作者:邱思杰; 龙振弘雷达目标分类微多普勒卷积神经网络
摘要:单兵便携雷达通常侦查短驻留时间条件下的战场人与车辆,对雷达目标的检测和分类具有重要的军事价值。该文采用时频分析法,首先采用经典的EMD算法对微多普勒特征目标分类效果不明显,然后提出通过SFTF分析再由卷积神经网络深度学习分类,能很好的对微多普勒目标进行区分,由于该算法对GPU并行性提出很高要求,因此先通过对时频信号做Wigner-Ville处理后,进行Hough变换,最后送入卷积神经网络深度学习分类。基于实测数据的实验结果表明该方法不仅减轻了算法对硬件的要求,而且具有较好目标的分类性能。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社