基于雷達(dá)RCS數(shù)據(jù)的空間目標(biāo)識(shí)別算法研究

摘要： 近年來(lái)，深度學(xué)習(xí)在雷達(dá)目標(biāo)識(shí)別領(lǐng)域取得了突破性進(jìn)展，但基于雷達(dá)散射截面積數(shù)據(jù)的深度學(xué)習(xí)目標(biāo)識(shí)別算法研究相對(duì)甚少。此外，空間目標(biāo)雷達(dá)信號(hào)容易受噪聲影響，導(dǎo)致目標(biāo)識(shí)別準(zhǔn)確率低。本文提出了一種端到端的時(shí)頻特征融合神經(jīng)網(wǎng)絡(luò)TFF-Net用于實(shí)現(xiàn)基于RCS序列數(shù)據(jù)的空間目標(biāo)識(shí)別。首先使用時(shí)頻分析方法將RCS序列數(shù)據(jù)轉(zhuǎn)化為二維時(shí)頻數(shù)據(jù)來(lái)降低噪聲干擾，其次使用TFF-Net提取時(shí)頻數(shù)據(jù)的深層... （共8頁(yè)）