典型文献
基于时频分析与深度学习的高分辨距离像雷达目标识别
文献摘要：
传统的基于高分辨距离像(high resolution range profile,HRRP)雷达目标识别方法易受噪声影响,为此提出一种基于时频分析与深度学习的HRRP雷达目标识别方法.首先使用生成模型对低信噪比的HRRP数据进行处理,以提高数据的信噪比,生成模型采用深度卷积生成对抗网络(deep convolutional generative adversarial network,DCGAN)和所提出的约束朴素最小二乘生成对抗网络(constrained naive least squares generative adversarial network,CN-LSGAN);其次将处理后的数据分别进行短时傅里叶变换(short-time Fourier transform,STFT)和小波变换(wavelet transform,WT),得到二维时频数据;最后利用卷积神经网络(convolutional neural network,CNN)进行识别.实验结果表明,CN-LSGAN相对DCGAN能够更好地提高信噪比,WT相比STFT得到的数据更能获取HRRP特征信息,因而基于CN-LSGAN,WT与CNN的HRRP雷达目标识别方法具有更好的识别效果.
文献关键词：
雷达目标识别;高分辨距离像;约束朴素最小二乘生成对抗网络;深度卷积生成对抗网络;时频分析
中图分类号：
作者姓名：
聂江华;肖永生;黄丽贞;贺丰收
作者机构：
南昌航空大学信息工程学院,江西南昌330063;南京航空航天大学电子信息工程学院,江苏南京211106;中国航空工业集团公司雷华电子技术研究所,江苏无锡214063
文献出处：
引用格式：
[1]聂江华;肖永生;黄丽贞;贺丰收-.基于时频分析与深度学习的高分辨距离像雷达目标识别)[J].应用科学学报,2022(06):973-983
A类：
约束朴素最小二乘生成对抗网络
B类：
时频分析,高分辨距离像,雷达目标识别,high,resolution,range,profile,HRRP,目标识别方法,噪声影响,生成模型,低信噪比,深度卷积生成对抗网络,deep,convolutional,generative,adversarial,network,DCGAN,constrained,naive,least,squares,LSGAN,短时傅里叶变换,short,Fourier,transform,STFT,小波变换,wavelet,WT,时频数据,neural,高信噪比,特征信息
AB值：
0.252906
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
