基于DCNN的弹道中段目标HRRP图像识别

摘要：

针对弹道中段目标识别问题,现有的基于高分辨距离像(high resolution range profile,HRRP)的识别方法直接提取一维HRRP (1-dimension HRRP,1D-HRRP)的整体特征,对局部特征提取能力较弱,且由1D-HRRP 数据提取的特征的表达能力有限,为此提出了一种基于深度卷积神经网络(deep convolutional neural network,DCNN)的弹道中段目标HRRP图像识别方法.首先,将1D-HRRP转化为0-1二值图像,从而把数值变化特征转化为图像结构特征;然后,构建DCNN逐层提取图像的局部特征和共性特征并进行识别;最后,结合Dropout和L2正则化双重机制缓解DCNN过拟合问题,利用AdaBound算法提高DCNN训练收敛速度和识别正确率.实验结果表明,所提出的基于HRRP图像的弹道中段目标识别方法比其他12种基于1D-HRRP或二维HRRP (2-dimension HRRP,2D-HRRP)的识别方法正确率更高,在测试数据集上达到了96.28％,实验结果验证了该方法的有效性.

关键词：弹道导弹、目标识别、高分辨距离像、深度卷积神经网络、AdaBound算法

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61876189,61503407,61703426,61806219

在线出版日期：2020-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2426-2433