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
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)。
评论