基于深度多尺度一维卷积神经网络的雷达舰船目标识别
为满足雷达舰船目标识别的高实时性和高泛化性的需求,该文提出了一种基于深度多尺度1维卷积神经网络的目标高分辨1维距离像(HRRP)识别方法.针对高分辨1维距离像特征提取难的问题,所提方法通过共享卷积核的权值,使用多尺度的卷积核提取不同精细度的特征,并构造中心损失函数来提高特征的分辨能力.实验结果表明,该模型可以显著提高目标在非理想条件下的识别正确率,克服目标姿态角敏感性问题,具有良好的鲁棒性和泛化性.
雷达目标识别、高分辨1维距离像、多尺度、卷积神经网络、中心损失函数
41
TN957.51
国家自然科学基金61471379,61790551,61102166;泰山学者工程专项
2019-07-10(万方平台首次上网日期,不代表论文的发表时间)
共8页
1302-1309