首页|期刊导航|雷达学报(中英文)|基于属性散射中心卷积核调制的SAR目标识别深层网络

基于属性散射中心卷积核调制的SAR目标识别深层网络OA北大核心CSTPCDEI

中文摘要

卷积神经网络(CNN)的特征提取能力与其参数量有关,一般来说,参数量越多,CNN的特征提取能力越强。但要学好这些参数需要大量的训练数据,而在实际应用中,可用于模型训练的合成孔径雷达(SAR)图像往往是有限的。减少CNN的参数量可以降低对训练样本的需求,但同时也会降低CNN的特征表达能力,影响其目标识别性能。针对此问题,该文提出一种基于属性散射中心(ASC)卷积核调制的SAR目标识别深层网络。由于SAR图像具有电磁散射特性,为了提取更符合SAR目标…查看全部>>

李毅;杜兰;周可儿;杜宇昂

西安电子科技大学雷达信号处理全国重点实验室,西安710071西安电子科技大学雷达信号处理全国重点实验室,西安710071西安电子科技大学雷达信号处理全国重点实验室,西安710071西安电子科技大学雷达信号处理全国重点实验室,西安710071

电子信息工程

合成孔径雷达(SAR)目标识别卷积神经网络(CNN)属性散射中心(ASC)卷积核调制

《雷达学报(中英文)》 2024 (2)

P.443-456,14

国家自然科学基金(U21B2039)。

10.12000/JR24001

评论

您当前未登录!去登录点击加载更多...