基于卷积神经网络和特征融合的高分辨率距离像识别
发布时间：2020-12-26 22:43
自动目标识别(Automatic Target Recognition,ATR)是现代信息化战争中不可缺少的探测手段,随着雷达成像技术和信息处理技术的发展,基于雷达高分辨率距离像(High Range Resolution Profile,HRRP)的目标识别成为研究的热点之一。为了解决人工提取HRRP的优良特征比较困难和HRRP的平移敏感问题,本文研究了基于卷积神经网络(ConvolutionalNeural Network,CNN)和一维频域平移不变特征融合算法的HRRP目标识别。首先介绍了 HRRP和CNN的相关背景知识,包括HRRP成像特点、HRRP的目标识别方法、CNN的起源发展、网络结构,以及Caffe深度学习库。在此基础上,针对人工提取HRRP优良特征比较困难的问题,研究了基于一维CNN的目标识别方法,利用CNN具有分层学习特征的能力,训练CNN自动地从HRRP中学习有用的特征并分类。在仿真实验中介绍了网络的相关配置,分析了不同激活函数、不同参数、不同网络结构的识别性能,对比了 CNN与其它分类器的识别结果,用可视化特征图直观地说明了 CNN通过卷积层能够学习到易于分辨的...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
图１－２?ＨＲＲＰ的目标识别过程??
２．１卷积神经网络的起源与发展??ＣＮＮ是人工神经网络大家族中的一员，受到大脑皮层处理视觉信号的机理??启发而得到。ＣＮＮ的网络结构如图２－１所示。???ｍｙ，?＾—３?池化??图２－１卷积神经网络的网络结构??２０世纪６０年代，生物学家Ｈｕｂｅｉ与Ｗｉｅｓｅｌ的研宄发现在小猫的大脑皮层上??存在着一种“方向性选择细胞”，后来的进一步研宄说明了小猫的大脑在处理视??觉信号时，视觉信号是通过大脑皮层中的多层感受野完成的％４７］。１９８０年，基??于感受野的理论模型“Ｎｅｏｃｏｇｎｉｔｒｏｎ”第一次被Ｆｕｋｕｓｈｉｍａ等人提出来［４８］，１９８９??年，Ｙａｒｍ?ＬｅＣｕｎ在使用ＢＰ算法进行手写邮政编码识别任务中首先采用了卷积网??络结构［４９］，?１９９８年ＹａｎｎＬｅＣｕｎ等人建立了基于ＣＮＮ的ＬｅＮｅｔ－５模型，并取得??了很好的识别性能［５Ｃ）］。ＬｅＮｅｔ－５模型的出现
??原理不同，池化操作过程如图２－３所示。??池化域?２ｘ２?＾?Ｉ?＾￣￣???输入２４ｘ２４?输出１２ｘ１２??图２－３池化操作??在输入大小为２４ｘ２４的特征图上，选定大小为２ｘ２的区域作为池化域，以步??长为２滑动池化域，根据池化方法计算对应区域上的池化值，最终把２４ｘ２４的特??征图缩小为１２ｘ１２的输出。常见的池化方法有ＰＡ、ＰＭ和ＰＳ等。??ａ）?ＰＭ池化法：计算池化区域内的最大值。??ｂ）?ＰＡ池化法：计算池化区域内的平均值。??Ｐｓ池化法：随机选取池化区域内一个单元作为输出值。??２．２．３全连接层??全连接层，即为前馈神经网络，由输入层、隐含层和输出层组成，它的网络??结构如图２－４所示。??纖餐??第１层?第２层第Ｌ－丨层??图２－４多层神经网络??ＣＮＮ的训练过程需要使用ＢＰ算法，它本质是利用链式求导法则计算网络权??值的梯度。基于图２－４的多层的前馈神经网络，推导ＢＰ算法更新网络权值的过??程如下：??假设有一个训练样本集＆…，＾Ｖ（１，共ｍ个样本，对于单个样??１０??
【参考文献】：
期刊论文
[1]基于二叉树直觉模糊SVM的弹道目标HRRP识别[J]. 翟夕阳,王晓丹,李睿,贾琪. 火力与指挥控制. 2017(10)
[2]GA优化的稀疏分解在雷达目标识别中的应用[J]. 赵东波,李辉. 信息技术. 2017(09)
[3]基于自适应类别权重的HRRP决策融合识别[J]. 戴为龙,张弓,刘文波,钟娟娟. 现代雷达. 2017(07)
[4]基于原子范数最小化的高分辨距离像散射中心估计[J]. 汪钰,姜元,王彦华,李阳,龙腾. 信号处理. 2017(04)
[5]对数变换在高分辨距离像目标识别中的应用[J]. 孙晶明,杨予昊,邢远见,王梓谦. 现代雷达. 2016(11)
[6]基于熵的自适应加权投票HRRP融合识别方法[J]. 王晓丹,李睿,薛爱军,孙向芳. 系统工程与电子技术. 2017(04)
[7]基于混合概率主成分分析的HRRP特征提取[J]. 李彬,李辉. 系统工程与电子技术. 2017(01)
[8]高分辨雷达一维距离像的融合特征识别[J]. 胡玉兰,赵子铭,片兆宇. 微型机与应用. 2015(04)
[9]基于复高斯模型的雷达高分辨距离像目标识别新方法[J]. 王鹏辉,杜兰,刘宏伟. 光学学报. 2014(02)
[10]高分辨一维距离像及其仿真[J]. 周兆军,程远国,程锐. 舰船电子工程. 2013(09)
博士论文
[1]相关向量机多分类算法的研究与应用[D]. 柳长源.哈尔滨工程大学 2013
硕士论文
[1]一维距离像目标识别与数据融合算法研究[D]. 何琪蕾.电子科技大学 2009
本文编号：2940575
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
图１－２?ＨＲＲＰ的目标识别过程??
２．１卷积神经网络的起源与发展??ＣＮＮ是人工神经网络大家族中的一员，受到大脑皮层处理视觉信号的机理??启发而得到。ＣＮＮ的网络结构如图２－１所示。???ｍｙ，?＾—３?池化??图２－１卷积神经网络的网络结构??２０世纪６０年代，生物学家Ｈｕｂｅｉ与Ｗｉｅｓｅｌ的研宄发现在小猫的大脑皮层上??存在着一种“方向性选择细胞”，后来的进一步研宄说明了小猫的大脑在处理视??觉信号时，视觉信号是通过大脑皮层中的多层感受野完成的％４７］。１９８０年，基??于感受野的理论模型“Ｎｅｏｃｏｇｎｉｔｒｏｎ”第一次被Ｆｕｋｕｓｈｉｍａ等人提出来［４８］，１９８９??年，Ｙａｒｍ?ＬｅＣｕｎ在使用ＢＰ算法进行手写邮政编码识别任务中首先采用了卷积网??络结构［４９］，?１９９８年ＹａｎｎＬｅＣｕｎ等人建立了基于ＣＮＮ的ＬｅＮｅｔ－５模型，并取得??了很好的识别性能［５Ｃ）］。ＬｅＮｅｔ－５模型的出现
??原理不同，池化操作过程如图２－３所示。??池化域?２ｘ２?＾?Ｉ?＾￣￣???输入２４ｘ２４?输出１２ｘ１２??图２－３池化操作??在输入大小为２４ｘ２４的特征图上，选定大小为２ｘ２的区域作为池化域，以步??长为２滑动池化域，根据池化方法计算对应区域上的池化值，最终把２４ｘ２４的特??征图缩小为１２ｘ１２的输出。常见的池化方法有ＰＡ、ＰＭ和ＰＳ等。??ａ）?ＰＭ池化法：计算池化区域内的最大值。??ｂ）?ＰＡ池化法：计算池化区域内的平均值。??Ｐｓ池化法：随机选取池化区域内一个单元作为输出值。??２．２．３全连接层??全连接层，即为前馈神经网络，由输入层、隐含层和输出层组成，它的网络??结构如图２－４所示。??纖餐??第１层?第２层第Ｌ－丨层??图２－４多层神经网络??ＣＮＮ的训练过程需要使用ＢＰ算法，它本质是利用链式求导法则计算网络权??值的梯度。基于图２－４的多层的前馈神经网络，推导ＢＰ算法更新网络权值的过??程如下：??假设有一个训练样本集＆…，＾Ｖ（１，共ｍ个样本，对于单个样??１０??
【参考文献】：
期刊论文
[1]基于二叉树直觉模糊SVM的弹道目标HRRP识别[J]. 翟夕阳,王晓丹,李睿,贾琪. 火力与指挥控制. 2017(10)
[2]GA优化的稀疏分解在雷达目标识别中的应用[J]. 赵东波,李辉. 信息技术. 2017(09)
[3]基于自适应类别权重的HRRP决策融合识别[J]. 戴为龙,张弓,刘文波,钟娟娟. 现代雷达. 2017(07)
[4]基于原子范数最小化的高分辨距离像散射中心估计[J]. 汪钰,姜元,王彦华,李阳,龙腾. 信号处理. 2017(04)
[5]对数变换在高分辨距离像目标识别中的应用[J]. 孙晶明,杨予昊,邢远见,王梓谦. 现代雷达. 2016(11)
[6]基于熵的自适应加权投票HRRP融合识别方法[J]. 王晓丹,李睿,薛爱军,孙向芳. 系统工程与电子技术. 2017(04)
[7]基于混合概率主成分分析的HRRP特征提取[J]. 李彬,李辉. 系统工程与电子技术. 2017(01)
[8]高分辨雷达一维距离像的融合特征识别[J]. 胡玉兰,赵子铭,片兆宇. 微型机与应用. 2015(04)
[9]基于复高斯模型的雷达高分辨距离像目标识别新方法[J]. 王鹏辉,杜兰,刘宏伟. 光学学报. 2014(02)
[10]高分辨一维距离像及其仿真[J]. 周兆军,程远国,程锐. 舰船电子工程. 2013(09)
博士论文
[1]相关向量机多分类算法的研究与应用[D]. 柳长源.哈尔滨工程大学 2013
硕士论文
[1]一维距离像目标识别与数据融合算法研究[D]. 何琪蕾.电子科技大学 2009
本文编号：2940575
本文链接：https://www.wllwen.com/kejilunwen/wltx/2940575.html
