深度迁移学习的两阶段雷达目标检测方法

作者：施端阳; 林强; 胡冰; 尹建国

来源：现代雷达, 2022, 44(12): 34-41.

DOI：10.16592/j.cnki.1004-7859.2022.12.005

• 雷达
• 深度学习
• 迁移学习
• 目标检测

针对传统的基于统计特性的目标检测方法统计建模困难和机器学习目标检测方法特征提取复杂的问题，提出了深度迁移学习的雷达目标检测方法。采集雷达的IQ数据，经过脉冲压缩处理后形成雷达原始图像，通过对雷达图像进行放大、裁剪等步骤构建飞机目标数据集；设计R-CNN、SPP-Net、Fast R-CNN和Faster R-CNN等两阶段深度学习目标检测模型，对雷达图像中的飞机目标进行自动检测；模型训练时，引入迁移学习思想，使用预训练过的卷积神经网络自动提取图像中的深层特征，以达到减少雷达图像训练样本量的目的。某型航管雷达实测数据的实验结果表明：与传统的恒虚警率检测方法相比，该方法提高了雷达目标检测率，降低了虚警率，解决了检测率与虚警率的矛盾。

• 单位
  中国人民解放军空军预警学院