基于混合型复数域卷积神经网络的三维转动舰船目标识别

作者：张云; 化青龙; 姜义成^*; 徐丹

来源：电子学报, 2022, 50(05): 1042-1049.

• 合成孔径雷达
• 复数域卷积神经网络
• 三维转动
• 目标散焦
• 舰船目标识别
• 混合型复数域卷积神经网络

在较高海情下,由于舰船目标处于随机摆动的非平稳运动状态,常规合成孔径雷达(Synthetic Aperture Radar,SAR)成像处理会使得目标散焦、方位模糊,从而导致三维转动舰船目标识别准确率低.本文提出一种混合型复数域卷积神经网络(Mix-type Complex-Valued Convolutional Neural Network,Mix-CV-CNN),并推导Mix-CV-CNN前向传播与反向传播算法.三维转动舰船目标经过SAR成像处理后存在剩余相位信息,Mix-CV-CNN能充分利用SAR复数域图像的幅度和相位信息,在不进行目标重聚焦的情况下,较好完成SAR复杂运动舰船目标的识别.实验表明,Mix-CV-CNN相较于具有相同自由度的实数域卷积神经网络(Real-Valued Convolutional Neural Network,RV-CNN)识别性能有所提高,实测数据识别平均准确率提高3.85%.

• 单位
  哈尔滨工业大学