<sub id="n0hly"></sub>
<sub id="n0hly"></sub>

      <small id="n0hly"><progress id="n0hly"></progress></small>

      3. <address id="n0hly"></address>
      3. 
	
        

		
		

	
        
				
			加急見(jiàn)刊
		
        
		

		
		
        
			
        
				
				
				
        
					
					
        
						
						
        基于卷積神經(jīng)網(wǎng)絡(luò )的海上微動(dòng)目標檢測與分類(lèi)方法
        
						
        蘇寧遠; 陳小龍; 關(guān)鍵; 牟效乾; 劉寧波  海軍航空大學(xué); 煙臺264001
        

					
        
					
        摘要：該文利用深度學(xué)習的高維特征泛化學(xué)習能力,將卷積神經(jīng)網(wǎng)絡(luò )（CNN）用于海上目標微多普勒的檢測和分類(lèi)。首先,在海面微動(dòng)目標模型的基礎上,在實(shí)測海雜波背景中分別構建4種類(lèi)型微動(dòng)信號的2維時(shí)頻圖,并作為訓練和測試數據集;然后,分別采用LeNet, AlexNet和GoogLeNet 3種CNN模型進(jìn)行二元檢測和多種微動(dòng)類(lèi)型分類(lèi),并進(jìn)行比較,研究信雜比對檢測和分類(lèi)性能的影響。最后,與傳統的支持向量機方法進(jìn)行比較,結果表明,所提方法能夠智能學(xué)習微動(dòng)特征,具有更好的檢測和分類(lèi)性能,可為雜波背景下的雷達動(dòng)目標檢測和識別提供新的技術(shù)途徑。
        
					
        注: 保護知識產(chǎn)權,如需閱讀全文請聯(lián)系雷達學(xué)報雜志社
        
				
        
				

			
        
		
        

		
		

	
        

	
	
	
	
	
	
	
	


亚欧成人中文字幕一区-日韩影音先锋AV乱伦小说-成人精品久久一区二区-成人美女视频在线观看

        <sub id="n0hly"></sub>
        <sub id="n0hly"></sub>
        

          <small id="n0hly"><progress id="n0hly"></progress></small>
          3. 

          <address id="n0hly"></address>
          3.