基于时频分析与深度学习的高分辨距离像雷达目标识别

作者：聂江华; 肖永生; 黄丽贞; 贺丰收

来源：应用科学学报, 2022, 40(06): 973-983.

DOI：10.3969/j.issn.0255-8297.2022.06.008

• 雷达目标识别
• 高分辨距离像
• 约束朴素最小二乘生成对抗网络
• 深度卷积生成对抗网络
• 时频分析

传统的基于高分辨距离像（high resolution range profile, HRRP）雷达目标识别方法易受噪声影响，为此提出一种基于时频分析与深度学习的HRRP雷达目标识别方法。首先使用生成模型对低信噪比的HRRP数据进行处理，以提高数据的信噪比，生成模型采用深度卷积生成对抗网络（deep convolutional generative adversarial network, DCGAN）和所提出的约束朴素最小二乘生成对抗网络（constrained naive least squares generative adversarial network, CN-LSGAN）；其次将处理后的数据分别进行短时傅里叶变换（short-time Fourier transform, STFT）和小波变换（wavelet transform, WT），得到二维时频数据；最后利用卷积神经网络（convolutional neural network, CNN）进行识别。实验结果表明，CN-LSGAN相对DCGAN能够更好地提高信噪比，WT相比STFT得到的数据更能获取HRRP特征信息，因而基于CN-LSGAN, WT与CNN的HRRP雷达目标识别方法具有更好的识别效果。