利用CNN的海上目标探测背景分类方法

论文摘要

该文主要研究基于卷积神经网络(Convolutional Neural Networks,CNN)的海上目标探测背景分类方法.以CNN中的经典网络LeNet为例,基于IPIX雷达实测数据集,进行控制变量的模型训练,对分类准确率、训练速度、一维信号的二维特征图变化等进行分析,基于实测数据集验证了利用CNN在一维雷达回波信号中进行海杂波与噪声分类的可行性,并同步分析了数据预处理、单个样本序列长度、网络结构参数等影响因素对分类准确率的影响,并针对典型探测场景分类进行了验证.结果表明,LeNet卷积神经网络在海上探测背景区分方面,具有很高的分类准确率,并且数据预处理方式、单个样本序列长度对结果影响显著,而网络结构参数有一定的调节区间,在此区间内调整,影响不显著,所提方法在顺/逆浪向、高/低海况条件下杂波分类与杂噪分类方面具有很高的准确率.

论文目录

• 1 引言
• 2 卷积神经网络
•   2.1 卷积神经网络的基本原理
•   2.2 LeNet基本结构
• 3 构建数据集
•   3.1 实测数据简介
•   3.2 训练集、测试集与验证集构建
• 4 基于实测数据集的验证与分析
•   4.1 CNN训练与参数影响分析
•     4.1.1 利用LeNet进一维信号分类的可行性验证
•     4.1.2 输入数据样本对训练结果影响分析
•     4.1.3 网络结构参数对训练结果影响分析
•   4.2 典型探测场景分类验证
•     4.2.1 顺浪向与逆浪向的划分
•     4.2.2 高/低海况的区分
•   4.3 目标探测中的相关应用
• 5 结束语

文章来源

类型: 期刊论文

作者: 徐雅楠,刘宁波,丁昊,关键,黄勇

关键词: 卷积神经网络,海杂波,探测背景,分类

来源: 电子学报 2019年12期

年度: 2019

分类: 信息科技,基础科学

专业: 海洋学,计算机软件及计算机应用,自动化技术

单位: 海军航空大学信息融合研究所

基金: 国家自然科学基金(No.61871392,No.61531020,No.61871391),中国博士后科学基金(No.2017M620862)

分类号: P714;TP391.41;TP183

页码: 2505-2514

总页数: 10

文件大小: 6640K

下载量: 167