基于雷達RCS數(shù)據(jù)的空間目標識別算法研究

摘要： 近年來，深度學習在雷達目標識別領(lǐng)域取得了突破性進展，但基于雷達散射截面積數(shù)據(jù)的深度學習目標識別算法研究相對甚少。此外，空間目標雷達信號容易受噪聲影響，導(dǎo)致目標識別準確率低。本文提出了一種端到端的時頻特征融合神經(jīng)網(wǎng)絡(luò)TFF-Net用于實現(xiàn)基于RCS序列數(shù)據(jù)的空間目標識別。首先使用時頻分析方法將RCS序列數(shù)據(jù)轉(zhuǎn)化為二維時頻數(shù)據(jù)來降低噪聲干擾，其次使用TFF-Net提取時頻數(shù)據(jù)的深層... （共8頁）