強(qiáng)海雜波與海面目標(biāo)的復(fù)雜特性使得海面目標(biāo)回波微弱,有效的海雜波抑制和穩(wěn)健快速的目標(biāo)檢測(cè)是雷達(dá)對(duì)海上目標(biāo)探測(cè)需考慮的重要因素。然而,現(xiàn)有的海面目標(biāo)檢測(cè)算法對(duì)于復(fù)雜環(huán)境下的目標(biāo)檢測(cè)性能有限,環(huán)境和目標(biāo)特性適應(yīng)性差。該文設(shè)計(jì)了一種雜波抑制和目標(biāo)檢測(cè)融合網(wǎng)絡(luò)（INet）,通過(guò)層歸一化-傳遞和連接方法提取關(guān)鍵目標(biāo)特征,采用注意力網(wǎng)絡(luò)抑制雜波和增強(qiáng)目標(biāo),構(gòu)建跨階段局部殘差網(wǎng)絡(luò)保證檢測(cè)網(wǎng)絡(luò)的輕量化和準(zhǔn)確性。基于導(dǎo)航雷達(dá)在多種觀測(cè)條件下采集的回波數(shù)據(jù),構(gòu)建了海面目標(biāo)雷達(dá)圖像數(shù)據(jù)集;通過(guò)模型的預(yù)訓(xùn)練和平面位置顯示器（PPI）圖像的幀間積累對(duì)INet進(jìn)行了優(yōu)化,得到了Optimized INet（O-INet）模型。經(jīng)過(guò)多種天氣條件下實(shí)測(cè)數(shù)據(jù)測(cè)試和驗(yàn)證,并與YOLOv3, YOLOv4,雙參數(shù)CFAR和二維CA-CFAR對(duì)比后證明,所提方法在提高檢測(cè)概率、降低虛警率和復(fù)雜條件下的強(qiáng)泛化能力有顯著優(yōu)勢(shì)。 

【文章來(lái)源】：雷達(dá)學(xué)報(bào). 2020,9(04)北大核心CSCD

【文章頁(yè)數(shù)】：14 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]復(fù)雜場(chǎng)景下單通道SAR目標(biāo)檢測(cè)及鑒別研究進(jìn)展綜述[J]. 杜蘭,王兆成,王燕,魏迪,李璐.  雷達(dá)學(xué)報(bào). 2020(01)
[2]X波段雷達(dá)對(duì)海探測(cè)試驗(yàn)與數(shù)據(jù)獲取[J]. 劉寧波,董云龍,王國(guó)慶,丁昊,黃勇,關(guān)鍵,陳小龍,何友.  雷達(dá)學(xué)報(bào). 2019(05)
[3]雷達(dá)海上目標(biāo)雙通道卷積神經(jīng)網(wǎng)絡(luò)特征融合智能檢測(cè)方法[J]. 蘇寧遠(yuǎn),陳小龍,陳寶欣,關(guān)鍵.  現(xiàn)代雷達(dá). 2019(10)
[4]復(fù)合高斯雜波下抑制失配信號(hào)的自適應(yīng)檢測(cè)器[J]. 許述文,石星宇,水鵬朗.  雷達(dá)學(xué)報(bào). 2019(03)
[5]基于時(shí)頻圖深度學(xué)習(xí)的雷達(dá)動(dòng)目標(biāo)檢測(cè)與分類(lèi)[J]. 牟效乾,陳小龍,蘇寧遠(yuǎn),關(guān)鍵,陳唯實(shí).  太赫茲科學(xué)與電子信息學(xué)報(bào). 2019(01)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的海上微動(dòng)目標(biāo)檢測(cè)與分類(lèi)方法[J]. 蘇寧遠(yuǎn),陳小龍,關(guān)鍵,牟效乾,劉寧波.  雷達(dá)學(xué)報(bào). 2018(05)
[7]深度學(xué)習(xí)在雷達(dá)中的研究綜述[J]. 王俊,鄭彤,雷鵬,魏少明.  雷達(dá)學(xué)報(bào). 2018(04)
[8]基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像艦船目標(biāo)檢測(cè)[J]. 黃潔,姜志國(guó),張浩鵬,姚遠(yuǎn).  北京航空航天大學(xué)學(xué)報(bào). 2017(09)
[9]實(shí)測(cè)海尖峰特性分析及抑制方法[J]. 黃勇,陳小龍,關(guān)鍵.  雷達(dá)學(xué)報(bào). 2015(03)



本文編號(hào)：3468083