典型文献
基于帧间多维特征的深度学习雷达目标检测技术
文献摘要：
非均匀非平稳非高斯强杂波常导致基于能量的传统阈值检测方法目标检测率低或产生大量虚警,影响目标录取性能.一些工作探索了采用时频特征图基于机器学习的目标检测方法,但对于驻留时间短的雷达搜索应用,难以获得高分辨率时频特征,导致基于时频特征图的机器学习方法性能下降甚至失效.因此,提出了一种新的基于目标帧间多维特征的目标检测方法及相应的神经网络模型RDF-ResNet.通过在解模糊过程中提取疑似目标帧间多维特征并输入到RDF-ResNet中,实现在特征空间上对虚警的抑制,结合低阈值检测,实现检测率的有效提升.实测实验数据表明:文中所提方法可实现较传统阈值检测方法约41％的检测率提升和约48％的虚警率降低,能有效提升雷达目标检测能力,并为雷达回波特征空间的有效构建和机器学习雷达目标检测提供了新思路.
文献关键词：
多维特征;深度学习;卷积神经网络;目标检测
中图分类号：
作者姓名：
王治飞;于俊朋;杨予昊;夏凌昊
作者机构：
南京电子技术研究所,南京210039;中国电子科技集团公司智能感知技术重点实验室,南京210039;江苏省探测感知技术重点实验室,南京210039
文献出处：
引用格式：
[1]王治飞;于俊朋;杨予昊;夏凌昊-.基于帧间多维特征的深度学习雷达目标检测技术)[J].现代雷达,2022(12):48-54
A类：
B类：
多维特征,雷达目标检测,非均匀,非平稳,非高斯,强杂波,常导,阈值检测,检测率,录取,工作探索,时频特征,特征图,基于机器学习,目标检测方法,驻留时间,难以获得,机器学习方法,性能下降,RDF,ResNet,解模糊,疑似目标,特征空间,低阈值,和约,虚警率,检测能力,雷达回波特征,有效构建
AB值：
0.328856
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。
