时空域稀疏条件下基于雷达回波时序依赖关系的目标检测
该文基于低慢小目标探测的地面预警雷达实测回波数据,系统性地提出了一种数据驱动式的目标检测方法框架,解决了两个关键问题:(1)针对当前数据驱动式的目标检测方法未能充分利用特征表示学习来发挥优势的问题,提出了回波时序依赖关系的表示学习方法,并给出无监督和有监督学习的两种实现方式;(2)低慢小目标在雷达探测范围中呈现稀疏性,目标-杂波数目的极度不均衡致使网络判决面严重向杂波倾斜.因此,该文提出利用异常值检测方法中的样本均衡思想,有效缓解了检测模型的判决偏移问题.最后基于实测数据对所提方法框架的各组成部分进行了消融实验,实验结果充分验证了回波时序性特征表示学习和样本均衡策略的有效性.在实测序贯验证条件下,两种检测方法均取得了优于多种CFAR方法的综合检测性能.
雷达目标检测、时序依赖关系、回波表示学习、循环神经网络、样本均衡策略
12
TN95;TP391
国家自然科学基金62206258
2023-05-09(万方平台首次上网日期,不代表论文的发表时间)
共20页
356-375