基于连续学习的雷达目标识别研究

发布时间：2020-10-16 03:41

　　 在当今信息化时代背景下,雷达的功能不断完善,已经被广泛应用于各个领域。雷达自动目标识别是雷达领域中一个十分重要的技术手段,成为当下研究的重点之一。早期对雷达目标的识别采用传统的机器学习方法,无法来挖掘目标深层次的特征表示,导致方法的鲁棒性很差。近年来深度学习成为一个十分热门的话题,深度学习是一种多层表示的学习方法,将原始数据转化为更高层、更抽象的表示。因此可以学习来挖掘数据中更深层次的特征,从而提高了目标识别的可靠性和鲁棒性。深度学习凭借其优越的性能而被广泛应用于各个领域,本文将深度学习方法应用在雷达目标识别中,通过其强大的学习能力来提升对雷达目标的识别性能。随着雷达对目标的不断观测,数据量不断增多。在这种大规模数据的背景下,模型实时更新会变得十分困难,本文将给出连续学习的算法来实现模型的实时更新。本文首先介绍了雷达目标识别和深度学习的研究背景与发展趋势。主体内容中介绍了传统的雷达目标识别方法以及基于深度学习的雷达目标识别方法。最后介绍了基于连续学习的雷达目标识别方法。本文的主要内容如下:1.本文研究了传统的雷达目标识别方法。首先介绍了在雷达目标识别中十分重要的数据预处理方法。然后介绍了在传统雷达目标识别中几种常用的分类器。最后通过实验验证每种分类器的在雷达目标识别中的性能,并总结和分析其优缺点。2.本文研究了基于深度学习的雷达目标识别方法。深度学习利用其强大的非线性表示能力,理解目标深层的信息,从而实现良好的分类性能。本文采用深度学习中应用十分广泛的卷积神经网络方法来自动提取雷达目标中的特征。首先通过对卷积神经网络结构的介绍来理解其工作原理。随后介绍了几种经典的卷积神经网络识别模型,并比较和分析它们之间的不同点。最后通过实验验证卷积神经网络在雷达目标识别中的性能。3.本文研究了基于连续学习的雷达目标识别方法。针对大规模数据背景下,模型实时更新困难的问题,本文采用了基于EWC的连续学习方法来实现模型的实时更新。并且介绍了一种减少模型训练数据量的技术,被称之为核心集的方法,核心集是原始数据中具有代表性的小部分样本。最后通过实验验证基于EWC和核心集方法在模型进行连续学习时所表现的性能。
【学位单位】：西安电子科技大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TN957.52
【部分图文】：

(i) ZIL131 (j) ZSU2341.2 MSTAR 数据集 10 类目标的光学图像1.2 MSATR 数据集 10 类目标的数据设置 训练数据 测试数据

LeNet网络[30]

VGG网络[31]
【参考文献】

相关期刊论文 前6条

1 冯博;陈渤;王鹏辉;刘宏伟;;基于稳健深层网络的雷达高分辨距离像目标特征提取算法[J];电子与信息学报;2014年12期

2 姚旭;王晓丹;张玉玺;权文;;特征选择方法综述[J];控制与决策;2012年02期

3 胡召玲;李海权;杜培军;;SAR图像纹理特征提取与分类研究[J];中国矿业大学学报;2009年03期

4 胡利平;刘宏伟;吴顺君;;一种新的SAR图像目标识别预处理方法[J];西安电子科技大学学报;2007年05期

5 徐牧;王雪松;肖顺平;;基于目标轮廓特征的SAR图像目标识别[J];系统工程与电子技术;2006年12期

6 刘宏伟,杜兰,袁莉,保铮;雷达高分辨距离像目标识别研究进展[J];电子与信息学报;2005年08期

相关博士学位论文 前5条

1 丁军;基于稀疏理论的SAR图像目标识别研究[D];西安电子科技大学;2015年

2 张学峰;雷达高分辨距离像目标识别与拒判方法研究[D];西安电子科技大学;2015年

3 陈渤;基于核方法的雷达高分辨距离像目标识别技术研究[D];西安电子科技大学;2008年

4 袁莉;基于高分辨距离像的雷达目标识别方法研究[D];西安电子科技大学;2007年

5 杜兰;雷达高分辨距离像目标识别方法研究[D];西安电子科技大学;2007年

相关硕士学位论文 前1条

1 马建华;雷达自动目标识别的理论与应用研究[D];西安电子科技大学;2005年

本文编号：2842701