發(fā)布時(shí)間：2020-10-16 03:41

　　 在當(dāng)今信息化時(shí)代背景下,雷達(dá)的功能不斷完善,已經(jīng)被廣泛應(yīng)用于各個(gè)領(lǐng)域。雷達(dá)自動(dòng)目標(biāo)識(shí)別是雷達(dá)領(lǐng)域中一個(gè)十分重要的技術(shù)手段,成為當(dāng)下研究的重點(diǎn)之一。早期對(duì)雷達(dá)目標(biāo)的識(shí)別采用傳統(tǒng)的機(jī)器學(xué)習(xí)方法,無(wú)法來(lái)挖掘目標(biāo)深層次的特征表示,導(dǎo)致方法的魯棒性很差。近年來(lái)深度學(xué)習(xí)成為一個(gè)十分熱門(mén)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(lái)挖掘數(shù)據(jù)中更深層次的特征,從而提高了目標(biāo)識(shí)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(gè)領(lǐng)域,本文將深度學(xué)習(xí)方法應(yīng)用在雷達(dá)目標(biāo)識(shí)別中,通過(guò)其強(qiáng)大的學(xué)習(xí)能力來(lái)提升對(duì)雷達(dá)目標(biāo)的識(shí)別性能。隨著雷達(dá)對(duì)目標(biāo)的不斷觀測(cè),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(shí)時(shí)更新會(huì)變得十分困難,本文將給出連續(xù)學(xué)習(xí)的算法來(lái)實(shí)現(xiàn)模型的實(shí)時(shí)更新。本文首先介紹了雷達(dá)目標(biāo)識(shí)別和深度學(xué)習(xí)的研究背景與發(fā)展趨勢(shì)。主體內(nèi)容中介紹了傳統(tǒng)的雷達(dá)目標(biāo)識(shí)別方法以及基于深度學(xué)習(xí)的雷達(dá)目標(biāo)識(shí)別方法。最后介紹了基于連續(xù)學(xué)習(xí)的雷達(dá)目標(biāo)識(shí)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(dá)目標(biāo)識(shí)別方法。首先介紹了在雷達(dá)目標(biāo)識(shí)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(dá)目標(biāo)識(shí)別中幾種常用的分類(lèi)器。最后通過(guò)實(shí)驗(yàn)驗(yàn)證每種分類(lèi)器的在雷達(dá)目標(biāo)識(shí)別中的性能,并總結(jié)和分析其優(yōu)缺點(diǎn)。2.本文研究了基于深度學(xué)習(xí)的雷達(dá)目標(biāo)識(shí)別方法。深度學(xué)習(xí)利用其強(qiáng)大的非線性表示能力,理解目標(biāo)深層的信息,從而實(shí)現(xiàn)良好的分類(lèi)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(lái)自動(dòng)提取雷達(dá)目標(biāo)中的特征。首先通過(guò)對(duì)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的介紹來(lái)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(shí)別模型,并比較和分析它們之間的不同點(diǎn)。最后通過(guò)實(shí)驗(yàn)驗(yàn)證卷積神經(jīng)網(wǎng)絡(luò)在雷達(dá)目標(biāo)識(shí)別中的性能。3.本文研究了基于連續(xù)學(xué)習(xí)的雷達(dá)目標(biāo)識(shí)別方法。針對(duì)大規(guī)模數(shù)據(jù)背景下,模型實(shí)時(shí)更新困難的問(wèn)題,本文采用了基于EWC的連續(xù)學(xué)習(xí)方法來(lái)實(shí)現(xiàn)模型的實(shí)時(shí)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(chēng)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(guò)實(shí)驗(yàn)驗(yàn)證基于EWC和核心集方法在模型進(jìn)行連續(xù)學(xué)習(xí)時(shí)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(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：TN957.52
【部分圖文】：

(i) ZIL131 (j) ZSU2341.2 MSTAR 數(shù)據(jù)集 10 類(lèi)目標(biāo)的光學(xué)圖像1.2 MSATR 數(shù)據(jù)集 10 類(lèi)目標(biāo)的數(shù)據(jù)設(shè)置 訓(xùn)練數(shù)據(jù) 測(cè)試數(shù)據(jù)

LeNet網(wǎng)絡(luò)[30]

VGG網(wǎng)絡(luò)[31]
【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 馮博;陳渤;王鵬輝;劉宏偉;;基于穩(wěn)健深層網(wǎng)絡(luò)的雷達(dá)高分辨距離像目標(biāo)特征提取算法[J];電子與信息學(xué)報(bào);2014年12期

2 姚旭;王曉丹;張玉璽;權(quán)文;;特征選擇方法綜述[J];控制與決策;2012年02期

3 胡召玲;李海權(quán);杜培軍;;SAR圖像紋理特征提取與分類(lèi)研究[J];中國(guó)礦業(yè)大學(xué)學(xué)報(bào);2009年03期

4 胡利平;劉宏偉;吳順君;;一種新的SAR圖像目標(biāo)識(shí)別預(yù)處理方法[J];西安電子科技大學(xué)學(xué)報(bào);2007年05期

5 徐牧;王雪松;肖順平;;基于目標(biāo)輪廓特征的SAR圖像目標(biāo)識(shí)別[J];系統(tǒng)工程與電子技術(shù);2006年12期

6 劉宏偉,杜蘭,袁莉,保錚;雷達(dá)高分辨距離像目標(biāo)識(shí)別研究進(jìn)展[J];電子與信息學(xué)報(bào);2005年08期

相關(guān)博士學(xué)位論文 前5條

1 丁軍;基于稀疏理論的SAR圖像目標(biāo)識(shí)別研究[D];西安電子科技大學(xué);2015年

2 張學(xué)峰;雷達(dá)高分辨距離像目標(biāo)識(shí)別與拒判方法研究[D];西安電子科技大學(xué);2015年

3 陳渤;基于核方法的雷達(dá)高分辨距離像目標(biāo)識(shí)別技術(shù)研究[D];西安電子科技大學(xué);2008年

4 袁莉;基于高分辨距離像的雷達(dá)目標(biāo)識(shí)別方法研究[D];西安電子科技大學(xué);2007年

5 杜蘭;雷達(dá)高分辨距離像目標(biāo)識(shí)別方法研究[D];西安電子科技大學(xué);2007年

相關(guān)碩士學(xué)位論文 前1條

1 馬建華;雷達(dá)自動(dòng)目標(biāo)識(shí)別的理論與應(yīng)用研究[D];西安電子科技大學(xué);2005年

本文編號(hào)：2842701