針對空中飛機目標的微多普勒效應提出一種基于時頻圖與深度神經網絡分離直升機、螺旋槳和噴氣式三類飛機旋轉部件和機身的方法。本文從飛機目標時頻圖像素差異著手,根據深度學習語義分割網絡提取飛機目標時頻掩膜圖,將掩膜圖與飛機目標多分量時頻矩陣進行乘法擬合,實現三類飛機目標多分量信號分離。通過建立的仿真數據集進行多組實驗,結果表明對飛機目標多分量信號,深度學習語義分割網絡提取時頻掩膜的方法能夠很好地分離機身和旋轉部件信號,并起到抑制雜波的效果。

【文章頁數】：9 頁

【文章目錄】：
0 引言
1 飛機目標微動信號時頻圖構建
2 飛機回波信號分離算法模型
    2.1 多分量飛機目標回波信號分離框架
    2.2 Deeplabv3深度神經網絡獲取時頻掩膜圖
3 仿真實驗結果與分析
    3.1 懸停狀態(tài)
    3.2 直線運動
    3.3 多分量飛機回波信號分離
    3.4 分離性能評價
4 結束語



本文編號：4040953