基于連續(xù)學(xué)習(xí)的雷達目標識別研究

發(fā)布時間：2020-10-16 03:41

　　在當今信息化時代背景下,雷達的功能不斷完善,已經(jīng)被廣泛應(yīng)用于各個領(lǐng)域。雷達自動目標識別是雷達領(lǐng)域中一個十分重要的技術(shù)手段,成為當下研究的重點之一。早期對雷達目標的識別采用傳統(tǒng)的機器學(xué)習(xí)方法,無法來挖掘目標深層次的特征表示,導(dǎo)致方法的魯棒性很差。近年來深度學(xué)習(xí)成為一個十分熱門的話題,深度學(xué)習(xí)是一種多層表示的學(xué)習(xí)方法,將原始數(shù)據(jù)轉(zhuǎn)化為更高層、更抽象的表示。因此可以學(xué)習(xí)來挖掘數(shù)據(jù)中更深層次的特征,從而提高了目標識別的可靠性和魯棒性。深度學(xué)習(xí)憑借其優(yōu)越的性能而被廣泛應(yīng)用于各個領(lǐng)域,本文將深度學(xué)習(xí)方法應(yīng)用在雷達目標識別中,通過其強大的學(xué)習(xí)能力來提升對雷達目標的識別性能。隨著雷達對目標的不斷觀測,數(shù)據(jù)量不斷增多。在這種大規(guī)模數(shù)據(jù)的背景下,模型實時更新會變得十分困難,本文將給出連續(xù)學(xué)習(xí)的算法來實現(xiàn)模型的實時更新。本文首先介紹了雷達目標識別和深度學(xué)習(xí)的研究背景與發(fā)展趨勢。主體內(nèi)容中介紹了傳統(tǒng)的雷達目標識別方法以及基于深度學(xué)習(xí)的雷達目標識別方法。最后介紹了基于連續(xù)學(xué)習(xí)的雷達目標識別方法。本文的主要內(nèi)容如下:1.本文研究了傳統(tǒng)的雷達目標識別方法。首先介紹了在雷達目標識別中十分重要的數(shù)據(jù)預(yù)處理方法。然后介紹了在傳統(tǒng)雷達目標識別中幾種常用的分類器。最后通過實驗驗證每種分類器的在雷達目標識別中的性能,并總結(jié)和分析其優(yōu)缺點。2.本文研究了基于深度學(xué)習(xí)的雷達目標識別方法。深度學(xué)習(xí)利用其強大的非線性表示能力,理解目標深層的信息,從而實現(xiàn)良好的分類性能。本文采用深度學(xué)習(xí)中應(yīng)用十分廣泛的卷積神經(jīng)網(wǎng)絡(luò)方法來自動提取雷達目標中的特征。首先通過對卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的介紹來理解其工作原理。隨后介紹了幾種經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)識別模型,并比較和分析它們之間的不同點。最后通過實驗驗證卷積神經(jīng)網(wǎng)絡(luò)在雷達目標識別中的性能。3.本文研究了基于連續(xù)學(xué)習(xí)的雷達目標識別方法。針對大規(guī)模數(shù)據(jù)背景下,模型實時更新困難的問題,本文采用了基于EWC的連續(xù)學(xué)習(xí)方法來實現(xiàn)模型的實時更新。并且介紹了一種減少模型訓(xùn)練數(shù)據(jù)量的技術(shù),被稱之為核心集的方法,核心集是原始數(shù)據(jù)中具有代表性的小部分樣本。最后通過實驗驗證基于EWC和核心集方法在模型進行連續(xù)學(xué)習(xí)時所表現(xiàn)的性能。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TN957.52
【部分圖文】：

類目,數(shù)據(jù)集,光學(xué)圖像,訓(xùn)練數(shù)據(jù)