雷达属性散射中心的快速目标分类和参数估计
雷达属性散射中心模型的属性参数能够提供目标更为丰富的重要信息,属性散射中心参数估计对解析雷达目标有着极其重要的研究意义.针对雷达属性散射中心模型,提出了基于深度学习的雷达属性散射中心快速目标分类和参数估计的技术.首先利用ViT(vision transformer)深度学习网络将雷达属性散射中心分类为局部式和分布式两类,然后基于TS2Vec框架构建针对属性散射中心参数估计的卷积神经网络(convolutional neural network for attribute scattering centers,ASC-NN),最后分别对两种数据进行训练以实现局部式和分布式属性散射中心的参数估计.基于属性散射中心模型展开数值实验,实验结果表明,该方法对雷达属性散射中心目标分类的准确率高达99%以上;雷达属性散射中心参数估计的速度超过传统方法的10 000倍以上,且精度更高,验证了所提方法的有效性和优越性.
属性散射中心、深度学习、目标分类、参数估计
43
TN957
国家自然科学基金U2031202
2024-02-27(万方平台首次上网日期,不代表论文的发表时间)
共7页
38-44