基于卷积神经网络的低空风切变类型识别

论文摘要

针对激光雷达低空风切变信号图像的类型识别问题,提出了一种基于深度卷积神经网络(deep convolutional neural network,DCNN)的多层特征提取及自适应融合算法。该方法可以有效解决网络逐层训练过程中信息丢失的问题。首先,采用DCNN提取低空风切变信号图像的各层网络特征,并将各特征进行L2范数标准化实现同趋化。其次,将其以多通道图像形式输入单层CNN进行自适应融合,将融合特征送入支持向量机进行分类识别。结果表明,采用所提算法进行低空风切变图像类型识别的平均识别率为98.1%,与其他4种算法相比均有提升。所提算法能更有效地实现低空风切变信号图像类型识别。

论文目录

• 0 引言
• 1 激光雷达低空风切变图像仿真
• 2 多层特征融合的CNN
•   2.1 基于DCNN的特征提取
•   2.2 多层特征预处理及融合
• 3 SVM
• 4 实验仿真及结果分析
•   4.1 样本库建立
•   4.2 特征参数选择
•   4.3 实验结果分析
• 5 结论

文章来源

类型: 期刊论文

作者: 熊兴隆,陈楠,李永东,马愈昭,李猛,冯帅

关键词: 激光雷达,低空风切变,卷积神经网络,多层特征融合,支持向量机

来源: 系统工程与电子技术 2019年04期

年度: 2019

分类: 信息科技,基础科学,工程科技Ⅱ辑

专业: 气象学,航空航天科学与工程,自动化技术

单位: 中国民航大学天津市智能信号与图像处理重点实验室,中国民航大学民航空管研究院,中国民航大学工程技术训练中心

基金: 国家自然科学基金(U1533113,U1833111),中央高校基本科研业务费专项资金(3122018D001)资助课题

分类号: V321.225;TP183

页码: 772-779

总页数: 8

文件大小: 452K

下载量: 189