發(fā)布時(shí)間：2020-06-01 12:43

【摘要】：雷達(dá)目標(biāo)檢測(cè)技術(shù)廣泛應(yīng)用于軍事和民航活動(dòng)中,隨著飛行器隱形技術(shù)的發(fā)展和飛行速度的提升,雷達(dá)目標(biāo)存在著高雜波、低信噪比、運(yùn)動(dòng)速度過(guò)快等特征,對(duì)雷達(dá)目標(biāo)檢測(cè)技術(shù)提出了更高的要求。深度學(xué)習(xí)具有較強(qiáng)的自動(dòng)化特征提取能力,可以避免傳統(tǒng)方法中需要人工提取特征的限制,并且已經(jīng)在雷達(dá)目標(biāo)檢測(cè)領(lǐng)域取得了一定的成果。由于天氣、雷達(dá)硬件老化等因素的影響,雷達(dá)數(shù)據(jù)會(huì)隨著時(shí)間的改變發(fā)生一些變化,初始訓(xùn)練的深度學(xué)習(xí)模型可能會(huì)不適用于后續(xù)的數(shù)據(jù),因此需要使用新的數(shù)據(jù)不斷訓(xùn)練模型,使模型隨著數(shù)據(jù)變化而不斷進(jìn)化。模型的進(jìn)化需要大量有標(biāo)簽樣本數(shù)據(jù)參與模型訓(xùn)練,雖然雷達(dá)數(shù)據(jù)容易獲取,但是數(shù)據(jù)標(biāo)簽的標(biāo)注代價(jià)高昂,如何利用無(wú)標(biāo)簽數(shù)據(jù)進(jìn)化深度學(xué)習(xí)模型就顯得非常重要。針對(duì)上文所提到的問(wèn)題,本文提出了一種基于深度學(xué)習(xí)的自進(jìn)化雷達(dá)目標(biāo)檢測(cè)算法,使用無(wú)監(jiān)督的方式實(shí)現(xiàn)深度學(xué)習(xí)模型的自進(jìn)化。首先,本文設(shè)計(jì)了兩個(gè)基于深度學(xué)習(xí)的雷達(dá)目標(biāo)檢測(cè)模型,分別是深度置信網(wǎng)絡(luò)(DBN)和遞歸神經(jīng)網(wǎng)絡(luò)(RNN),這兩個(gè)模型通過(guò)有監(jiān)督訓(xùn)練,生成雷達(dá)目標(biāo)檢測(cè)的基礎(chǔ)模型。其次,在這兩個(gè)模型的基礎(chǔ)上使用雙視圖協(xié)同訓(xùn)練算法實(shí)現(xiàn)了模型檢測(cè)能力的無(wú)監(jiān)督自進(jìn)化,雙視圖協(xié)同訓(xùn)練算法的關(guān)鍵在于雙視圖的構(gòu)造,本文通過(guò)兩個(gè)不同的方向構(gòu)造雙視圖,分別是基于單周期和多周期特征構(gòu)造的特征方向的雙視圖以及基于DBN和RNN構(gòu)造的模型方向的雙視圖。另外,本文還給出了雙視圖協(xié)同訓(xùn)練與主動(dòng)學(xué)習(xí)相結(jié)合的自進(jìn)化雷達(dá)目標(biāo)檢測(cè)算法,在主動(dòng)學(xué)習(xí)中,模型根據(jù)學(xué)到的知識(shí)主動(dòng)的挑選部分樣本交于專(zhuān)家標(biāo)注,然后用于模型的訓(xùn)練,改善了雙視圖協(xié)同訓(xùn)練中完全被動(dòng)接受樣本的問(wèn)題。最后,本文算法在某雷達(dá)上采集到的連續(xù)三天的數(shù)據(jù)上進(jìn)行了驗(yàn)證,結(jié)果表明,本文算法能夠通過(guò)無(wú)監(jiān)督或者半監(jiān)督的方式實(shí)現(xiàn)雷達(dá)目標(biāo)檢測(cè)模型的自進(jìn)化。
【圖文】：

２．１前饋神經(jīng)網(wǎng)絡(luò)逡逑神經(jīng)網(wǎng)絡(luò)有著強(qiáng)大的非線性映射能力和特征表達(dá)能力。含有一個(gè)隱層的前饋逡逑神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖如下圖２．１所示。逡逑輸入層邐隱層（Ｈ）邐輸出層（０）逡逑圖２．１含單隱層的前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖逡逑神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程分為前向傳播過(guò)程和反向傳導(dǎo)過(guò)程，接下來(lái)簡(jiǎn)單推導(dǎo)這逡逑兩個(gè)過(guò)程。逡逑２．１．１神經(jīng)網(wǎng)絡(luò)的前向傳播逡逑在神經(jīng)網(wǎng)絡(luò)的前向傳播過(guò)程中，下一層神經(jīng)元的輸出等于上一層所有神經(jīng)元逡逑乘以權(quán)重加上偏置，假設(shè)兩個(gè)節(jié)點(diǎn)之間的連接權(quán)重為％，節(jié)點(diǎn)的偏置為匕，則逡逑前向傳播的具體計(jì)算公式如下：逡逑Ｓｉ＝ｉＷ＇Ｊｘｌ＋ｂｌ邐（２，１）逡逑／＝０逡逑９逡逑

２．２＿２限制玻爾茲曼機(jī)的原理逡逑假設(shè)限制玻爾茲曼機(jī)可視層和隱層之間的權(quán)重矩陣可視層節(jié)點(diǎn)的偏逡逑移量為＆隱藏節(jié)點(diǎn)的偏移量ｖ是可視層，／７為隱層，，如圖２．２所示。可視層逡逑和隱層的計(jì)算公式如下：逡逑ｐ｛ｈｋ邋＝邋ｌ｜ｖ）邋＝邋ｓｉｇｍｏｉｃＫＸ＾ｗ＾Ｖｉ邋＋邋ｂｋ）邐（２－１９）逡逑ｐ｛ｙｋ邋＝邋ｌ＼ｈ）邋＝邋ｓｉｇｍｏｉｃＫＪ，％邋＾ｊｋ＾ｊ邋＋邋0－ｋ）邐（２－２０）逡逑ｈ｜＿邋卜２邋＾３邐＾ｎｈ逡逑ｈ邋ｏ邋0邋？邋＂邋＆邋ｄ逡逑：；逡逑ｖ邋ｏ邋ｏ邋＂邋0邋0逡逑Ｖ１邋Ｖ２邐Ｖｗ逡逑圖２．２邋ＲＢＭ的網(wǎng)絡(luò)結(jié)構(gòu)逡逑１２逡逑
【學(xué)位授予單位】：廈門(mén)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TP181;TN957.51

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 閆青竹;吳孫勇;蔡如華;謝興祥;;雜波環(huán)境下基于粒子濾波的雷達(dá)微弱目標(biāo)TBD算法[J];桂林電子科技大學(xué)學(xué)報(bào);2015年03期

2 劉朝軍;張欣;王守權(quán);;雷達(dá)目標(biāo)恒虛警檢測(cè)算法研究[J];艦船電子工程;2008年07期

3 龍軍;殷建平;祝恩;趙文濤;;主動(dòng)學(xué)習(xí)研究綜述[J];計(jì)算機(jī)研究與發(fā)展;2008年S1期

4 張長(zhǎng)城;楊德貴;王宏強(qiáng);;紅外圖像中弱小目標(biāo)檢測(cè)前跟蹤算法研究綜述[J];激光與紅外;2007年02期

5 王遠(yuǎn)模;馬君國(guó);付強(qiáng);莊釗文;;高速運(yùn)動(dòng)目標(biāo)的積累檢測(cè)研究[J];現(xiàn)代雷達(dá);2006年03期

6 劉立東;吳順君;雷曉亮;;基于雜波模型的相干雷達(dá)極化自適應(yīng)恒虛警檢測(cè)算法[J];信號(hào)處理;2006年01期

7 陳遠(yuǎn)征,朱永鋒,趙宏鐘,付強(qiáng);基于包絡(luò)插值移位補(bǔ)償?shù)母咚龠\(yùn)動(dòng)目標(biāo)的積累檢測(cè)算法研究[J];信號(hào)處理;2004年04期

8 王俊,張守宏;微弱目標(biāo)積累檢測(cè)的包絡(luò)移動(dòng)補(bǔ)償方法[J];電子學(xué)報(bào);2000年12期

本文編號(hào)：2691502