基于GAN的半监督低分辨雷达目标识别算法

论文摘要

针对雷达侦察过程中数据库标签样本不足导致目标识别率难以提高的问题,提出了基于生成对抗网络(GAN)的半监督低分辨雷达目标识别算法。该算法将现有的少量标签样本和接收到的大量无标签样本作为样本集,使用卷积神经网络(CNN)替代GAN的判别器部分,利用GAN强大的对抗生成能力,提高小标签样本条件下对低分辨雷达目标的分类识别能力。仿真实验结果表明,该算法较传统半监督雷达目标识别方法具有更短的识别时间和更好的识别效果,证明了算法的优越性。

论文目录

• 0 引言
• 1 低分辨雷达目标回波建模
• 2 基于生成对抗网络的半监督低分辨雷达目标识别算法
•   2.1 GAN模型
•   2.2 基于GAN的半监督识别模型
•   2.3 基于GAN的半监督低分辨雷达目标识别算法
• 3 实验结果与分析
•   3.1 实验数据集
•   3.2 网络模型设计
•   3.3 分类器损失函数参数选择
•   3.4 基于GAN的半监督识别模型生成样本
•   3.5 基于GAN的半监督低分辨雷达目标识别算法的识别效果
•     3.5.1 对三类目标的识别效果
•     3.5.2 样本数对识别效果的影响
•       3.5.2.1 无标签样本数对识别效果的影响
•       3.5.2.2 标签样本数对识别效果的影响
•     3.5.3 信噪比对识别效果的影响
•     3.5.4 算法识别时间对比实验
• 4 结论

文章来源

类型: 期刊论文

作者: 朱克凡,王杰贵,吴世俊

关键词: 低分辨雷达目标识别,深度学习,生成对抗网络,卷积神经网络

来源: 探测与控制学报 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电信技术,自动化技术

单位: 国防科技大学电子对抗学院,中国人民解放军96713部队

基金: 国防预研基金项目资助(9140C100404120C1003)

分类号: TP183;TN958

页码: 57-63

总页数: 7

文件大小: 1364K

下载量: 189