基于CNN的雷达目标分类识别技术研究

作者：陈海峰; 冯源

来源：现代雷达, 2022, 44(04): 38-43.

DOI：10.16592/j.cnki.1004-7859.2022.04.006

• 宽度学习系统
• 卷积神经网络
• 雷达目标分类识别
• 增量学习

现有的识别方法对新的数据需要重新进行训练，不利于模型速度和在线功能的实现。文中提出一种宽度的卷积神经网络(BCNN),该模型由于具有“宽度”的网络结构，可以通过利用新生成的附加特征，提高BCNN模型的识别性能；此外，BCNN模型还能够利用新的训练数据进行自身的更新，从而具有增量学习能力。实验结果表明，该方法能更好地提取数据的特征，而且比常规的CNN的识别精度提高8%以上，所提模型还可以利用新的数据进行在线更新，从而具有更强的实用性和鲁棒性。

• 单位
  电子工程学院; 连云港职业技术学院