基于混合核深度适配网络的HRRP目标识别

作者：王国帅; 汪文英; 魏耀; 郑玄玄; 雷志勇

来源：雷达科学与技术, 2020, 18(06): 618-624.

• 深度迁移学习
• 目标识别
• 高分辨一维距离像
• 混合核深度适配网络

为了改善基于卷积神经网络(CNN)的雷达目标识别模型的泛化能力,本文将深度适配网络(DAN)方法引入到高分辨一维距离像(HRRP)目标识别中。为了进一步提高DAN方法的性能,创新性地提出了混合核函数MMD代替传统DAN中的多核MMD,设计了基于混合核函数的MMD损失函数。本文使用服从瑞利分布的海杂波来干扰目标域数据。网络模型中使用一维CNN提取特征,使用混合核函数DAN来减少源域和目标域间特征分布的差异。实验表明,相对常规迁移学习方法和DAN方法,在海杂波影响下该方法可将目标域数据识别率提高15%左右,显著提高了模型的泛化性能和鲁棒性。

• 单位
  南京电子技术研究所