典型文献
基于深度学习的HRRP识别姿态敏感性分析
文献摘要：
特征提取是基于高分辨距离像(high resolution range profile,HRRP)的雷达目标识别的关键技术之一.传统人工提取特征的算法,仅利用浅层结构特征,无法有效解决姿态敏感性问题,从而限制了目标识别方法的泛化性.对此,提出一种基于深度学习的目标识别方法,并通过详细的姿态角性能测试分析了该方法的应用边界条件.通过构造适合处理HRRP的卷积神经网络(convolutional neural network,CNN)模型,充分发掘目标深层次姿态不敏感属性特征,完成高精度目标识别.基于实测数据的实验结果表明,所提方法具有一定的抗姿态敏感性特性,边界条件分析可为该方法的工程化应用提供指导.
文献关键词：
雷达目标识别;高分辨距离像;姿态敏感性;深度学习;卷积神经网络
中图分类号：
作者姓名：
孙晶明;虞盛康;孙俊
作者机构：
南京电子技术研究所,江苏南京210039;中国电子科技集团公司智能感知技术重点实验室,江苏南京210039
文献出处：
引用格式：
[1]孙晶明;虞盛康;孙俊-.基于深度学习的HRRP识别姿态敏感性分析)[J].系统工程与电子技术,2022(03):802-807
A类：
姿态敏感性
B类：
HRRP,高分辨距离像,high,resolution,range,profile,雷达目标识别,传统人工,提取特征,敏感性问题,目标识别方法,泛化性,姿态角,测试分析,convolutional,neural,network,不敏,属性特征,工程化应用
AB值：
0.252253
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。
