使用卷積神經(jīng)網(wǎng)絡(luò)去實(shí)現(xiàn)合成孔徑雷達(dá)（synthetic aperture radar,SAR）自動(dòng)目標(biāo)識(shí)別（auto target recognition,ATR）成為了近年來的熱點(diǎn),但實(shí)際使用中存在的一個(gè)隱患問題是平移不變性的丟失,隨著目標(biāo)位置移動(dòng),系統(tǒng)輸出也隨之改變,從而造成錯(cuò)誤識(shí)別。針對(duì)上述問題,提出了一種落實(shí)在模型層面的解決方法,通過對(duì)算法的改進(jìn),實(shí)現(xiàn)提升SAR ATR系統(tǒng)平移不變性,而無需數(shù)據(jù)增強(qiáng)。提出的模塊易于移植到現(xiàn)有SAR ATR骨干網(wǎng)絡(luò)中,且通過實(shí)測(cè)兼容良好,引入后不影響識(shí)別準(zhǔn)確率,達(dá)到了與原網(wǎng)絡(luò)近似相等甚至更高的精度。結(jié)果表明,所提出的算法不僅提升了系統(tǒng)的平移不變性,同時(shí)提升了系統(tǒng)的抗干擾能力。 

【文章頁數(shù)】：9 頁

【文章目錄】：
0 引言
1 模糊濾波模塊
    1.1 現(xiàn)代SAR ATR網(wǎng)絡(luò)平移不變性很差
    1.2 引入模糊濾波
    1.3 修改卷積與池化層
2 實(shí)驗(yàn)
    2.1 數(shù)據(jù)集
    2.2 模型
    2.3 模型訓(xùn)練
        2.3.1 Xavier初始化
        2.3.2 分類損失函數(shù)
        2.3.3 優(yōu)化器以及學(xué)習(xí)率
3 實(shí)驗(yàn)結(jié)果與分析
    3.1 平移-識(shí)別率曲線
    3.2 平移敏感圖
        3.2.1 單個(gè)數(shù)據(jù)的平移敏感圖
        3.2.2 整個(gè)數(shù)據(jù)集的平移敏感圖
    3.3 探討平移不變性提升的原因
    3.4 對(duì)噪聲魯棒性更好
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于深層卷積神經(jīng)網(wǎng)絡(luò)和雙譜特征的雷達(dá)信號(hào)識(shí)別方法[J]. 劉贏,田潤(rùn)瀾,王曉峰.  系統(tǒng)工程與電子技術(shù). 2019(09)
[2]基于深度卷積神經(jīng)網(wǎng)絡(luò)的SAR艦船目標(biāo)檢測(cè)[J]. 楊龍,蘇娟,李響.  系統(tǒng)工程與電子技術(shù). 2019(09)



本文編號(hào)：3703367