發(fā)布時間：2021-01-28 04:00

　　高分辨雷達(dá)數(shù)據(jù)由于能夠提供目標(biāo)尺寸、散射點結(jié)構(gòu)等特征,并且包含目標(biāo)更多的細(xì)節(jié)信息,使得高分辨雷達(dá)數(shù)據(jù)能夠更精細(xì)的區(qū)分目標(biāo)的類別和型號,因此在雷達(dá)自動目標(biāo)識別（RATR）中的應(yīng)用越來越廣泛。而隨著深度學(xué)習(xí)方法在機器學(xué)習(xí)領(lǐng)域的飛速發(fā)展,深度學(xué)習(xí)方法也被引入雷達(dá)目標(biāo)識別的應(yīng)用中,促進了雷達(dá)目標(biāo)識別技術(shù)的進一步發(fā)展。在深度學(xué)習(xí)方法中,AE模型由于其良好的泛化性能在各個領(lǐng)域被廣泛使用。本論文依托國防預(yù)研項目以及國家自然科學(xué)基金等項目,從深度學(xué)習(xí)方法在高分辨雷達(dá)目標(biāo)識別中的應(yīng)用角度出發(fā),針對AE模型應(yīng)用在高分辨雷達(dá)目標(biāo)識別中存在的問題進行了相關(guān)理論和技術(shù)研究。論文的各部分主要內(nèi)容概括如下:1.介紹雷達(dá)目標(biāo)識別的基本概念、應(yīng)用背景以及研究現(xiàn)狀,并介紹了深度學(xué)習(xí)的相關(guān)概念和發(fā)展情況。討論了深度學(xué)習(xí)在高分辨雷達(dá)目標(biāo)識別中的問題,并概述了論文的主要工作。2.闡述了典型的深度學(xué)習(xí)方法——限制玻爾茲曼機（RBM）模型和自動編碼器（AE）模型的基本結(jié)構(gòu),對模型的推導(dǎo)和求解過程做了詳細(xì)介紹,并分析了兩種方法的特點和不同。之后通過RBM模型和AE模型在高分辨雷達(dá)目標(biāo)識別中HRRP數(shù)據(jù)和SAR圖像數(shù)據(jù)上的實驗結(jié)果,分... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：112 頁

【學(xué)位級別】：博士

【部分圖文】：

MSTAR數(shù)據(jù)集10類目標(biāo)光學(xué)圖像示例

目標(biāo)的 SAR 圖像，本論文研究主要使用其中的三類軍事BTR70、步兵戰(zhàn)車 BMP2 以及主戰(zhàn)坦克 T72，其中 BMP2 2-9563、BMP2-9566 和 BMP2-C21，T72 也有三種變體，分別72-S7。圖 1.4 和圖 1.5 分別給出了三類地面目標(biāo)的光學(xué)圖像實驗中，通常采用俯仰角為 17 度的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，據(jù)作為測試數(shù)據(jù)，訓(xùn)練數(shù)據(jù)不包含變體，測試數(shù)據(jù)包含全據(jù)集劃分的具體情況如表 1.2 所示。(a)BMP2 (b)BTR70 (c)T72圖 1. 5 MSTAR 數(shù)據(jù)集 10 類目標(biāo)光學(xué)圖像示例

3. 2 加入隨機丟棄的網(wǎng)絡(luò)結(jié)構(gòu)示意圖構(gòu)擁有 L 個隱層，( l)h ( l {1, , L} )表)分別表示第 l 層隱層的權(quán)重和偏置項線性變換的向量。如圖 3.3(a)所示，下表示：( l 1) ( l 1) ( l ) ( l1)i i i+ + +k W h +b ( 1) ( 1)( )l li if+ +h k 節(jié)點。相應(yīng)的iW 表示權(quán)重矩陣的第線性變換函數(shù)。隨機丟棄之后，網(wǎng)絡(luò)的隱層計算如( )Bernoulli( )lir p( l ) ( l ) ( l)i i ih r h ( l 1) ( l 1) ( l ) ( l1)i i i+ + +k W h +b


本文編號：3004316