基于Attention-Inception网络集成的雷达HRRP序列目标识别方法OA北大核心CSTPCD
传统的雷达高分辨距离像(High Resolution Range Profile,HRRP)序列识别方法依赖于人工提取特征,并且在使用现有的经典深度学习方法识别小数据集时存在梯度消失和过拟合问题,导致收敛速度慢,识别率低。针对上述问题,提出了一种基于注意力机制的集成Inception网络模型,通过集成Attention-Inception单分支网络,实现了HRRP序列更深层次特征的提取;通过对模型的损失函数加入L2正则化,缓解小数据集在集成网络中的过拟合问题;利用Inception Ⅰ和Inception Ⅱ结构提取HRRP序列多尺度特征,并引入注意力机制计算特征序列的分配权重;加入残差结构,减缓了集成网络梯度消失问题。在预处理后的HRRP序列上进行实验结果表明,所提方法的目标识别率达到93.3%,并且与未去除噪声的HRRP序列相比目标识别率提高了14.67%。
方梦瑶;张贞凯;李汪华;
江苏科技大学海洋学院,江苏镇江212028
电子信息工程
高分辨距离像序列目标识别神经网络集成注意力机制Inception结构
《电讯技术》 2024 (009)
P.1370-1378 / 9
国家自然科学基金资助项目(61871203)。
评论