基于帧间多维特征的深度学习雷达目标检测技术OA北大核心CSTPCD
Radar Target Detection with Multi-frame Multi-dimensional Features Based on Deep Learning
非均匀非平稳非高斯强杂波常导致基于能量的传统阈值检测方法目标检测率低或产生大量虚警,影响目标录取性能.一些工作探索了采用时频特征图基于机器学习的目标检测方法,但对于驻留时间短的雷达搜索应用,难以获得高分辨率时频特征,导致基于时频特征图的机器学习方法性能下降甚至失效.因此,提出了一种新的基于目标帧间多维特征的目标检测方法及相应的神经网络模型RDF-ResNet.通过在解模糊过程中提取疑似目标帧间多维特征并输入到RDF-ResNet中,实现在特征空间…查看全部>>
王治飞;于俊朋;杨予昊;夏凌昊
南京电子技术研究所,南京210039中国电子科技集团公司智能感知技术重点实验室,南京210039江苏省探测感知技术重点实验室,南京210039南京电子技术研究所,南京210039
信息技术与安全科学
多维特征深度学习卷积神经网络目标检测
《现代雷达》 2022 (12)
48-54,7
评论