
• 分类号: TN957.51
• 语种: 中文
• DOI: 10.12305/j.issn.1001-506X.2022.01.15

摘要

针对雷达目标全极化高分辨距离像(high resolution range profile,HRRP)提取可分性特征时,利用全部距离单元作为度量尺度无法保留各距离单元具体特征的问题,在综合利用4个极化通道的舰船目标HRRP信息时选择单个距离单元作为度量尺度.在此基础上,提出基于Pauli分解,H、α、A、α分解和结构相似性参数的特征提取方法对目标极化散射矩阵进行特征提取,并将提取得到的特征与基于卷积神经网络(convolutional neu-ral network,CNN)的舰船目标HRRP识别方法结合,利用改进残差结构CNN从极化特征中进一步提取深层可分性特征进行目标识别.实验结果表明,所提方法能够保留目标全极化HRRP更多特征,提高目标识别的准确率.