基于卷积神经网络的雷达点迹分类技术研究

摘要

雷达在探测目标过程中不可避免地会受到杂波影响,在信号处理检测时会产生杂波点迹,尤其是在杂波密集区,此类杂波点迹数量会更多.随着大数据的到来,人工智能技术获得突飞猛进的发展,以深度学习为代表的人工智能技术受到广泛关注.利用卷积神经网络对雷达点迹数据中的杂波与真实目标分类问题展开研究.首先在现有雷达点迹信息的基础上,进一步提取出多维特征参数,然后在Tensorflow平台中搭建多层卷积神经网络,并依据工程应用背景,针对性地优化经典损失函数,定义模型效果评估指标,最后通过由雷达实测数据构成的测试集数据对模型效果进行验证.