基于卷积神经网络的海杂波数据分析与鉴别
电子技术应用 11期
薛冰，吴巍
（海军工程大学，湖北 武汉 430033）
摘要： 海杂波成因复杂多样，并且目标回波受多种因素影响，使得海杂波对于海上目标探测、识别、跟踪产生了严重的影响。针对传统研究方法精度不足的问题，通过分析海杂波相关统计特性，以海杂波幅度特征和基本统计量为基础，构建了以幅度熵、赫斯特指数、频域峰均比为特征分量的三维特征向量，采用卷积神经网络方法，实现海杂波与目标在特征空间中的明显区分。
中圖分類號：TN957.5
文獻標志碼：A
DOI: 10.16157/j.issn.0258-7998.234449
引用格式： 薛冰，吳巍. 基于卷積神經(jīng)網(wǎng)絡(luò)的海雜波數(shù)據(jù)分析與鑒別[J]. 電子技術(shù)應(yīng)用，2023，49(11)：15-22.
文獻標志碼：A
DOI: 10.16157/j.issn.0258-7998.234449
引用格式： 薛冰，吳巍. 基于卷積神經(jīng)網(wǎng)絡(luò)的海雜波數(shù)據(jù)分析與鑒別[J]. 電子技術(shù)應(yīng)用，2023，49(11)：15-22.
Analysis and identification of sea clutter data based on convolutional neural network
Xue Bing，Wu Wei
(Naval University of Engineering， Wuhan 430033， China)
Abstract： The causes of sea clutter are complex and diverse, and the target echo is influenced by various factors, which seriously affects the detection, recognition, and tracking of sea targets. In order to solve the problem of insufficient accuracy of traditional research methods, this paper analyzes the statistical characteristics of sea clutter, constructs a three-dimensional feature vector with amplitude entropy, Hurst index and frequency domain peak as the characteristic components, and adopts convolutional neural network method to realize the obvious distinction between sea clutter and targets in feature space.
Key words : sea clutter；feature vector；convolutional neural network；identification accuracy
【引言】
由于海洋環(huán)境復(fù)雜多樣，對海面目標的探測與識別影響顯著。海雜波的成因復(fù)雜，海雜波具有不完全隨機性，而且目標回波信號受多種因素影響，僅從單一方面研究其特性會有很大的偶然性與不精確性。此外，海雜波影響因素多樣，所有構(gòu)建的模型只能在某一段范圍內(nèi)符合海雜波的特性，其在較長的時間或距離單元跨度內(nèi)，并不完全符合海雜波的特性。更重要的是，海雜波與目標的區(qū)分度不具一般性，規(guī)律不明顯。本文通過提取海雜波與海面目標在某些方面的顯著差異，再去利用卷積神經(jīng)網(wǎng)絡(luò)對其進行鑒別研究。
本文詳細內(nèi)容下載請點擊：基于卷積神經(jīng)網(wǎng)絡(luò)的海雜波數(shù)據(jù)分析與鑒別AET-電子技術(shù)應(yīng)用-最豐富的電子設(shè)計資源平臺 (chinaaet.com)
【作者信息】
薛冰，吳巍
（海軍工程大學(xué)，湖北 武漢 430033）
此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。