[发明专利]基于深度残差多尺度一维卷积神经网络的雷达目标识别方法有效
| 申请号： | 201811405815.2 | 申请日： | 2018-11-22 |
| 公开（公告）号： | CN109375186B | 公开（公告）日： | 2022-05-31 |
| 发明（设计）人： | 郭晨;简涛;孙顺;徐从安;王海鹏;王聪 | 申请（专利权）人： | 中国人民解放军海军航空大学 |
| 主分类号： | G01S7/41 | 分类号： | G01S7/41;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 264001 山东省烟*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种基于深度残差多尺度一维卷积神经网络的雷达目标识别方法。雷达目标因具有平移敏感性和姿态角敏感性而识别难度较大，该方法可自动提取雷达目标HRRP的不变特征。该方法利用卷积核和下采样操作的特征设计了两种一维残差多尺度块和两种一维多尺度下采样层，并以二者为核心构建神经网络模型，在此基础上，提出了一种新的损失函数来提高特征的可分性。该方法可以有效提取目标的深度不变特征，识别正确率较高，具有较好的鲁棒性和泛化性能。 | ||
| 搜索关键词： | 基于 深度 残差多 尺度 卷积 神经网络 雷达 目标 识别 方法 | ||
【主权项】：
1.一种基于深度残差多尺度一维卷积神经网络的雷达目标识别方法，其特征在于，包括以下步骤：步骤1，构建深度一维残差卷积神经网络模型，并对模型参数进行初始化；步骤2，前向传播，计算迭代过程中损失函数L；步骤3，后向传播，采用链式法则对模型中的参数进行更新；步骤4，重复步骤2、3直到损失函数收敛，得到可用于雷达目标识别的模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国人民解放军海军航空大学，未经中国人民解放军海军航空大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811405815.2/，转载请声明来源钻瓜专利网。
