-
题名基于复数卷积残差网络的雷达杂波幅度统计模型分类
被引量：2
- 1
-
-
作者
张良
杨威
李玮杰
杨小琪
刘永祥
-
机构
国防科学技术大学电子科学学院
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2021年第11期3086-3097,共12页
-
基金
国家自然科学基金(61871384,61921001)资助课题。
-
文摘
雷达杂波幅度统计模型分类是进行杂波背景下检测目标的重要步骤。雷达杂波原始数据通常是复数数据,但现有杂波幅度统计模型分类研究都是在实数数据上完成的。复数数据同时包含幅度和相位信息,更丰富的信息量有助于雷达杂波幅度统计模型分类。为此,引入复数神经网络,利用仿真杂波高分辨距离像(high resolution range profile,HRRP)复数数据,对雷达杂波幅度统计模型分类问题进行研究,完成了以下工作:一是为构建复数最大池化层,定义并改进了复数最大池化算法,通过复数卷积神经网络(complex-valued convolutional neural networks,CV-CNN)对杂波幅度统计模型的分类实验,对比了两种复数最大池化算法和复数平均池化算法的分类效果,实验结果表明复数最大池化算法的分类效果更好,分类准确率为97.29%;二是为进一步提高分类准确率,构建了复数卷积残差网络(complex-valued convolution-ResNet,CV-CRN),通过实验对比分析了CV-CRN的性能,实验结果表明,CV-CRN的分类性能优于CV-CNN,分类准确率达到98.84%,并具有较好的鲁棒性。
-
关键词
杂波分类
高分辨距离像
复数卷积残差网络
-
Keywords
clutter classification
high resolution range profile(HRRP)
complex-valued convolutional-resNet(CV-CRN)
-
分类号
TN957.51
[电子电信—信号与信息处理]
-
