基于卷积神经网络的海上微动目标检测与分类方法

苏宁远; 陈小龙; 关键; 牟效乾; 刘宁波

首页> 中文期刊> 《雷达学报》 >基于卷积神经网络的海上微动目标检测与分类方法

基于卷积神经网络的海上微动目标检测与分类方法

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

该文利用深度学习的高维特征泛化学习能力,将卷积神经网络(CNN)用于海上目标微多普勒的检测和分类。首先,在海面微动目标模型的基础上,在实测海杂波背景中分别构建4种类型微动信号的2维时频图,并作为训练和测试数据集;然后,分别采用LeNet, AlexNet和GoogLeNet 3种CNN模型进行二元检测和多种微动类型分类,并进行比较,研究信杂比对检测和分类性能的影响。最后,与传统的支持向量机方法进行比较,结果表明,所提方法能够智能学习微动特征,具有更好的检测和分类性能,可为杂波背景下的雷达动目标检测和识别提供新的技术途径。

著录项

来源
《雷达学报》 |2018年第5期|565-574|共10页
作者
苏宁远; 陈小龙; 关键; 牟效乾; 刘宁波;
展开▼
作者单位

海军航空大学;

展开▼
原文格式 PDF
正文语种 chi
中图分类雷达信号检测处理;
关键词
微多普勒; 雷达目标检测; 深度学习; 卷积神经网络(CNN); 海杂波; 时频分析;

相似文献

中文文献
外文文献
专利

1. 基于深度卷积神经网络的弹道目标微动分类 [J] . 李江 ,冯存前 ,王义哲 . 空军工程大学学报（自然科学版） . 2019,第004期
2. 基于循环卷积神经网络的目标检测与分类 [J] . 艾玲梅 ,叶雪娜 . 计算机技术与发展 . 2018,第002期
3. 基于卷积神经网络的眼底图像微动脉瘤检测方法 [J] . 丁莉 . 系统仿真技术 . 2020,第004期
4. 基于改进型多维卷积神经网络的微动手势识别方法 [J] . 李玲霞 ,王羽 ,吴金君 . 计算机工程 . 2018,第009期
5. 基于CS的SAR旋转微动目标检测方法研究 [J] . 史洪印 ,赵欣悦 . 仪器仪表学报 . 2015,第6期
6. 基于深度卷积神经网络的红外过采样扫描图像点目标检测方法 [C] . Liankgui Lin ,林两魁 ,Shaoyou Wang . 第四届高分辨率对地观测学术年会 . 2017
7. 基于卷积神经网络的SAR图像目标检测及分类方法研究 [A] . 刘彬 . 2017

基于卷积神经网络的海上微动目标检测与分类方法

摘要

著录项

相似文献

相关主题

期刊订阅