本文選題：卷積神經(jīng)網(wǎng)絡(luò)　切入點(diǎn)：ZCA白化　出處：《雷達(dá)科學(xué)與技術(shù)》2017年04期 　論文類型：期刊論文

【摘要】：隨著合成孔徑雷達(dá)技術(shù)的成熟,傳統(tǒng)方法已經(jīng)難以滿足海量SAR數(shù)據(jù)的分類精度和速度需求。為解決上述問題,采用卷積神經(jīng)網(wǎng)絡(luò)對(duì)海量SAR數(shù)據(jù)進(jìn)行分類。針對(duì)SAR圖像數(shù)據(jù)的特點(diǎn),對(duì)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)進(jìn)行調(diào)整,提高網(wǎng)絡(luò)訓(xùn)練速度,克服權(quán)重更新中的梯度消失,改善網(wǎng)絡(luò)訓(xùn)練過程中收斂慢的問題,提升目標(biāo)分類準(zhǔn)確率。同時(shí)提出了一種ZCA白化與主成分分析相結(jié)合的方法對(duì)SAR圖像進(jìn)行預(yù)處理,進(jìn)一步提升了網(wǎng)絡(luò)的訓(xùn)練速度以及目標(biāo)分類的準(zhǔn)確率。實(shí)驗(yàn)采用的是美國(guó)MSTAR數(shù)據(jù)庫(kù),通過上述優(yōu)化方法得到了較好的分類效果。
[Abstract]:With the development of synthetic Aperture Radar (SAR) technology, it is difficult for traditional methods to meet the classification accuracy and speed requirements of massive SAR data. The convolutional neural network is used to classify massive SAR data. According to the characteristics of SAR image data, the network parameters of convolution neural network are adjusted to improve the network training speed and overcome the loss of gradient in weight updating. The problem of slow convergence in network training is improved, and the accuracy of target classification is improved. At the same time, a method of combining ZCA whitening with principal component analysis (PCA) is proposed to preprocess SAR images. The training speed of the network and the accuracy of target classification are further improved. The experiment uses the American MSTAR database and obtains a better classification effect by the above optimization method.
【作者單位】： 海軍航空工程學(xué)院電子信息工程系;海軍航空工程學(xué)院科研部;
【分類號(hào)】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊家興;弱信號(hào)檢測(cè)的神經(jīng)網(wǎng)絡(luò)方法[J];數(shù)據(jù)采集與處理;1992年S1期

2 沈偉,馮瑞,邵惠鶴;網(wǎng)絡(luò)流量的神經(jīng)網(wǎng)絡(luò)直接自適應(yīng)控制[J];計(jì)算機(jī)工程;2003年07期

3 王萍,單超;神經(jīng)網(wǎng)絡(luò)在通信中的應(yīng)用[J];現(xiàn)代電子技術(shù);2003年13期

4 楊冠魯;曹瑞;裴勃生;官俊杰;黃小彬;;一種神經(jīng)網(wǎng)絡(luò)非線性噪聲消除方法[J];系統(tǒng)工程與電子技術(shù);2006年06期

5 李輝;張安;沈瑩;程t$;;神經(jīng)網(wǎng)絡(luò)在多機(jī)動(dòng)目標(biāo)跟蹤中的應(yīng)用[J];傳感技術(shù)學(xué)報(bào);2006年06期

6 任志山;;神經(jīng)網(wǎng)絡(luò)在網(wǎng)絡(luò)通信中的應(yīng)用[J];龍巖學(xué)院學(xué)報(bào);2006年06期

7 鄭建彬;許楠;張新盛;;一種基于神經(jīng)網(wǎng)絡(luò)的在線簽名驗(yàn)證方法[J];中國(guó)水運(yùn)(理論版);2006年03期

8 楊曉燕;陳軍;吳桂芹;;基于灰色關(guān)聯(lián)度神經(jīng)網(wǎng)絡(luò)的雷達(dá)型號(hào)識(shí)別模型[J];計(jì)算機(jī)仿真;2007年10期

9 李香萍;;基于神經(jīng)網(wǎng)絡(luò)的說話人識(shí)別算法的研究與實(shí)驗(yàn)[J];電子測(cè)量技術(shù);2007年11期

10 馬曾;趙時(shí);;神經(jīng)網(wǎng)絡(luò)在網(wǎng)絡(luò)通信中的應(yīng)用研究[J];福建電腦;2008年03期

相關(guān)會(huì)議論文 前10條

1 張森嘉;簡(jiǎn)世杰;彭吳忠謀;;以遞回式神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的電話通道效應(yīng)補(bǔ)償方法[A];第五屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集[C];1998年

2 劉豐;姜建新;程俊;易克初;;一種用于語(yǔ)音識(shí)別的神經(jīng)網(wǎng)絡(luò)[A];第二屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集[C];1992年

3 杜健;費(fèi)�？�;劉穎;潘高田;姚國(guó)政;;基于神經(jīng)網(wǎng)絡(luò)的導(dǎo)航裝備維修能力評(píng)估研究[A];第二屆中國(guó)衛(wèi)星導(dǎo)航學(xué)術(shù)年會(huì)電子文集[C];2011年

4 李明;楊承;舒宇;楊成梧;;PID神經(jīng)網(wǎng)絡(luò)的信號(hào)流圖在線學(xué)習(xí)算法[A];2009中國(guó)控制與決策會(huì)議論文集（2）[C];2009年

5 單顯明;張鵬;劉彬斌;;基于神經(jīng)網(wǎng)絡(luò)的炮兵雷達(dá)故障診斷專家系統(tǒng)[A];江蘇省電子學(xué)會(huì)2010年學(xué)術(shù)年會(huì)論文集[C];2010年

6 陳道文;黃泰翼;;面向語(yǔ)音處理的神經(jīng)網(wǎng)絡(luò)發(fā)展綜述[A];第三屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集[C];1994年

7 錢小聰;鄭寶玉;穆明鑫;;神經(jīng)網(wǎng)絡(luò)聯(lián)機(jī)手寫簽名驗(yàn)證[A];第十屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

8 童峰;許天增;;基于神經(jīng)網(wǎng)絡(luò)的窄帶噪聲處理[A];2001年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2001年

9 俞鐵城;周健來;宋巖濤;;基于神經(jīng)網(wǎng)絡(luò)／隱馬爾可夫模型的混合語(yǔ)音識(shí)別方法的研究現(xiàn)狀[A];第五屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集[C];1998年

10 李何;張立毅;;神經(jīng)網(wǎng)絡(luò)盲均衡[A];無線傳感器網(wǎng)及網(wǎng)絡(luò)信息處理技術(shù)——2006年通信理論與信號(hào)處理年會(huì)論文集[C];2006年

相關(guān)博士學(xué)位論文 前10條

1 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

2 胡文憑;基于深層神經(jīng)網(wǎng)絡(luò)的口語(yǔ)發(fā)音檢測(cè)與錯(cuò)誤分析[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

3 楊一;神經(jīng)網(wǎng)絡(luò)優(yōu)化方法及其在組合導(dǎo)航中的應(yīng)用研究[D];西北工業(yè)大學(xué);2016年

4 張仕良;基于深度神經(jīng)網(wǎng)絡(luò)的語(yǔ)音識(shí)別模型研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

5 萬敏;獨(dú)立分量分析的神經(jīng)網(wǎng)絡(luò)方法[D];電子科技大學(xué);2011年

6 張素花;神經(jīng)網(wǎng)絡(luò)內(nèi)電振蕩活動(dòng)特性的研究[D];河北工業(yè)大學(xué);2006年

7 李勁;基于神經(jīng)網(wǎng)絡(luò)的SIW器件優(yōu)化研究[D];華中科技大學(xué);2013年

8 周盼;基于深層神經(jīng)網(wǎng)絡(luò)的語(yǔ)音識(shí)別聲學(xué)建模研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

9 茍飛;隨機(jī)信號(hào)處理的新方法[D];華南理工大學(xué);1995年

10 包葉波;基于深層神經(jīng)網(wǎng)絡(luò)的聲學(xué)特征提取及其在LVCSR系統(tǒng)中的應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 李文婷;基于BP神經(jīng)網(wǎng)絡(luò)和SVM的信號(hào)分類方法的研究[D];南京師范大學(xué);2015年

2 田碩;基于局部嵌入算法和神經(jīng)網(wǎng)絡(luò)的WLAN室內(nèi)定位算法研究[D];哈爾濱工業(yè)大學(xué);2015年

3 安健;基于極化合成孔徑雷達(dá)圖像分類算法研究[D];電子科技大學(xué);2014年

4 俞秀婷;基于神經(jīng)網(wǎng)絡(luò)的話務(wù)量預(yù)測(cè)模型研究[D];新疆大學(xué);2015年

5 祝嘉聲;基于DNN的漢語(yǔ)語(yǔ)音識(shí)別聲學(xué)模型的研究[D];哈爾濱工業(yè)大學(xué);2015年

6 趙天坤;基于深度神經(jīng)網(wǎng)絡(luò)的音樂信息檢索[D];北京郵電大學(xué);2015年

7 孔飛;基于小波變換和神經(jīng)網(wǎng)絡(luò)的心電圖分類識(shí)別研究[D];電子科技大學(xué);2015年

8 羅小勇;基于聯(lián)合神經(jīng)網(wǎng)絡(luò)的WSN節(jié)點(diǎn)和網(wǎng)絡(luò)故障診斷研究[D];電子科技大學(xué);2014年

9 王永毅;基于子空間和神經(jīng)網(wǎng)絡(luò)的雷達(dá)目標(biāo)識(shí)別軟件設(shè)計(jì)[D];電子科技大學(xué);2014年

10 王勇;非法調(diào)頻廣播信號(hào)識(shí)別系統(tǒng)的研究與實(shí)現(xiàn)[D];西華大學(xué);2015年

，

本文編號(hào)：1638840