一种基于CAE的HRRP去噪重构与识别方法
针对HRRP识别研究中面临的噪声污染问题,提出了一种基于卷积自编码器(convolutional auto encoder,CAE)的HRRP识别方法.此方法将CAE的重构功能与卷积神经网络(convolutional neural network,CNN)的分类性能相结合,将未含噪声的数据作为标签,利用CAE学习含噪声HRRP的噪声特征,实现对HRRP的去噪重构,后利用CNN对重构后的HRRP进行识别.仿真实验表明:在10 dB、20 dB、40 dB峰值信噪比的噪声环境下,该方法对HRRP的识别准确率分别可达到76.48%、95.14%、98.33%,能够一定程度上克服噪声对HRRP识别带来的不良影响,保证识别精度.
高分辨率一维距离像、自编码器、卷积神经网络、雷达目标、舰船
44
TJ83;TP391.1(战车、战舰、战机、航天武器)
2023-02-20(万方平台首次上网日期,不代表论文的发表时间)
共8页
188-195