基于最优误差自校正极限学习机的高频地波雷达RD谱图海面目标检测算法
高频地波雷达(High-frequency surface wave radar,HFSWR)在超视距舰船目标检测跟踪中有广泛应用.然而,HFSWR工作频段的电磁环境十分复杂,舰船目标信号往往被淹没在各种噪声中.本文提出一种基于最优误差自校正极限学习机(Optimized error self-adjustment extreme learning machine,OES-ELM)的HFSWR 海面目标识别算法.该算法利用二级级联分类策略,可以显著提高目标的检测效率.首先利用灰度特征和线性分类器快速找出目标的潜在区域.然后利用Haar-like特征和OES-ELM分类器进一步辨识目标和海杂波.在OES-ELM中,首先利用L1/2正则算子裁剪隐层中的"微弱"神经元,以得到隐层神经元的最优个数;其次,通过网络误差回传至隐含层使网络的隐层权值和输出层权值迭代更新至最优状态.实验结果表明:和标准ELM相比,提出的OES-ELM网络具有更好的性能;此外,基于OES-ELM的HFSWR目标检测方法具有良好的实时性和目标检测性能.
高频地波雷达、极限学习机、目标检测、RD图像
47
国家重点研发计划;海洋公益性行业科研专项;国家自然科学基金
2021-03-12(万方平台首次上网日期,不代表论文的发表时间)
共13页
108-120