基于TGAF特征和卷积神经网络的雷达一维距离像识别

作者：秦尉博; 张弓^*; 刘苏; 袁家雯

来源：电子测量技术, 2020, 43(15): 53-57.

DOI：10.19651/j.cnki.emt.2004402

• HRRP
• 雷达目标识别
• TGAF特征
• CNN

基于深度学习方法的雷达一维距离像(HRRP)目标识别大多采取将二维卷积神经网络(CNN)结构转换为一维特征提取器的方法。针对低信噪比下的一维距离像目标识别,提出一种基于TGAF-CNN的雷达HRRP目标识别算法。和传统思路不同,TGAF方法将一维距离像转化为二维图像。和GAF方法相比,TGAF方法通过组合调整过的时序信息实现特征融合,提高了识别精度和鲁棒性。输出的TGAF特征图作为二维卷积神经网络的输入进行目标分类识别。基于枪械模型数据的实验结果表明,TGAF-CNN算法相对传统的深度学习方法提高了约4%的识别率。

• 单位
  电子信息工程学院; 重庆邮电大学; 南京航空航天大学