一种基于模糊滤波提高SAR自动目标识别平移不变性的方法

发布时间：2022-11-06 10:48

　　使用卷积神经网络去实现合成孔径雷达（synthetic aperture radar,SAR）自动目标识别（auto target recognition,ATR）成为了近年来的热点,但实际使用中存在的一个隐患问题是平移不变性的丢失,随着目标位置移动,系统输出也随之改变,从而造成错误识别。针对上述问题,提出了一种落实在模型层面的解决方法,通过对算法的改进,实现提升SAR ATR系统平移不变性,而无需数据增强。提出的模块易于移植到现有SAR ATR骨干网络中,且通过实测兼容良好,引入后不影响识别准确率,达到了与原网络近似相等甚至更高的精度。结果表明,所提出的算法不仅提升了系统的平移不变性,同时提升了系统的抗干扰能力。 

【文章页数】：9 页

【文章目录】：
0 引言
1 模糊滤波模块
    1.1 现代SAR ATR网络平移不变性很差
    1.2 引入模糊滤波
    1.3 修改卷积与池化层
2 实验
    2.1 数据集
    2.2 模型
    2.3 模型训练
        2.3.1 Xavier初始化
        2.3.2 分类损失函数
        2.3.3 优化器以及学习率
3 实验结果与分析
    3.1 平移-识别率曲线
    3.2 平移敏感图
        3.2.1 单个数据的平移敏感图
        3.2.2 整个数据集的平移敏感图
    3.3 探讨平移不变性提升的原因
    3.4 对噪声鲁棒性更好
4 结论


【参考文献】：
期刊论文
[1]基于深层卷积神经网络和双谱特征的雷达信号识别方法[J]. 刘赢,田润澜,王晓峰.  系统工程与电子技术. 2019(09)
[2]基于深度卷积神经网络的SAR舰船目标检测[J]. 杨龙,苏娟,李响.  系统工程与电子技术. 2019(09)



本文编号：3703367