一种用于锥体目标微动分类的深度学习模型

发布时间：2023-04-21 22:14

　　针对传统的空间锥体目标微动分类需人工构造、提取特征而缺乏通用性、智能性及在强噪声条件下分类性能差等问题,提出一种卷积神经网络和双向长短期记忆网络相结合的网络新模型。该网络将残差网络、Inception网络及双向长短期记忆网络融合成一体化网络,通过增加网络的深度和宽度来挖掘更高维度的抽象特征以提升网络的分类准确率,而双向长短期记忆网络的推理能力能提高网络的容错性,时序分类的优势,以及残差网络跳跃式的旁路支线结构还能减少参数冗余,加快网络训练速度。仿真结果表明,该网络模型不仅能实现更快速的智能分类,同时比ResNet-18、GoogLeNet模型的精度分别提高5%、4%,验证了该模型的有效性和泛化能力。

【文章页数】：8 页

【文章目录】：
1 微动建模与分析
    1.1 等效散射点微多普勒分析
    1.2 微动形式分析
        1.2.1 自旋
        1.2.2 进动与章动
2 网络模型的搭建及数据集的构建
    2.1 网路模型
        2.1.1 网络分析
        2.1.2 文中网络
    2.2 构建数据集
3 实验结果与分析
4 结束语



本文编号：3796346