典型文献
基于机器学习的海面扩展目标检测
文献摘要：
宽带高分辨雷达较窄带雷达可获得更多的目标和环境信息,且可更精确地测量目标的位置和运动参数,同时也具有更好的低截获性能.但目标在宽带波形下通常表现为扩展目标,基于点目标假设的传统的信噪比阈值检测方法难以充分利用扩展目标的回波特性.因此,文中提出了基于支持向量机和卷积神经网络两种机器学习方法的海面扩展目标检测器.通过建立仿真平台生成样本数据,对两种机器学习模型进行了训练和测试.阈值检测、支持向量机和卷积神经网络三种方法的检测性能曲线的对比展现了两种基于机器学习方法在海面扩展目标检测上的优势.实测场景的测试进一步表现出卷积神经网络能有效提升点迹质量,从而有利于提升航迹质量,也表明了采用仿真生成的样本数据集对应用于海面扩展目标检测的机器学习模型进行训练和验证的有效性.
文献关键词：
海面扩展目标;宽带信号;卷积神经网络;支持向量机;机器学习
中图分类号：
作者姓名：
王治飞;于俊朋;孙晶明;张强;杨予昊
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
文献出处：
引用格式：
[1]王治飞;于俊朋;孙晶明;张强;杨予昊-.基于机器学习的海面扩展目标检测)[J].现代雷达,2022(03):18-23
A类：
海面扩展目标
B类：
基于机器学习,扩展目标检测,较窄,窄带,环境信息,测量目标,运动参数,低截获性能,点目标,阈值检测,回波特性,机器学习方法,目标检测器,仿真平台,台生,机器学习模型,三种方法,检测性能,性能曲线,提升点,点迹,航迹质量,仿真生成,样本数据集,宽带信号
AB值：
0.250763
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。
