不同数据预处理对雷达点迹分类的影响

发布时间：2020-12-21 15:44

　　利用全连接神经网络研究雷达点迹分类问题时,在模型训练前需要对打上标签的点迹数据进行预处理,不同的数据预处理方法,会影响模型训练的效果。提出使用一种最大最小值联合处理的方法,与常用的其它4种不同数据预处理方法进行对比,分析不同数据预处理方法对雷达点迹分类效果的影响。本文所用方法明显优于常用方法,不仅加快了网络的学习训练速度,也提高了模型的分类精度。 

【文章来源】：舰船电子对抗. 2020年05期

【文章页数】：4 页

【部分图文】：

全连接神经网络结构

每100次迭代记录训练准确率和目标损失率,不同数据处理方式下,准确率和目标损失率随迭代次数变化对比图如图2、图3所示。图3 不同数据处理方式_目标损失率对比图

图2 不同数据处理方式准确率对比图结果表明,数据预处理方式不同,产生的训练效果有明显的差距,综合考虑在降低目标损失率的情况下,尽量使准确率和杂波滤除率提高,本文所使用的数据预处理方法使模型分类精度达到94%,相对于常用数据预处理方法分类准确率分别提高19%、12%、8%和11%,同时目标损失率和杂波滤除率相较常用数据预处理方法也达到最小,模型的收敛速度更快。不同于常用数据预处理方法的单一性,本文方法不仅消除了不同特征的量纲和数值差异影响,同时也增加了不同特征参量之间的联系,使模型有更好的训练效果,更好地模拟了雷达点迹的数据特性。

【参考文献】：
期刊论文
[1]基于卷积神经网络的雷达目标航迹识别研究[J]. 樊玉琦,温鹏飞,许雄,郭丹,刘瑜岚.  强激光与粒子束. 2019(09)
[2]基于全连接神经网络的雷达目标航迹识别[J]. 冯诀宵,樊玉琦.  东北师大学报(自然科学版). 2019(03)
[3]基于点迹特征的气象杂波抑制技术[J]. 王旭,蔡兴雨,朱思桥,朱永杰.  火控雷达技术. 2017(02)
[4]雷达数据处理中的虚假航迹综合抑制技术[J]. 戴霄.  舰船电子对抗. 2015(06)
[5]雷达数据处理中的杂波抑制方法[J]. 罗兴旺,张伯彦,刘嘉,蔺宏江,禹娟.  系统工程与电子技术. 2016(01)
[6]BP神经网络输入层数据归一化研究[J]. 柳小桐.  机械工程与自动化. 2010(03)



本文编号：2930084