一种基于CN-LSGAN、STFT和CNN的HRRP雷达目标识别方法

作者：肖永生; 聂江华; 黄丽贞; 贺丰收; 邱鑫; 刘宇凡; 刘越; 饶煊

来源：2020-12-25, 中国, ZL202011560099.2.

本发明专利公开了提出了一种基于约束朴素最小二乘生成对抗网络(Constrained Naive Least Squares Generative Adversarial Network,CN-LSGAN)、短时傅里叶变换(Short-time Fourier transform,STFT)和卷积神经网络(Convolutional Neural Network,CNN)的HRRP雷达目标识别方法。所述方法包括以下步骤：S1,用CN-LSGAN对HRRP数据去噪,该网络结合了最小二乘生成对抗网络(Least Squares Generative Adversarial Network,LSGAN)和带梯度惩罚的Wasserstein生成对抗网络(Wasserstein Generative Adversarial Nets-Gradient Penalty,WGAN-GP)特点,将含噪声的HRRP数据通过CN-LSGAN,生成与干净的HRRP数据相似的数据,实现数据增强；S2,采用STFT对HRRP数据进行时频分析,引入目标的频域和相位特征,以便于特征学习；S3,将时频分析得到的数据通过CNN进行目标识别。

• 单位
  南昌航空大学