基于注意力机制的堆叠LSTM神经网络雷达HRRP序列目标识别方法

作者：张一凡; 张双辉; 刘永祥; 荆锋

来源：系统工程与电子技术, 2021, 1-9.

• 高分辨一维距离像序列
• 注意力机制
• 长短时记忆网络
• 雷达目标识别

传统的雷达高分辨一维距离像（high resolution range profile, HRRP）序列识别方法依赖于人工特征提取，并且现有的深度学习方法存在梯度消失问题，导致收敛速度慢，识别精度低。针对上述问题，本文提出一种基于注意力机制的堆叠长短时记忆网络（attentionbased stacked long short-term memory, Attention-SLSTM）模型，该模型通过堆叠多个长短时记忆网络（long short-term memory,LSTM）层，实现了HRRP序列更深层次抽象特征的提取；通过替换模型的激活函数，减缓了堆叠LSTM（stacked LSTM,SLSTM）模型梯度消失问题；引入注意力机制计算特征序列的分配权重并用于分类识别步骤，增强了隐藏层特征的非线性表达能力。模型在雷达目标识别标准数据集MSTAR上多种不同目的的实验结果表明，本文所提出的方法具有更快的收敛速度和更好的识别性能，与多种现有方法对比具有更高的识别率，证明了所提方法的正确性和有效性。

• 单位
  国防科技大学