基于深度学习的HRRP舰船目标识别性能分析

发布时间：2020-12-17 07:48

　　针对分辨率、信噪比、补零及深度置信网络等对深度学习舰船目标识别性能的影响问题,文中开展了基于实测数据的相关实验分析,整个实验分析处理过程包括回波信号对齐、数据脉冲压缩、信号能量归一化、深度学习模型训练、分类器设计及判决输出。实验分析结论为深刻理解基于深度学习的高分辨距离像舰船目标识别技术原理内涵,开展舰船目标识别工程化应用设计奠定了坚实的基础。 

【文章来源】：现代雷达. 2020年02期 北大核心

【文章页数】：4 页

【部分图文】：

降分辨率前后某单次回波的波形变化

(1)由图4可知，随分辨率降低，DBN和支持向量机(SVM)识别率均下降。这是由于分辨率包含的目标结构信息随着分辨率的降低而减少，从而导致了识别率的降低。(2)DBN相比SVM，在识别率上提升4～5个百分点，这表明深度模型能在尽可能少地降低目标信息损失的前提下更好地提取目标特征，保持更好的识别性能，对分辨率的变化更鲁棒。

分别对原始测试信号加入高斯白噪声，仿真得到信噪比从10 dB～40 dB的带噪信号。分别在原始训练样本上训练得到的SVM、DBN、MCC和AGC模型上进行识别实验。MCC和AGC分帧数目为10，并在窗长256下进行了实验，实验结果如表2和图5所示。实验结论:


本文编号：2921678