论文摘要
利用空间目标雷达散射截面(Radar Cross Section, RCS)序列开展空间目标结构识别是空间态势感知的重要组成部分。文章针对RCS序列受目标物理特性、姿态特性影响大,序列信号非平稳特征明显的问题,利用深度神经网络(Deep Neural Network,DNN)算法解决空间目标结构特征识别的问题;针对特征提取不具区分度的问题,提出利用分形分析提取RCS序列的分数维特征,并利用Fisher判决率对传统特征进行选取;介绍了DNN算法以及数据处理过程;最后,利用一组仿真测试数据对算法进行了仿真验证。分析结果表明,DNN算法在解决利用RCS序列进行目标结构识别这一问题中具有鲁棒性强、识别准确的特点。
论文目录
文章来源
类型: 期刊论文
作者: 周驰,李智,徐灿
关键词: 深度神经网络,序列,结构识别,分形分析,判决率
来源: 中国空间科学技术 2019年01期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 航空航天科学与工程,电信技术,自动化技术
单位: 航天工程大学研究生院,航天工程大学航天指挥学院
基金: 国防科技卓越青年科学基金(2017-JCJQ-ZQ-005)
分类号: TN957.51;TP183;V52
DOI: 10.16708/j.cnki.1000-758x.2018.0064
页码: 32-39+48
总页数: 9
文件大小: 4825K
下载量: 294