針對雷達高分辨距離像（high resolution range profile,HRRP）目標(biāo)識別中有效表示和特征提取這一關(guān)鍵問題,提出了基于雙譜-譜圖特征和深度卷積神經(jīng)網(wǎng)絡(luò)（deep convolution neural network,DCNN）的識別方法。首先,提取HRRP的雙譜-譜圖特征表示作為CNN的輸入。然后,通過網(wǎng)絡(luò)訓(xùn)練提取出深層本質(zhì)特征,實現(xiàn)對雷達目標(biāo)的識別。最后,對不同特征表示的識別結(jié)果進行對比。采用衛(wèi)星目標(biāo)實測數(shù)據(jù)進行實驗,結(jié)果表明,該方法可以準(zhǔn)確有效地識別雷達目標(biāo),而且與其他常用特征表示相比,雙譜-譜圖特征表示具有更好的識別準(zhǔn)確率和噪聲魯棒性。 

【文章來源】：系統(tǒng)工程與電子技術(shù). 2020,42(08)北大核心EICSCD

【文章頁數(shù)】：7 頁

【參考文獻】：
期刊論文
[1]一維卷積神經(jīng)網(wǎng)絡(luò)用于雷達高分辨率距離像識別[J]. 殷和義,郭尊華.  電訊技術(shù). 2018(10)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的高分辨距離像目標(biāo)識別[J]. 楊予昊,孫晶明,虞盛康,彭雄偉.  現(xiàn)代雷達. 2017(12)
[3]Radar high resolution range profile recognition via multi-SV method[J]. Long Li,Zheng Liu,Tao Li.  Journal of Systems Engineering and Electronics. 2017(05)
[4]雷達高分辨距離像自適應(yīng)角域劃分方法[J]. 但波,姜永華,李敬軍,盧毅.  系統(tǒng)工程與電子技術(shù). 2014(11)
[5]基于雙譜分析的雷達輻射源個體特征提取[J]. 陳昌孝,何明浩,朱元清,王廣學(xué).  系統(tǒng)工程與電子技術(shù). 2008(06)
[6]基于積譜的雷達目標(biāo)高分辨率距離像識別[J]. 郭尊華,李少洪.  北京航空航天大學(xué)學(xué)報. 2006(04)



本文編號：3559003