杨威,,
黎湘,
刘永祥
国防科技大学电子科学学院 长沙 410073
基金项目:国家自然科学基金(61871384, 61401486)，湖南省自然科学基金(2017JJ3367)，上海航天科技创新基金(SAST2017-048)
详细信息
作者简介:李玮杰(1998–)，男，湖南株洲人，国防科技大学电子科学学院在读博士生，研究方向为雷达目标识别，机器学习，深度学习。E-mail: lwj2150508321@sina.cn
杨威：杨 威(1985–)，男，江西丰城人，博士，国防科技大学电子科学学院讲师，研究方向包括信息融合、多目标跟踪、融合目标识别。E-mail: yw850716@sina.com
黎湘：黎 湘(1967–)，男，湖南浏阳人，教授，********，研究方向为目标探测识别与雷达成像等
刘永祥(1976–)，男，河北唐山人，博士，国防科技大学电子科学学院教授，博士生导师，研究方向为目标微动特性分析与识别。E-mail: lyx_bible@sina.com
通讯作者:杨威 yw850716@sina.com
责任主编：陈渤 Corresponding Editor: CHEN Bo中图分类号:TN957.51
计量
文章访问数:1747
HTML全文浏览量:692
PDF下载量:224
被引次数:0
出版历程
收稿日期:2019-10-23
修回日期:2019-12-07
网络出版日期:2019-12-27
Robust High Resolution Range Profile Recognition Method for Radar Targets in Noisy Environments
LI Weijie,YANG Wei,,
LI Xiang,
LIU Yongxiang
College of Electronic Science and Engineering, National University of Defense Technology, Changsha 410073, China
Funds:The National Natural Science Foundation of China (61871384, 61401486), The Natural Science Foundation of Hunan Province (2017JJ3367), The Innovation Foundation of Aerospace Science and Technology of Shanghai (SAST2017-048)
More Information
Corresponding author:YANG Wei, yw850716@sina.com
摘要
摘要:随着深度学习技术被应用于雷达目标识别领域，其自动提取目标特征的特性大大提高了识别的准确率和鲁棒性，但噪声环境下的鲁棒性有待进一步研究。该文提出了一种在噪声环境下基于卷积神经网络(CNN)的雷达高分辨率距离像(HRRP)数据识别方法，通过增强训练集和使用残差块、inception结构和降噪自编码层增强网络结构，实现了在较宽信噪比范围下的较高识别率，其中在信噪比为0 dB的瑞利噪声条件下，识别率达到96.14%，并分析了网络结构和噪声类型对结果的影响。
关键词:目标识别/
高分辨距离像/
噪声环境/
卷积神经网络
Abstract:With the application of deep learning technology in the radar target recognition field, the automatic extraction of the target feature greatly improves the accuracy and robustness of the recognition, but its robustness in noisy environments needs to be further investigated. This paper proposes a robust target recognition method for radar High Resolution Range Profile (HRRP) data based on Convolutional Neural Networks (CNN). By enhancing training set and using the residual block, inception structure, and denoising sparse autoencoder layer to enhance the network structure, a higher recognition rate is achieved in a wider SNR range, under the condition of 0 dB Rayleigh noise, the recognition rate reaches 96.14%, and the influence of the network structure and noise type on results is analyzed.
Key words:Target recognition/
High-Resolution Range Profile (HRRP)/
Noise environment/
Convolutional Neural Network (CNN)
PDF全文下载地址:
https://plugin.sowise.cn/viewpdf/198_580d1cfb-9643-49bb-85fd-313ccc412865_R19093
