空军工程大学学报

作者：李江,冯存前,王义哲,许旭光

单位：1.空军工程大学防空反导学院,西安,710051；2.信息感知技术协同创新中心，西安，710077\

关键词：弹道目标;微多普勒;卷积神经网络;时频分析;目标分类

基金：国家自然科学基金(61701528)

针对传统弹道目标微动分类缺乏智能性及噪声条件下分类性能差的问题，利用深度学习的高维特征泛化学习能力，提出一种将深度卷积神经网络用于弹道目标微动分类的方法。首先，在建立弹道目标微动模型的基础上，分析3种微动形式下的微多普勒表示，并生成雷达回波信号的时频图,作为训练、验证及测试的数据集；然后，运用深度卷积神经网络中的迁移学习对AlexNet和GoogLeNet进行再训练；最后，利用训练后的网络实现3种微动形式下的目标分类，并研究信噪比对分类性能的影响。仿真结果表明，与传统的微动目标分类方法相比，该方法不仅智能化程度高，而且在低信噪比条件下分类准确性更强。

来源：2019年第4期

《空军工程大学学报》期刊编辑部

查看空军工程大学学报杂志2019年第4期